公开(公告)号：CN119150835B

公开(公告)日：2025-03-14

申请号：CN202411620564.5

申请日：2024-11-14

Applicant: 中南大学

Inventor： 严慧琴 ,  吕丰 ,  段思婧 ,  冯贵玉 ,  顾爽 ,  彭晨 ,  乔雪 ,  任岩

IPC: G06F40/186 ,  G06F40/117 ,  G06F40/205 ,  G06F40/284 ,  G06N20/00

Abstract: 本申请公开了一种基于大语言模型提示工程的咨询问题优化方法及系统，所述咨询问题优化方法包括构建用于模型输入重构的提示模板；获取法律咨询问题数据集，对法律咨询问题数据集其中的原始问题使用提示模板进行重构，得到对应的输入数据；对每条输入数据，使用已有的大型模型进行优化问题的生成，并进行专家评判和再优化，得到最终的优化问题数据集；将生成的优化问题数据集作为微调数据，对小型基座模型进行微调，得到问题优化模型；用户进行法律问题咨询时，基于问题优化模型实现对用户问题进行优化，本申请能利用提示工程在数据不足场景下生成数据、构建问题优化模型，提高用户法律咨询问题表达的专业性、准确性。

公开(公告)号：CN119540218A

公开(公告)日：2025-02-28

申请号：CN202411825777.1

申请日：2024-12-12

Applicant: 中南大学

Inventor： 王振锋 ,  吕丰 ,  曾翡 ,  周文胜 ,  罗忠 ,  黄威 ,  向莉

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/62 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及零件尺寸测量技术领域，公开了一种工业零件尺寸智能测量方法及测量系统，包括：获取待测零件的实时图像，并基于实时图像确定待测零件的正视图和俯视图；基于正视图和俯视图确定待测零件的零件类别，并在正视图中确定正视图感兴趣区域，在俯视图中确定俯视图感兴趣区域；基于正视图感兴趣区域提取正视图零件轮廓，基于俯视图感兴趣区域提取俯视图零件轮廓；根据正视图零件轮廓和零件类别计算待测零件的零件高度和参考高度，并将俯视图零件轮廓结合零件类别和参考高度计算待测零件的零件长度和零件宽度；将零件高度、零件长度和零件宽度作为待测零件的尺寸信息；本发明解决了机器视觉方法在测量具有曲面的工业零件时测量误差大的问题。

公开(公告)号：CN119025999A

公开(公告)日：2024-11-26

申请号：CN202411499459.0

申请日：2024-10-25

Applicant: 中南大学

Inventor： 吴帆 ,  杨纪琛 ,  周杰钰 ,  潘昊晔 ,  吕丰

IPC: G06F18/241 ,  G06N3/0455 ,  G06N3/088 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214

Abstract: 本发明公开了一种充电桩故障数据生成方法、设备、存储介质及产品，所述生成方法包括获取真实的充电桩故障数据；对所述充电桩故障数据进行分析，并根据分析结果选择每条故障数据的特征信息；对每条故障数据的特征信息进行编码，得到对应条故障数据的特征向量；根据充电桩故障数据的所有特征向量构建样本数据集；加载数据生成模型，利用所述样本数据集对所述数据生成模型进行无监督训练，得到目标生成模型；利用所述目标生成模型生成充电桩故障数据。本发明利用深度学习模型充分学习到不同类型数据的分布特点与故障数据之间的关系，提高了模型的训练效果，进而提高了生成数据的质量和准确性。

公开(公告)号：CN117615394B

公开(公告)日：2024-08-13

申请号：CN202311718765.4

申请日：2023-12-13

Applicant: 中南大学

Inventor： 吕丰 ,  张颉 ,  卢华丽 ,  吴帆

IPC: H04W24/02

Abstract: 本发明属于轨迹合成技术领域，尤其涉及一种数据与模型双驱动的蜂窝关联轨迹合成方法及系统，通过集成基于贝叶斯决策的模型驱动方法和基于GAN网络的两阶段数据驱动的方法，本发明能够有效地将道路空间映射到基站空间，并以从粗到细的方式合成蜂窝关联轨迹；特别是通过协同利用两种技术的优势，本发明不仅可以使用显式数学模型捕获底层关联规则的本质，还可以使用数据驱动的方法提取隐式模式和特征，真实且多样化地合成蜂窝关联轨迹。

公开(公告)号：CN114466023B

公开(公告)日：2023-07-11

申请号：CN202210216002.9

申请日：2022-03-07

Applicant: 中南大学

Inventor： 吕丰 ,  蔡信峣 ,  吴帆

IPC: G06Q30/0201 ,  H04L67/1023 ,  H04L67/1008 ,  H04L67/60 ,  H04L67/10 ,  G06F9/50 ,  G06N3/092 ,  G06F18/23213

Abstract: 本发明公开了一种面向大规模边缘计算系统的计算服务动态定价方法及系统，包括步骤：边缘计算服务器训练一个动态定价强化学习智能体；每台边缘计算服务器根据动态定价强化学习智能体的输出在每个时隙开始时发布新的任务卸载的服务定价，通过无线网络连接到该边缘计算服务器的用户移动设备对发布的服务定价进行反馈，反馈包括时隙内用户移动设备卸载给该边缘计算服务器的任务计算量；在该时隙结束时，将时隙内的边缘计算服务器的负载数据、服务定价和定价带来的收益输入动态定价强化学习智能体进行学习，以最大化每个时隙的长期收益作为学习目标，优化动态定价强化学习智能体。本发明可仅通过与用户交互迭代就可以不断学习改进动态定价策略。

公开(公告)号：CN114866548B

公开(公告)日：2022-12-23

申请号：CN202210448728.5

申请日：2022-04-26

Applicant: 中南大学

Inventor： 张永敏 ,  向侃 ,  吕丰 ,  任炬 ,  张尧学

IPC: H04L67/10 ,  H04L41/14

Abstract: 本发明公开了一种基于移动雾计算的任务卸载方法，方案是构建由I个移动雾节点、一个基站、J个请求卸载任务的移动设备、一个云数据库服务器组成的任务卸载系统。基站作为部署任务卸载的第三方平台，移动设备和移动雾节点向基站提供信息。在考虑设备移动性约束以及用户服务质量对不同设备属性的偏好的情况下，将移动雾计算环境下任务卸载中的资源利用率最大化问题建模为二部图的最大加权匹配问题，通过KM算法求解出能够使得用户总体满意度最高的最优任务分配方案。基站根据最优任务分配方案通知请求卸载的移动设备将任务卸载到合适的移动雾节点，并通知对应的移动雾节点接受并执行任务。采用本发明能实现合理的任务分配，有效提高资源利用率。

公开(公告)号：CN114022202B

公开(公告)日：2022-11-01

申请号：CN202111295191.5

申请日：2021-11-03

Applicant: 中南大学

Inventor： 吕丰 ,  钱凯 ,  吴帆 ,  任炬 ,  张尧学

IPC: G06Q30/02 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了基于深度学习的用户流失预测方法及系统，通过构建并将时序行为特征矩阵转化成多个块嵌入向量，并添加初始类别嵌入向量以及位置嵌入向量，再提取嵌入特征块的各个块嵌入向量的目标类别，并加上位置嵌入向量所标记的各个块嵌入向量之间的位置关系对提取的各个块嵌入向量进行自相似性计算，得到嵌入特征块的类别嵌入向量；对嵌入特征块的类别嵌入向量进行预分类，输出用户流失概率值，从用户画像特征矩阵提取用户画像的关键特征矩阵，根据用户画像的关键特征矩阵以及用户流失概率值确定用户的流失类别。本发明能准确、全面捕捉用户各种时序行为特征之间的自相似性，并结合用户画像的关键特征矩阵实现高精度的用户流失预测。

公开(公告)号：CN111754000B

公开(公告)日：2022-10-14

申请号：CN202010590843.7

申请日：2020-06-24

Applicant: 清华大学 ,  中南大学

Inventor： 张尧学 ,  邓永恒 ,  吕丰 ,  任炬

IPC: G06N20/20 ,  G06Q30/08

Abstract: 本发明公开了一种质量感知的边缘智能联邦学习方法及系统，该方法包括：云平台以多个学习任务的聚合模型质量之和在每次迭代中都达到最大为优化目标，构建联邦学习质量优化问题并解决：在每次迭代中，利用参与节点的历史学习质量记录预测参与节点的学习质量；其中，利用每次迭代中损失函数值的减少量来量化节点训练数据的学习质量；在每次迭代中，云平台通过反向拍卖机制激励高学习质量的节点参与联邦学习；以进行学习任务和学习报酬的分配；在每次迭代中，对于每个学习任务，每个参与节点将其本地模型参数上传到云平台以聚合得到全局模型。本发明可以在保护数据隐私的情况下，为模型的训练提供更丰富的数据和更多的算力，以提高模型的质量。

公开(公告)号：CN113821929B

公开(公告)日：2022-08-02

申请号：CN202111123349.0

申请日：2021-09-24

Applicant: 中南大学

Inventor： 吕丰 ,  王艺锋 ,  段思婧

IPC: G06F30/20 ,  G06Q10/04 ,  G06Q50/26 ,  G06F119/12

Abstract: 本发明公开了基于时空注意力机制的高速路网站点流量预测方法及系统，通过构建目标站点的训练样本集，构建基于时空注意力机制的站点流量预测模型，并使用训练样本集中的训练数据训练站点流量预测模型，使其学习目标站点预测时刻的流量数据与其过去一段时间内的历史流量数据之间的时间依赖关系以及目标站点预测时刻的流量数据及其关键来源站点关联时刻的流量数据之间的动态空间相关性；并基于训练所得的时间依赖关系和动态空间相关性对目标站点的流量数据进行预测。本发明能捕捉目标站点的流量数据及其关键来源站点的流量数据之间的精确的动态空间相关性，并结合站点流量的时间依赖关系进行流量预测，从而提高复杂高速路网中站点流量的预测精度。

公开(公告)号：CN114281545A

公开(公告)日：2022-04-05

申请号：CN202111618376.5

申请日：2021-12-20

Applicant: 中南大学

Inventor： 张永敏 ,  黎徽霖 ,  黄鹏宇 ,  吕丰 ,  张尧学

IPC: G06F9/50 ,  G06F9/48

Abstract: 本发明公开了一种基于CPU资源与图像模型时延关系的资源分配方法，目的是减少CPU资源浪费，降低图像任务队列处理时延。技术方案是构建由接收端口，图像模型模块，测试控制模块，测试模块，监控模块，函数拟合模块，调度模块组成的基于CPU资源与图像模型时延关系的资源分配系统；资源分配系统各模块相互配合，对N个任务需求中的图像模型进行测试，得出N个拟合函数；调度模块N个拟合函数及N个任务请求，按照任务请求的到达顺序，将CPU各个核的空闲资源分配给N个任务。采用本发明能够减少任务过多时CPU处理图像任务队列的总时延，减少CPU资源浪费，改善CPU并行处理任务的能力，提高计算机综合效率。