-
公开(公告)号：CN119832292A
公开(公告)日：2025-04-15
申请号：CN202411730876.1
申请日：2024-11-29
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06N3/0464 , G06V10/32 , G06V10/30 , G06V10/44 , G06V10/80
Abstract: 本发明涉及一种基于非对称密集卷积神经网络的轻量化通信设备检测方法，属于人工智能、计算机视觉、目标检测技术领域。本发明设计了一种双路非对称密集层，在不增加计算成本的情况下将单个非线性激活层分解为两层来设计非对称的深度可分离卷积，基于此构建双路非对称密集层，以此增强轻量化网络的特征提取和信息表达能力；设计了一种在特征合并过程中的通道混排机制，让该层能够在信息交换中保留特征细节并实现更平滑的层内信息流动，同时根据所给通道配置生成可变特征融合模式；引入密集连接的思想，实现层到层的信息流通与特征重用，从而促进了信息的高效传输。
-
公开(公告)号：CN117217222A
公开(公告)日：2023-12-12
申请号：CN202310746380.2
申请日：2023-06-25
Applicant: 北京计算机技术及应用研究所
IPC: G06F40/295 , G06F18/15 , G06F18/214 , G06F18/241
Abstract: 本发明涉及一种军事领域标注数据修正与事件检测方法，属于信息抽取技术领域。本发明使用原始数据集训练模型，并对原始标注数据进行预测，对于预测得分大于一定阈值的样本，将原始数据集的标注结果修改为模型预测结果，从而修正数据集中的错误标注数据和污染数据，提高训练集的质量。本发明在模型训练时引入了分层学习率策略，为靠近下游任务的模型层参数设置更大的学习率，提高预训练模型对于下游任务的适配能力；在模型推理时采用基于投票修正的模型融合方法，通过模型集成的方式提升少样本类别事件的召回率和准确率，融合多个模型的投票结果确定最终预测结果，从而提升模型的鲁棒性。
-
公开(公告)号：CN115878811A
公开(公告)日：2023-03-31
申请号：CN202211350065.X
申请日：2022-10-31
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/36 , G06N5/025 , G06N5/04 , G06F40/216 , G06F18/25 , G06F18/10 , G06N3/0475 , G06N3/0464 , G06N3/0442
Abstract: 本发明涉及一种基于事理图谱的军事情报智能分析及推演方法，属于数据处理技术领域。本发明提出了以事件为中心的情报分析与推演的思路，从事理图谱自动化构建到以事件为中心的可视化推理，针对具体流程进行了深入阐述。本发明以事件驱动的情报分析技术对战场情报数据进行综合监测与可视化分析，能够为管理者提供可视、可管、可控的军事指挥决策平台，助力用户挖掘军事情报数据价值，提高作战人员的指挥决策效率。
-
公开(公告)号：CN115062147A
公开(公告)日：2022-09-16
申请号：CN202210690741.1
申请日：2022-06-17
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/35 , G06F40/295 , G06K9/62
Abstract: 本发明涉及一种融合命名实体频繁模式特征的篇章级文本事件分类方法，属于信息处理技术领域。本发明旨在挖掘出长文档中的核心特征并发现其关键词，并通过这些特征来对篇章级文本事件进行分类。同时本发明提出了融合命名实体频繁模式特征的分类模型来解决篇章级文本事件分类问题。分类模型通过泛化实体语义信息以增强提取到的特征的鲁棒性，同时结合频繁项集挖掘算法和信息增益指数来挖掘篇章级文本的关键特征。最后，使用朴素贝叶斯分类法对篇章级文本事件进行分类。
-
公开(公告)号：CN111338972A
公开(公告)日：2020-06-26
申请号：CN202010234064.3
申请日：2020-03-30
Applicant: 北京计算机技术及应用研究所
IPC: G06F11/36
Abstract: 本发明涉及一种基于机器学习的软件缺陷与复杂度关联关系分析方法，涉及人工智能、大数据技术领域。本发明提出一种基于机器学习的软件缺陷与复杂度关联关系分析方法，基于大量的软件测试数据，分别通过单因素方差检验、高斯混合模型的方式探究不同类别软件缺陷的数目与复杂度、软件类型等多因素之间的关系。在高斯混合模型的方式中，通过对复杂度度量结果进行清洗、处理，量化计算软件缺陷数与每一个复杂度度量元之间的影响关系，并基于AOV网络、关联分析等方法客观分析软件缺陷与多软件复杂度度量元之间的涌现特征，进而计算出影响软件缺陷的关键复杂度因素。
-
Patent Agency Ranking
公开(公告)号：CN119831030A
公开(公告)日：2025-04-15
申请号：CN202411730689.3
申请日：2024-11-29
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于领域数据配比的大语言模型知识注入方法，属于大语言模型、领域知识、自然语言处理技术领域。本发明设计了一个自我监督的持续预训练框架，该框架能够在不增加额外人工标注成本的情况下，利用选定的知识对LLMs进行知识增强；提出了一个基于同质性度量的知识筛选机制，用于从大规模知识图谱中精选与目标任务相关的高质量知识，有效提升了LLMs的领域感知。在多个低资源垂直领域的NER任务上进行了广泛的实验，实验结果验证了本方法的有效性，尤其是在提升模型对复杂实体类型识别能力方面表现出色。
-
公开(公告)号：CN117390157A
公开(公告)日：2024-01-12
申请号：CN202311341725.2
申请日：2023-10-17
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/332 , G06F16/36 , G06F16/35 , G06F40/30
Abstract: 本发明涉及一种基于门控主题模型的无监督关键词抽取方法，属于人工智能、大数据、自然语言处理领域。本发明提出了一种语义自适应的文档语义表示方法，在整个语料库上训练一个神经主题模型来挖掘该领域的相关主题，并采用门控机制对文档主题进行独立加权，使具有较高语义丰富度的文档被分配相对更多的主题；利用文档主题信息设计了一种新的关键词评分算法，同时考虑了主题相似度与主题重要度对关键词评判的影响。通过这两方面因素的折衷，避免了对文本核心主题的过度关注，从而提高了所抽取关键词的多样性。
-
公开(公告)号：CN116561639A
公开(公告)日：2023-08-08
申请号：CN202310596095.7
申请日：2023-05-24
Applicant: 北京计算机技术及应用研究所
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种面向开源情报的多模态数据情感分析方法，属于人工智能、大数据、情感分析领域。本发明通过在Spark Streaming框架内封装多模态情感分析模型，实现了资源分类矩阵算子、图文数据对增强算子、多模态算法算子和多标签内容算子；该方法处理过程如下：首先，对从HDFS接收的输入数据进行预处理操作，其次，调用资源分类矩阵算子对文本、视频、图像进行分类处理，再次，调用图文数据对增强算子进行图文数据增强，调用多模态算法算子和多标签内容算子实现情感预测，最后，将预测的结果写入到Kafka，完成情感预测的整个流程。本发明实现大数据+深度学习的技术融合，满足可扩展性和低资源应用，支持海量数据的智能挖掘分析。
-
公开(公告)号：CN111881055B
公开(公告)日：2023-07-14
申请号：CN202010775179.3
申请日：2020-08-03
Applicant: 北京计算机技术及应用研究所
IPC: G06F11/36
Abstract: 本发明涉及一种军用软件评测规范的Simulink模型设计方法，其中，包括：分解出Simulink自带规则检查工具Model Advisor中直接影响代码标准符合性的模型检查项；收集Simulink模型进行成分分析，并使用Model Advisor中直接影响代码标准符合性的模型检查项进行规则检查，将通过规则检查的模型入库；将GJB 8114强制类准则逐项分解为由代码生成器决定和由用户行为决定的两类，利用假设检验方法对该两类准则进行验证；将得到的Model Advisor中直接影响代码标准符合性的模型准则、需谨慎使用的Simulink模块集合、由用户行为决定的模型设计准则、基于Simulink自带的模块库的模型设计准则进行提炼和加工，形成Simulink模型设计准则。
-
公开(公告)号：CN110647353B
公开(公告)日：2023-04-28
申请号：CN201910846500.X
申请日：2019-09-09
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种本发明一种无监督的软件复杂度评估方法，其中，包括：步骤一、针对软件程序复杂度的度量，总结提炼常用的程序复杂度度量元；步骤二、基于高斯混合模型的度量元概率归一化，包括：首先，针对数据中的各个度量元的频率分布，使用无监督的最大期望算法进行高斯混合建模，拟合该度量元的概率密度函数，基于该度量元的概率密度函数计算其累积分布函数，使用累积分布函数的值作为该度量元的归一化处理后的数值；步骤三、评估基于AOV网络的软件复杂度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.036 seconds)
