-
公开(公告)号：CN118350417A
公开(公告)日：2024-07-16
申请号：CN202410780844.6
申请日：2024-06-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0455 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种目标检测模型的优化方法、装置、电子设备及存储介质，应用于DINO模型，涉及人工智能技术领域，所述目标检测模型的优化方法包括以下步骤：S10，LST结构改进：在通过历史任务训练好的原DINO模型上新增旁支网络，以获得新DINO模型；S20，初步预热：固定原DINO模型的网络参数，并利用历史任务对旁支网络的参数进行训练；S30，持续学习增量训练：采用ER技术对新DINO模型进行持续学习训练，且训练过程中采用遗忘性优先采样策略进行历史任务样本选取；S40，推理测试。本发明的有益效果：既能缓解模型的灾难性遗忘，又能快速适应新任务。
-
公开(公告)号：CN118364870B
公开(公告)日：2024-11-19
申请号：CN202410796661.3
申请日：2024-06-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0455 , G06N3/08 , G06F40/226 , G06F40/284
Abstract: 本发明公开了一种大语言模型的优化方法、装置、电子设备及存储介质，涉及人工智能技术领域，所述大语言模型的优化方法具体包括以下步骤：S10，结合原LLM模型和大模型SFT数据集生成训练数据集；S20，在原LLM模型的主干网络中嵌入旁支网络，以获得新LLM模型，并在旁支网络的输入端输入掩码词元序列；S30，在训练数据集上采用损失函数对新LLM模型进行训练，训练完成后，LLM模型能够在一次推理中预测多个候选词元序列；S40，并行执行候选词元序列的生成和候选词元序列正确性的验证。本发明的有益效果：既节约了资源消耗和时间，又增强了LLM模型的解码能力，还保证了LLM模型输出结果的质量。
-
公开(公告)号：CN118350417B
公开(公告)日：2024-11-19
申请号：CN202410780844.6
申请日：2024-06-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0455 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种目标检测模型的优化方法、装置、电子设备及存储介质，应用于DINO模型，涉及人工智能技术领域，所述目标检测模型的优化方法包括以下步骤：S10，LST结构改进：在通过历史任务训练好的原DINO模型上新增旁支网络，以获得新DINO模型；S20，初步预热：固定原DINO模型的网络参数，并利用历史任务对旁支网络的参数进行训练；S30，持续学习增量训练：采用ER技术对新DINO模型进行持续学习训练，且训练过程中采用遗忘性优先采样策略进行历史任务样本选取；S40，推理测试。本发明的有益效果：既能缓解模型的灾难性遗忘，又能快速适应新任务。
-
公开(公告)号：CN118364870A
公开(公告)日：2024-07-19
申请号：CN202410796661.3
申请日：2024-06-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N3/0455 , G06N3/08 , G06F40/226 , G06F40/284
Abstract: 本发明公开了一种大语言模型的优化方法、装置、电子设备及存储介质，涉及人工智能技术领域，所述大语言模型的优化方法具体包括以下步骤：S10，结合原LLM模型和大模型SFT数据集生成训练数据集；S20，在原LLM模型的主干网络中嵌入旁支网络，以获得新LLM模型，并在旁支网络的输入端输入掩码词元序列；S30，在训练数据集上采用损失函数对新LLM模型进行训练，训练完成后，LLM模型能够在一次推理中预测多个候选词元序列；S40，并行执行候选词元序列的生成和候选词元序列正确性的验证。本发明的有益效果：既节约了资源消耗和时间，又增强了LLM模型的解码能力，还保证了LLM模型输出结果的质量。
-
公开(公告)号：CN104849055A
公开(公告)日：2015-08-19
申请号：CN201510267316.1
申请日：2015-05-21
Applicant: 哈尔滨工业大学
IPC: G01M15/00
Abstract: 一种汽轮机高调门进汽顺序测试试验的优化方法，本发明涉及一种高调门进汽顺序测试的方法，特别涉及一种汽轮机高调门进汽顺序测试试验的优化方法。本发明为了解决传统的高调门进汽顺序测试试验方法的测试时间过长的问题。本发明根据不同数量高调门的喷嘴组布置信息设计优化的试验方案，将传统试验过程中具有重复性的步骤进行优化组合，舍去多组试验中存在一些不必要的重复开起或者重复关闭的过程；然后调节机组运行参数和控制方式满足试验条件，进行调门开关试验。本发明有效缩短试验时间，解决了传统的测试方法针对机组试验时所需时间很长的问题。本发明适用于汽轮机调门进汽顺序优化测试领域。
-
Patent Agency Ranking
公开(公告)号：CN104463511A
公开(公告)日：2015-03-25
申请号：CN201410853142.2
申请日：2014-12-31
Applicant: 哈尔滨工业大学
Abstract: 基于风机单位时间启停频度的风速间歇性定量刻画方法，属于风电预报技术领域。本发明解决了目前风速间歇性的研究仅仅停留在定性描述上，没有对风速的间歇性进行定量描述的问题。本发明的技术要点为：基于风机历史风速数据，统计风机单位时间启停频度的时间序列；通过自相关性分析方法来分析风机单位时间启停频度时间序列的可预报性；利用支持向量机回归建立预报模型，对风机单位时间启停频度进行预报，对未来的风速间歇性进行定量刻画。本发明属于风电预报技术领域。首次提出用风机单位时间启停频度这一参数对风速间歇性进行定量刻画，为电力系统提供更为详细的风电预报信息。
-
公开(公告)号：CN101762889A
公开(公告)日：2010-06-30
申请号：CN201010032491.X
申请日：2010-01-19
Applicant: 哈尔滨工业大学
IPC: G02F1/01
Abstract: 一种基于光学相控阵等光强多激光束的高精度控制方法属于衍射光学技术领域，在光学相控阵器件上形成一维复合型相位光栅，使正入射到光学相控阵器件上的激光束出射后分成等光强的两束光束，这两束光束可被同步高精度地偏转，用平移相加的方法可以在一个光学相控阵上形成两个独立的一维复合型光栅；一维复合型光栅在正交方向上展开可以得到二维复合型光栅，在光学相控阵器件上形成二维复合型光栅，从而使正入射的激光束在二维空间中分成等光强的四束光束，这四束光束可被同步高精度地偏转，用平移相加的方法可以在一个光学相控阵上形成四个独立的二维复合型光栅；本方法易实现对光强以及指向的精确控制，可用于多激光束的扫描和跟踪。
-
公开(公告)号：CN104849055B
公开(公告)日：2017-06-20
申请号：CN201510267316.1
申请日：2015-05-21
Applicant: 哈尔滨工业大学
IPC: G01M15/00
Abstract: 一种汽轮机高调门进汽顺序测试试验的优化方法，本发明涉及一种高调门进汽顺序测试的方法，特别涉及一种汽轮机高调门进汽顺序测试试验的优化方法。本发明为了解决传统的高调门进汽顺序测试试验方法的测试时间过长的问题。本发明根据不同数量高调门的喷嘴组布置信息设计优化的试验方案，将传统试验过程中具有重复性的步骤进行优化组合，舍去多组试验中存在一些不必要的重复开起或者重复关闭的过程；然后调节机组运行参数和控制方式满足试验条件，进行调门开关试验。本发明有效缩短试验时间，解决了传统的测试方法针对机组试验时所需时间很长的问题。本发明适用于汽轮机调门进汽顺序优化测试领域。
-
公开(公告)号：CN101762889B
公开(公告)日：2011-07-06
申请号：CN201010032491.X
申请日：2010-01-19
Applicant: 哈尔滨工业大学
IPC: G02F1/01
Abstract: 一种基于光学相控阵等光强多激光束的高精度控制方法属于衍射光学技术领域，在光学相控阵器件上形成一维复合型相位光栅，使正入射到光学相控阵器件上的激光束出射后分成等光强的两束光束，这两束光束可被同步高精度地偏转，用平移相加的方法可以在一个光学相控阵上形成两个独立的一维复合型光栅；一维复合型光栅在正交方向上展开可以得到二维复合型光栅，在光学相控阵器件上形成二维复合型光栅，从而使正入射的激光束在二维空间中分成等光强的四束光束，这四束光束可被同步高精度地偏转，用平移相加的方法可以在一个光学相控阵上形成四个独立的二维复合型光栅；本方法易实现对光强以及指向的精确控制，可用于多激光束的扫描和跟踪。
-
公开(公告)号：CN104598755B
公开(公告)日：2017-06-23
申请号：CN201510066980.X
申请日：2015-02-09
Applicant: 哈尔滨工业大学
Abstract: 基于风速陡变占空比的风速间歇性定量刻画方法，属于风速间歇性定量描述技术领域。本发明解决了风电出力陡变给电力系统带来的危害得不到缓解的问题。本发明的技术方案为：定义风速陡变占空比，使用风电场实测历史风速数据得到风速陡变占空比的时间序列；利用Pearson自相关性分析方法对风速陡变占空比时间序列的可预报性进行分析；利用BP神经网络建立风速陡变占空比时间序列预报模型并对风速陡变占空比进行预报，完成对未来风速间歇性的定量刻画。本发明适用于电力系统、铁路运行监测预警、桥梁设计及建筑物设计等领域。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.031 seconds)
