-
公开(公告)号：CN116385779A
公开(公告)日：2023-07-04
申请号：CN202310301917.4
申请日：2023-03-24
Applicant: 西安理工大学
IPC: G06V10/764 , G06V10/774 , G06F21/62
Abstract: 本申请涉及人工智能技术领域，具体而言，涉及一种基于云边端的架构和图像中物品识别方法，一定程度上可以解决云层将各边缘层的神经网络模型共享导致用户隐私数据的泄露的问题。基于云边端的架构包括终端设备层、边缘计算层和云计算层，其中，边缘计算层被配置为汇总各终端设备的采集图像，通过预设模型对采集图像进行识别，确定采集图像中的物品信息；以及基于物品信息和物品信息的子类标签，确定目标数据集；并基于目标数据集确定父类模型；云计算层被配置为获取各父类模型，并将各父类模型发送到边缘计算层，本申请通过在云计算层共享各边缘层的父类模型，在父类模型的共享的同时，减少用户隐私数据的泄露，提升用户体验。
-
公开(公告)号：CN117033025A
公开(公告)日：2023-11-10
申请号：CN202311038164.9
申请日：2023-08-17
Applicant: 西安理工大学
Abstract: 本申请提供一种云边端架构下面向分级任务执行的多层大语言模型，包括三个层级，云计算层中具有一个大规模语言模型，通过人为的提问生成机器人的可执行任务；边缘层中具有两个小模型，可以对云计算层中的大规模语言模型生成的任务进行任务分解并且生成机器可执行的代码；设备层部署机器人设备。实现了使用自然语言进行人机交互的功能，通过用户提问可以在边缘计算层生成准确的机器可执行代码，使设备层的机器人执行用户发布的任务，并且该网络架构提高了大规模自然语言模型生成机器可执行代码的准确性，解决直接通过大规模语言模型生成用户期望任务准确性低的问题。
-
公开(公告)号：CN118627518B
公开(公告)日：2024-11-15
申请号：CN202411095186.3
申请日：2024-08-12
Applicant: 西安理工大学
Abstract: 本申请提供一种面向复杂任务的自适应多层大模型结构的任务分解方法，涉及人工智能技术领域，所述方法包括：获取目标任务的任务文本信息并进行向量化操作，以生成任务文本语义向量；将所述任务文本语义向量与原子任务库中的语义向量进行匹配，以形成高相关度语义信息；通过提示工程和Agent模块分解所述高相关度语义信息，以生成任务序列；基于所述任务序列与所述任务文本语义向量在向量空间的语义相似度，判断分解后的所述任务序列是否正确；若分解后的所述任务序列正确，基于所述任务序列与原子任务库中的原子任务在向量空间的语义相似度，获取高语义分解任务序列，解决任务分解难以满足大规模任务处理需求的问题。
-
Patent Agency Ranking
公开(公告)号：CN118710998A
公开(公告)日：2024-09-27
申请号：CN202411196336.X
申请日：2024-08-29
Applicant: 西安理工大学
IPC: G06V10/764 , G06N20/10 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本申请提供一种扁平图像分类任务重组成树形图像分类任务的方法及系统，涉及图像分类技术领域，所述方法包括：利用预训练的神经网络提取扁平图像数据集的特征矩阵；基于特征矩阵计算得到余弦相似度矩阵和边界清晰度矩阵；余弦相似度矩阵表示特征矩阵中所有类别特征向量的两两相似度；边界清晰度矩阵表示特征矩阵中不同类别的特征向量在空间中的分离程度；计算易区分性矩阵；根据易区分性矩阵的易区分性预设值，将扁平图像数据集以扁平图像分类任务的形式重组为树形图像分类任务的形式，以解决目前的图像分类模型通过将所有类型的图片采用扁平化的形式统一输入到神经网络中进行训练，会造成算力的浪费以及无法对分类的图片进行模块化处理的问题。
-
公开(公告)号：CN119378936A
公开(公告)日：2025-01-28
申请号：CN202411941949.1
申请日：2024-12-27
Applicant: 西安理工大学
IPC: G06Q10/0631 , G06F18/22 , G06N3/02 , G06N20/00 , G06F16/9535 , G06N5/022
Abstract: 本申请涉及数据处理技术领域，提供一种任务执行方法及系统，所述方法包括：构建人物画像，所述人物画像包括身份信息以及技能信息，再获取待执行任务，并调用任务理解模块，以通过所述任务理解模块将所述待执行任务解析，生成目标列表，所述目标列表包括任务项；将所述目标列表输入至任务评估器，以将所述任务项分解为子任务；根据所述子任务，匹配所述人物画像，以生成推荐资源；获取第一执行结果，所述第一执行结果为用户根据所述推荐资源执行子任务的结果。所述方法通过构建人物画像，结合任务理解模块和任务评估器，实现多层次任务的分解，并根据用户的身份和技能信息匹配推荐资源，确保子任务与用户能力匹配，提高任务执行的成功率。
-
公开(公告)号：CN119272070A
公开(公告)日：2025-01-07
申请号：CN202411822841.0
申请日：2024-12-12
Applicant: 西安理工大学
IPC: G06F18/22 , G06F18/2431 , G06N20/00 , G06F40/30 , G06Q10/0631
Abstract: 本申请涉及人工智能技术领域，提供一种任务匹配方法及系统，所述方法包括：获取目标任务，构建匹配模型，所述匹配模型用于处理所述目标任务；再将所述目标任务、数据信息以及第一提示词输入至匹配模型，以通过所述匹配模型输出任务分解步骤，所述数据信息为目标人员的信息，第一提示词用于引导所述匹配模型输出任务分解步骤；再获取第二提示词，并将所述任务分解步骤、数据信息以及第二提示词输入至匹配模型，以通过所述匹配模型输出匹配结果，并通过目标人员执行所述匹配结果。所述方法通过不同的提示词，以及匹配模型的语言处理能力，可将任务拆分、任务匹配，以解决任务分配准确率低或任务执行效率差的问题。
-
公开(公告)号：CN118710998B
公开(公告)日：2024-11-15
申请号：CN202411196336.X
申请日：2024-08-29
Applicant: 西安理工大学
IPC: G06V10/764 , G06N20/10 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本申请提供一种扁平图像分类任务重组成树形图像分类任务的方法及系统，涉及图像分类技术领域，所述方法包括：利用预训练的神经网络提取扁平图像数据集的特征矩阵；基于特征矩阵计算得到余弦相似度矩阵和边界清晰度矩阵；余弦相似度矩阵表示特征矩阵中所有类别特征向量的两两相似度；边界清晰度矩阵表示特征矩阵中不同类别的特征向量在空间中的分离程度；计算易区分性矩阵；根据易区分性矩阵的易区分性预设值，将扁平图像数据集以扁平图像分类任务的形式重组为树形图像分类任务的形式，以解决目前的图像分类模型通过将所有类型的图片采用扁平化的形式统一输入到神经网络中进行训练，会造成算力的浪费以及无法对分类的图片进行模块化处理的问题。
-
公开(公告)号：CN118627518A
公开(公告)日：2024-09-10
申请号：CN202411095186.3
申请日：2024-08-12
Applicant: 西安理工大学
Abstract: 本申请提供一种面向复杂任务的自适应多层大模型结构的任务分解方法，涉及人工智能技术领域，所述方法包括：获取目标任务的任务文本信息并进行向量化操作，以生成任务文本语义向量；将所述任务文本语义向量与原子任务库中的语义向量进行匹配，以形成高相关度语义信息；通过提示工程和Agent模块分解所述高相关度语义信息，以生成任务序列；基于所述任务序列与所述任务文本语义向量在向量空间的语义相似度，判断分解后的所述任务序列是否正确；若分解后的所述任务序列正确，基于所述任务序列与原子任务库中的原子任务在向量空间的语义相似度，获取高语义分解任务序列，解决任务分解难以满足大规模任务处理需求的问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
