Document
拖动滑块完成拼图
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
最新专利技术
  • 本发明公开了一种基于提示学习的图神经网络迁移方法、装置及系统,所述方法包括:将原始业务数据整理为含节点和边的原始图,添加提示模块得到增强图;根据冻结参数的预训练图神经网络、增强图和优化后的提示模块,建立综合模型;基于综合模型进行任务预测,得...
  • 本申请涉及一种时序预测模型的训练方法、装置、设备、存储介质和程序产品。方法包括:聚合电网负荷监测、新能源发电监测、电力设备状态监测多领域的异构原始时序数据并预处理,构建电力通用时序数据集;通过对该数据集中的电力时序样本序列随机掩码预设时间点...
  • 本发明涉及一种基于智能体的高效联邦特征蒸馏方法,首先构建一个系统,系统包括客户端和服务器,客户端之间通过共享特征来丰富知识迁移的内容。然后,在此系统的服务器上引入一个强化学习驱动的智能体,根据服务器端的智能体动态感知训练环境,并自适应地为每...
  • 本申请涉及一种智能体记忆蒸馏方法、装置、电子装置和存储介质,该智能体记忆蒸馏方法包括:通过对智能体的记忆进行多维度分析,获得记忆的重要性评分;其中,多维度分析包括:使用频率分析、信息熵评估以及记忆强度分数;对重要性评分大于预设阈值的记忆进行...
  • 本发明提供了一种语义理解模型训练方法及系统,其中方法包括:通过获取预处理后的训练样本数据,利用训练样本数据对预训练语言模型执行包含对比指令微调阶段和强化学习阶段的双阶段模型训练;在对比指令微调阶段,基于引入有监督对比正则化项的混合损失函数对...
  • 本申请涉及端到端自动驾驶模型训练技术领域,特别涉及一种基于动态可扩展混合专家端到端自动驾驶域增量学习方法,包括以下步骤:首先,构建初始模型;初始模型包括主干网络、初始专家和路由器模块;然后,采用初始数据域对初始模型进行训练,得到初始专家模型...
  • 本发明提供了一种用于微调预训练模型的自适应参数插值方法与系统,涉及计算机技术领域。该方法包括以下步骤:步骤S1、获取数据集并预处理;步骤S2、初始化预训练模型,得到初始预训练模型;步骤S3、基于初始预训练模型,对预处理后的数据集执行前向传播...
  • 本发明涉及智能决策技术领域,可应用于金融科技及医疗健康等业务场景中,公开了一种基于条件流动态模型的决策迁移方法、装置、设备及介质,包括:生成源环境标准化样本数据并训练源决策策略;构建条件流动态模型预测目标环境分布;基于最优传输距离表征分布偏...
  • 本发明公开了基于分布匹配的多标签文本数据集蒸馏方法、设备、介质,该方法首先提取原始多标签数据集的真实特征嵌入向量,并结合高斯分布与原始标签统计概率分布初始化合成数据集。随后构建度量网络,在固定合成数据的前提下,通过最大化真实与合成数据批次间...
  • 本发明提供了用于模型参数高效微调的层级选择自动化低秩适应方法,涉及模型参数微调技术领域。本发明在传统LoRA的A、B低秩矩阵基础上引入上下文调制C矩阵,结合混合专家(MoE)动态路由机制,采用“低层少专家去冗余、高层多专家强调制”的分层优化...
  • 本发明公开了一种基于动量蒸馏的多模态医疗数据表示学习方法。步骤如下:S1、采集并预处理多模态医疗数据,将其解析为结构化医疗代码图和非结构化文本序列,构建训练和测试集;S2、构建包含摘要网络与跨模态编码器的图文多模态表示学习模型;S3、将含噪...
  • 本发明公开了一种面向资源受限场景可塑性重放的端侧多模态持续学习方法,包括以下步骤:S1:通过动态掩码模块对在资源受限下的端侧设备进行动态正则化与权重演化约束;S2:通过仿射量化协同模块基于损失动态调整模型架构并量化优化特征;S3:通过多尺度...
  • 本发明公开了一种基于最优概率流的联邦学习参数聚合方法和系统。该方法用于中央服务器和多个客户端的联邦学习,中央服务器设有流匹配模型,用于学习所有客户端上传参数的经验分布,并且在每一轮通信中,执行以下步骤:中央服务器将当前的全局机器学习模型的参...
  • 本申请提供一种基于联邦学习的终端Agent知识协同更新方法、系统、终端、介质及产品。该方法通过重复多次专家Agent本地模型训练、参数融合以及本地模型适配更新,实现了知识从分散到融合再到适配更新的全流程进化,各终端Agent的知识覆盖范围逐...
  • 本发明公开了一种用于多语言大模型联邦学习的动态跨语言协作方法,旨在解决数据隐私、语言异质性和灾难性遗忘下的协同训练难题。该方法由服务器与多个客户端协同执行:客户端上报语义摘要;服务器据此动态聚类形成语义相似的协作组;继而进行组内多轮迭代训练...
  • 本发明请求保护一种基于残差解耦的个性化联邦学习模型训练与分析方法,属于联邦学习技术领域。所述方法在参与节点侧通过残差结构将模型解耦为全局模型与残差模型。所述全局模型的参数参与联邦参数聚合更新,以保持模型整体泛化性;所述残差模型作为参与节点私...
  • 本发明公开了一种基于低精度本地训练与高精度聚合的联邦学习方法和系统,其中客户端获取本地训练样本进行一个轮次的本地模型训练,在训练中,采用低精度量化计算模型参数的更新值、前向传播中的激活值、反向传播中的误差信号、梯度,以及随机梯度下降优化器中...
  • 本发明公开了一种基于集成蒸馏和对比学习的联邦学习训练方法,包括以下步骤:步骤S1、蒸馏模块收集来自不同客户端的不同架构本地模型用于集成蒸馏训练,得到可以传输的参数量小的集成模型并上传到服务端;步骤S2、服务端借助公开的无监督数据进行对比学习...
  • 本发明公开了一种基于分层蒸馏与强化学习的大模型边缘部署方法及系统,属于人工智能与边缘计算技术领域。方法包括:获取原始数据集并对其中少量数据进行人工标注,形成有标注数据集和无标注数据集;利用有标注数据集通过强化学习方法微调大模型得到教师模型;...
  • 本申请涉及人工智能中间件领域,提供一种基于语义抗干扰聚合的过空计算联邦学习方法及系统,包括:接收叠加信号;对叠加信号进行迭代解码,确定各边缘设备对应的第二语义表示信息;对各第二语义表示信息执行中位数聚合,得到各第二语义信息对应的聚合表示信息...
技术分类