检索结果-内蒙古大学图书馆

作者：刘畅李凌昊程骏超许芳姜海格李敬一陈岳红郭浩张琪 100094 北京市海淀区丰贤东路1号

本公开是关于一种基于预训练模型的任务规划与控制方法、装置、电子设备及存储介质。该方法包括：采集指挥人员的自然语言，并以自然语言作为输入，基于预设大语言预训练模型分析所述自然语言对应的任务，根据任务的任务类型，对任务进... 详细信息

标准号: CN117492719A

本公开是关于一种基于预训练模型的任务规划与控制方法、装置、电子设备及存储介质。该方法包括：采集指挥人员的自然语言，并以自然语言作为输入，基于预设大语言预训练模型分析所述自然语言对应的任务，根据任务的任务类型，对任务进行拆解，生成任务拆解范式输出；以任务拆解范式作为输入，基于预设匹配方法，匹配任务拆解范式中所述任务对应的任务模型工具，生成任务工具确定范式，并将任务工具确定范式输出；以任务工具确定范式作为输入，调用任务工具确定范式对应的任务模型对所述任务进行处理，生成模型执行结果。本公开可减少指挥人员的重复性低效劳动，提高指挥效率，提高了模型的可扩展性与灵活性。

关键词：任务工具自然语言拆解任务模型训练模型预设匹配指挥存储介质电子设备可扩展性任务规划任务类型生成模型输出调用采集语言劳动分析

来源：评论

学校读者我要写书评

暂无评论

S银行可视化软件项目开发流程改进研究

S银行可视化软件项目开发流程改进研究

引用

作者：余旭峰浙江大学

学位级别：硕士

随着国内科技的飞速发展和互联网的突飞猛进，金融银行业对业务数字化的需求也与日俱增。S银行在激烈的竞争中不断通过业务数字化来寻求新的业务增长点和市场切入点。S银行的新目标是在确保系统安全和保护客户隐私的同时，为用户提供更... 详细信息

随着国内科技的飞速发展和互联网的突飞猛进，金融银行业对业务数字化的需求也与日俱增。S银行在激烈的竞争中不断通过业务数字化来寻求新的业务增长点和市场切入点。S银行的新目标是在确保系统安全和保护客户隐私的同时，为用户提供更好的互动体验，提高市场份额。　　本文先阐述了问题，通过对S银行可视化软件及其开发流程分析，深入了解可视化软件开发的现状和痛点。然后，采访了银行八位软件开发方面和金融业务方面的专家，了解当前存在的问题。通过全面的文献综述和现有案例研究，确定了S银行在开发可视化软件项目时面临的主要挑战。主要问题是用户需求与设计理念不匹配。并对三种备选方案进行了评估，以确定解决这一核心问题的最有效方案。接着，为了改进S银行的可视化软件开发流程，在可视化开发流程中加入了任务模型，在开发流程中添加任务模型的四个阶段（需求收集阶段、开发和测试阶段、验收阶段和需求开发阶段）。此外，还将以S银行软件可视化项目中新模块的开发为例，说明迭代构思和开发流程。通过开发周期、缺陷数量、缺陷严重程度和用户满意度做实施效果分析。　　最后，总结与展望。本文将任务模型加入到可视化软件的开发过程中，这将影响未来S银行敏捷开发流程的优化。为S银行业务数字化提供有益的理论支持和实践指导。

关键词：商业银行任务模型流程改进敏捷开发用户参与

来源：评论

学校读者我要写书评

暂无评论

模型训练方法、众验任务推荐方法、电子设备及存储介质

模型训练方法、众验任务推荐方法、电子设备及存储介质

引用

作者：朱昭苇 311121 浙江省杭州市余杭区五常街道文一西路969号3幢5层554室

本申请提供了一种模型训练方法、众验任务推荐方法、电子设备及存储介质，涉及信息推荐技术领域。所述模型训练方法包括：根据众验任务的训练数据的非场景特征和场景特征进行第一次学习得到第一融合向量；对第一融合向量进行第二次学习... 详细信息

标准号: CN116257689A

本申请提供了一种模型训练方法、众验任务推荐方法、电子设备及存储介质，涉及信息推荐技术领域。所述模型训练方法包括：根据众验任务的训练数据的非场景特征和场景特征进行第一次学习得到第一融合向量；对第一融合向量进行第二次学习得到众验任务的点击通过率；将第一次学习和第二次学习作为一次训练，迭代进行多次训练直至达到收敛条件，得到众验任务模型，以用于对众验任务进行推荐。依据本申请实施例训练的模型进行众验任务推荐，能够精准捕获用户的特征，克服了场景数据长尾分布的缺陷，实现了多场景融合、差异化推荐，提高了众验任务的推荐效果，提升了用户体验。

关键词：场景特征模型训练向量学习点击通过率场景融合场景数据存储介质电子设备任务模型收敛条件信息推荐训练数据用户体验融合差异化长尾迭代捕获申请

来源：评论

学校读者我要写书评

暂无评论

任务处理模型生成方法、装置、电子设备和存储介质

任务处理模型生成方法、装置、电子设备和存储介质

引用

作者：李志航 100085 北京市海淀区上地西路6号1幢1层101D1-7

本公开关于任务处理模型生成方法、装置、电子设备和存储介质，方法包括：获取待处理任务模型输出的初始通道特征集，将初始通道特征集作为当前处理特征集，从当前处理特征集中确定特征模长信息满足预设模长条件的第一通道特征和当前通... 详细信息

标准号: CN116090542A

本公开关于任务处理模型生成方法、装置、电子设备和存储介质，方法包括：获取待处理任务模型输出的初始通道特征集，将初始通道特征集作为当前处理特征集，从当前处理特征集中确定特征模长信息满足预设模长条件的第一通道特征和当前通道特征集，并确定当前通道特征集中是否存在与第一通道特征间的特征相似度满足预设相似度条件的第二通道特征，若存在则更新当前通道特征集，并将更新后的当前通道特征集作为当前处理特征集。循环上述步骤进行处理后输出包括第一通道特征的目标通道特征集，该方法可以保存待处理任务模型中通道响应强度大的通道并能移除与该通道相互冗余的通道，从而提高多媒体资源处理的效率，并平衡任务处理精度和系统资源消耗。

关键词：特征集通道特征任务处理任务模型预设系统资源消耗多媒体资源特征相似度存储介质电子设备模型生成目标通道输出长信息特征模相似度中通道冗余更新模长移除保存响应平衡

来源：评论

学校读者我要写书评

暂无评论

多任务深度学习模型和锂电池健康状态和剩余寿命预测及控制方法

多任务深度学习模型和锂电池健康状态和剩余寿命预测及控制方法

引用

作者：杨波张洋王时龙唐小丽余佑滨 400044 重庆市沙坪坝区沙坪坝正街174号

本发明公开了一种多任务深度学习模型，包括底部共享层、顶部任务层和门控网络；所述底层共享层包括多个特征提取模型，每个所述特征提取模型用于分别从输入数据内提取特征；所述顶部任务层与学习任务一一对应设有特定任务模型，所述门... 详细信息

标准号: CN116522140A

本发明公开了一种多任务深度学习模型，包括底部共享层、顶部任务层和门控网络；所述底层共享层包括多个特征提取模型，每个所述特征提取模型用于分别从输入数据内提取特征；所述顶部任务层与学习任务一一对应设有特定任务模型，所述门控网络与所述特定任务模型一一对应设置，所述门控网络以输入数据作为输入特征并输出经Softmax函数处理后的权重参数；所有的所述特征提取模型提取得到的特征经所述权重系数加权后进行组装得到的特征作为对应的所述特定任务模型的输入以执行特定的学习任务。本发明还公开了一种锂电池健康状态和剩余寿命预测方法和锂电池健康状态和剩余寿命控制方法。

关键词：特征提取模型门控网络任务模型健康状态共享层任务层锂电池剩余寿命预测一一对应设置函数处理权重参数权重系数剩余寿命输入特征提取特征加权学习组装输出

来源：评论

学校读者我要写书评

暂无评论

基于高斯过程的多任务神经网络模型性能预测方法

基于高斯过程的多任务神经网络模型性能预测方法

引用

作者：李曙光薛飞陈光杰邹佳俊 611731 四川省成都市高新区(西区)西源大道2006号

本发明提供一种基于高斯过程的多任务神经网络模型性能预测方法，在不需要训练待测神经网络的情况下，也能准确快速评估该神经网络性能的模型性能。先提取神经网络模型影响性能的主要参数：网络深度、自注意力头的数目、前向计算网络的... 详细信息

标准号: CN116822584A

本发明提供一种基于高斯过程的多任务神经网络模型性能预测方法，在不需要训练待测神经网络的情况下，也能准确快速评估该神经网络性能的模型性能。先提取神经网络模型影响性能的主要参数：网络深度、自注意力头的数目、前向计算网络的膨胀系数以及变化范围；将参数量化并拼接到向量中，并在向量中加入表示位置信息的位置编码，得到神经网络编码向量；选择高斯过程作为回归模型，并根据设计的准确表征不同神经网络模型之间距离的核函数，对高斯过程回归模型进行迭代优化；针对多任务，将单任务高斯过程集成到多任务高斯过程模型中，得到多任务模型；计算不同多任务模型的组合方式，将性能排名前三的模型做集成学习，得到最终用于预测性能的模型。

关键词：高斯神经网络模型神经网络任务模型向量高斯过程回归编码向量表示位置参数量化迭代优化过程集成过程模型回归模型集成学习快速评估膨胀系数前向计算位置编码性能预测影响性能预测性能准确表征组合方式核函数注意力网络

来源：评论

学校读者我要写书评

暂无评论

一种基于模型分割的云边协同任务调度系统及方法

一种基于模型分割的云边协同任务调度系统及方法

引用

作者：陈静张传福李文郭莹耿玉栋孙浩 250014 山东省济南市科院路19号

本发明涉及一种基于云边协同环境的神经网络模型训练方法，包括云端和边缘端；云端包括云计算中心、数据库、云端文件存储系统和Socket通信系统；边缘端包括边缘计算中心、数据库、边缘端文件存储系统和Socket通信系统。本发明通过研究... 详细信息

标准号: CN116431325A

本发明涉及一种基于云边协同环境的神经网络模型训练方法，包括云端和边缘端；云端包括云计算中心、数据库、云端文件存储系统和Socket通信系统；边缘端包括边缘计算中心、数据库、边缘端文件存储系统和Socket通信系统。本发明通过研究影响云边任务协同计算的影响因素，构建网络受限、资源受限情况下云边协同任务模型；研究云边协同计算模型最佳切分点，实现任务执行时间减小、边缘端资源充分利用的目标；研究任务只分配到边缘端执行或云端执行的必要条件；实现最佳模型切分点计算方法。通过最佳模型切分点计算方法得到最佳的神经网络模型切分点来实现边缘端资源充分利用且减少神经网络模型训练时间的目标。

关键词：边缘端云端神经网络模型文件存储系统最佳模型协同数据库云计算中心计算模型任务模型任务协同任务执行时间减小影响因素资源受限构建受限研究必要条件分配网络

来源：评论

学校读者我要写书评

暂无评论

一种基于状态模型的航天器测试任务调度方法

一种基于状态模型的航天器测试任务调度方法

引用

作者：张亚非赵铮李安琪郑伟刘一帆刁伟鹤程超薛霞付晶韩超李晓林 100094 北京市海淀区友谊路104号

本发明涉及航天器测试领域，提出一种基于状态模型的航天器测试任务调度方法，通过对航天器状态模型建模，模型输入为扁平表结构，再将所述扁平结构航天器状态模型重构，生成为树形结构，并存储于数据库中，之后对航天器测试任务模型建... 详细信息

标准号: CN115617476A

本发明涉及航天器测试领域，提出一种基于状态模型的航天器测试任务调度方法，通过对航天器状态模型建模，模型输入为扁平表结构，再将所述扁平结构航天器状态模型重构，生成为树形结构，并存储于数据库中，之后对航天器测试任务模型建模，模型输入为扁平表结构，再将所述扁平结构测试任务模型重构，生成为树形结构，并存储于数据库中，接着测试任务调度规划，最后输出任务调度最终优化结果，实现航天器测试任务调度准确，确保测试任务覆盖性完整、调度合理、约束条件完整、各阶段状态清晰，并且航天器测试任务调度灵活，伴随航天器状态变化、测试输入变化可迅速给出任务调度对应变化。

关键词：航天器测试任务调度状态模型测试扁平结构模型输入任务调度任务模型树形结构表结构建模重构数据库存储测试领域阶段状态任务覆盖输入变化优化结果约束条件状态变化调度输出清晰灵活规划

来源：评论

学校读者我要写书评

暂无评论

一种基于多任务多层级模型的文本韵律预测方法

一种基于多任务多层级模型的文本韵律预测方法

引用

作者：周俊明刘杰肖鉴津黄博贤 510000 广东省广州市天河区棠东东路3号220室

本发明公开了一种基于多任务多层级模型的文本韵律预测方法，其特征在于，包括有以下步骤：步骤401：获取预测文本；步骤402：对待预测文本针对字表，进行字符级编码；步骤403：使用多任务模型进行序列预测；步骤404：判断句子是否存在... 详细信息

标准号: CN111339771B

本发明公开了一种基于多任务多层级模型的文本韵律预测方法，其特征在于，包括有以下步骤：步骤401：获取预测文本；步骤402：对待预测文本针对字表，进行字符级编码；步骤403：使用多任务模型进行序列预测；步骤404：判断句子是否存在长句无L2，L3的情况；步骤405：合并L1、L2、L3的输出结果，其中边界位置重叠，按L3、L2、L1的优先级进行选择合并，返回输出结果，本发明涉及文本韵律预测技术领域。本发明，解决了韵律信息生成误差、不能相互共享信息，且训练和调参麻烦、韵律短语和语调短语的边界预测不够准确、容易出现长句子无韵律短语边界和语调短语边界的问题。

关键词：文本输出结果语调短语韵律预测句子预测韵律短语边界边界位置共享信息任务模型序列预测韵律短语韵律信息合并多层级字表返回

来源：评论

学校读者我要写书评

暂无评论

群智协同任务分配研究综述

引用

计算机工程与应用 2021年第20期57卷 1-12页

作者：陈宝童王丽清蒋晓敏姚寒冰云南大学信息学院昆明650091 云南广播电视台昆明650500

任务分配是群智协同计算和众包中的核心问题之一,即通过设计合理的任务分配策略,在满足任务约束条件下,将群智任务分配给合适的工作者,以提高群智任务的完成效率和结果质量。分析了目前任务分配方法存在的问题,总结并提出了一个通用的... 详细信息

任务分配是群智协同计算和众包中的核心问题之一,即通过设计合理的任务分配策略,在满足任务约束条件下,将群智任务分配给合适的工作者,以提高群智任务的完成效率和结果质量。分析了目前任务分配方法存在的问题,总结并提出了一个通用的任务分配框架,并分别从工作者模型、任务模型、任务分配算法三个方面对国内外相关研究工作进行了分析、归纳和总结。提出了群智协同任务分配研究中的关键问题与今后的研究趋势。

关键词：群智协同计算任务分配任务模型工作者模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：