本發(fā)明公開了一種基于解耦對比學(xué)習(xí)的隱式圖像退化估計方法，屬于圖像盲超分辨率技術(shù)領(lǐng)域，所述方法采樣具有相同退化信息的不同LR圖像中的圖塊來構(gòu)建正樣本集合，在數(shù)據(jù)層面保障了內(nèi)容、紋理等任務(wù)無關(guān)信息不會影響退化特征學(xué)習(xí)，同時，通過不斷地循環(huán)配...

本發(fā)明提供基于類腦脈沖強(qiáng)化學(xué)習(xí)的避障方法及裝置，涉及自動化與智能傳感技術(shù)領(lǐng)域，所述方法包括將機(jī)器人的線速度、角速度、目標(biāo)距離、方向以及雷達(dá)數(shù)據(jù)進(jìn)行預(yù)處理后輸入脈沖神經(jīng)網(wǎng)絡(luò)，得到機(jī)器人的動作；其中，使用強(qiáng)化學(xué)習(xí)DDPG對脈沖神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)...

本發(fā)明提供一種基于神經(jīng)網(wǎng)絡(luò)的類腦信息瞬態(tài)傳遞方法以及裝置，其中，上述方法包括：獲取不同類別的輸入數(shù)據(jù)，以及與輸入數(shù)據(jù)對應(yīng)的測試數(shù)據(jù)；通過信息瞬態(tài)傳遞模型基于輸入數(shù)據(jù)，模擬編碼信息在大腦中瞬態(tài)傳遞的過程，得到神經(jīng)元動態(tài)發(fā)放的固定傳遞路徑；...

本申請?zhí)峁┝艘环N癲癇實時監(jiān)測方法、裝置、設(shè)備及存儲介質(zhì)，其中，方法包括：實時獲取多路電極的腦電圖信號，對腦電圖信號進(jìn)行數(shù)據(jù)預(yù)處理，得到預(yù)處理后信號；提取預(yù)處理后信號中的線性特征和局部相位值，將超過第一閾值的線性特征傳輸至監(jiān)測模型，將超過...

本申請?zhí)峁┝艘环N視覺特征與文本特征融合的位置編碼方法、系統(tǒng)及裝置，根據(jù)本申請的方法包括：獲取待處理數(shù)據(jù)中的圖像和文本序列；對圖像采用卷積神經(jīng)網(wǎng)絡(luò)獲取圖像的多尺度特征，對多尺度特征進(jìn)行多尺度特征融合操作，獲取壓縮特征圖；采用圖像域位置編碼...

本發(fā)明提供一種基于CTTA框架的自動駕駛模型更新方法及裝置，所述方法包括：基于貝葉斯神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和自動駕駛源數(shù)據(jù)構(gòu)建自動駕駛模型；基于所述自動駕駛模型構(gòu)建變分式平均教師模型，所述變分式平均教師模型包括學(xué)生模型和教師模型；基于變分推斷更新...

本發(fā)明提供一種幻覺文本緩解方法、裝置、設(shè)備、存儲介質(zhì)及程序產(chǎn)品，應(yīng)用于自然語言處理技術(shù)領(lǐng)域。該方法包括：獲取大語言模型生成的第一幻覺文本；通過基礎(chǔ)修正器對所述第一幻覺文本進(jìn)行修正，得到第二幻覺文本；通過評估器評估所述第二幻覺文本，得到文...

本發(fā)明公開一種自主視覺仿生側(cè)線傳感器及其制備方法，所述傳感器包括：傳感組件、支撐框架、密封機(jī)構(gòu)與照明組件；其中，所述傳感組件包括柔性凝膠觸須、凝膠保護(hù)層、硬質(zhì)套頭，柔性凝膠觸須經(jīng)柔性基底安裝于透明支撐板上，凝膠保護(hù)層均勻覆蓋在柔性凝膠觸...

本公開提供了一種長文本知識的特征融合方法、裝置、存儲介質(zhì)和電子設(shè)備。本公開的方法包括：將輸入的長文本轉(zhuǎn)換為N個分詞，并將每個分詞轉(zhuǎn)換為d維的詞向量；構(gòu)建循環(huán)變換單元；以N個詞向量和初始隨機(jī)矩陣作為循環(huán)變換單元的輸入以進(jìn)行N次特征迭代，循...

本發(fā)明提供一種基于功能連接權(quán)重的TMS靶點定位方法及系統(tǒng)。方法包括：對若干受試者的結(jié)構(gòu)磁共振影像數(shù)據(jù)和功能磁共振影像數(shù)據(jù)進(jìn)行預(yù)處理；在預(yù)處理后的結(jié)構(gòu)磁共振影像數(shù)據(jù)中，獲取每一受試者的TMS刺激靶點對應(yīng)的感興趣區(qū)域，得到若干感興趣區(qū)域；獲...

本發(fā)明提供一種基于排序約束的文本生成模型的遷移訓(xùn)練方法和裝置，應(yīng)用于自然語言處理技術(shù)領(lǐng)域。該方法包括：獲取訓(xùn)練數(shù)據(jù)；將所述訓(xùn)練數(shù)據(jù)輸入第一文本生成模型得到所述第一文本生成模型對答復(fù)文本的每個預(yù)測位置上的第一預(yù)測分布輸出；將所述訓(xùn)練數(shù)據(jù)輸...

本公開關(guān)于聲音分類方法、裝置、電子設(shè)備、存儲介質(zhì)和計算機(jī)程序產(chǎn)品，包括：提取待分類的聲音信號的音頻特征；將音頻特征輸入脈沖殘差模塊，獲得第一脈沖殘差特征；將第一脈沖殘差特征輸入至少一個脈沖殘差模塊，獲得第二脈沖殘差特征；將第二脈沖殘差特...

本發(fā)明提供一種基于強(qiáng)化學(xué)習(xí)的仿生水下機(jī)器人節(jié)能游動步態(tài)學(xué)習(xí)方法和裝置，涉及機(jī)器人技術(shù)領(lǐng)域，包括：模仿仿生機(jī)器魚的結(jié)構(gòu)，設(shè)計構(gòu)建基于細(xì)長體理論的強(qiáng)化學(xué)習(xí)仿真環(huán)境；基于機(jī)器魚的任務(wù)目標(biāo)及運動狀態(tài)構(gòu)建馬爾可夫決策模型；基于強(qiáng)化學(xué)習(xí)，學(xué)習(xí)框架的...

本發(fā)明提供一種仿生水下機(jī)器人及其間斷游動控制方法，屬于仿生水下機(jī)器人技術(shù)領(lǐng)域，包括水下仿生金槍魚結(jié)構(gòu)設(shè)計、水下仿生金槍魚電路設(shè)計、基于CPG的機(jī)器魚間斷游動運動模式。所述仿生水下機(jī)器人通過模仿自然界中的黃鰭金槍魚實現(xiàn)，具有黃鰭金槍魚的流...

本發(fā)明提供一種基于沖突注意力頭剪枝的知識沖突消除方法以及裝置，其中，上述方法包括：獲取原始輸入與干擾輸入；基于原始輸入運行目標(biāo)語言模型，確定每個注意力頭的原始激活狀態(tài)；基于干擾輸入運行目標(biāo)語言模型，確定每個注意力頭的干擾激活狀態(tài)；分別將...

本發(fā)明提供一種基于脈沖驅(qū)動的目標(biāo)檢測模型的應(yīng)用方法，所述目標(biāo)檢測模型為脈沖驅(qū)動目標(biāo)檢測模型，方法包括：基于YOLOv8模型構(gòu)建目標(biāo)檢測模型，所述目標(biāo)檢測模型的網(wǎng)絡(luò)架構(gòu)中，采用兩種不同的SNN特征提取模塊替換YOLOv8模型中的C2F特征...

本發(fā)明提供一種空間目標(biāo)的單目六自由度姿態(tài)估計方法以及裝置，其中，上述方法包括：將攜帶邊緣信息圖像輸入至掩膜分割網(wǎng)絡(luò)模型，得到二值化掩膜信息，以確定當(dāng)前幀對象圖像；將當(dāng)前幀對象圖像與當(dāng)前幀圖像輸入至深度估計網(wǎng)絡(luò)，得到當(dāng)前幀對象深度信息；將...

公開了一種聯(lián)邦學(xué)習(xí)方法及裝置、存儲介質(zhì)、計算機(jī)程序產(chǎn)品，聯(lián)邦學(xué)習(xí)方法包括：循環(huán)執(zhí)行如下更新操作：基于引入近端項的本地?fù)p失函數(shù)以及梯度下降法，更新目標(biāo)模型在目標(biāo)客戶端的本地模型參數(shù)，其中，近端項包含目標(biāo)模型的本地模型參數(shù)與全局模型參數(shù)的第...

本申請實施例提供了一種基于PCIe?P2P的數(shù)據(jù)處理方法、設(shè)備及介質(zhì)，方法包括：根據(jù)FPGA板卡和GPU設(shè)備之間的對應(yīng)關(guān)系，將數(shù)據(jù)通過FPGA板卡和其對應(yīng)的GPU設(shè)備之間的PCIe總線傳輸至GPU設(shè)備；通過GPU設(shè)備對數(shù)據(jù)進(jìn)行計算，得到...

本發(fā)明提供一種基于脈沖Transformer網(wǎng)絡(luò)的視覺信息識別方法，方法包括：獲取待識別視覺信息的脈沖序列；基于脈沖Transformer網(wǎng)絡(luò)，構(gòu)建視覺信息識別模型；其中，采用傅里葉基函數(shù)或小波基函數(shù)中的一種或多種基函數(shù)，構(gòu)建先驗知識嵌...