摘要
本发明涉及人工智能技术领域,可应用于金融科技及医疗健康等业务场景中,公开了一种基于正向扩散与反向去噪的决策方法、装置、设备及介质,包括:获取视觉数据、语言数据、历史动作数据和环境状态数据并生成相应特征,融合多模态特征生成综合特征向量,向综合特征向量添加高斯噪声生成初始带噪特征向量,执行正向扩散获得带噪状态序列,从纯噪声终点状态开始反向去噪得到最终决策状态,通过决策映射模块转换为动作指令。本发明通过强化学习引导的正向扩散和反向去噪过程,有效结合多模态输入数据的特征信息,逐步逼近最优决策空间,使生成的动作指令具备更强的多样性与适应性,在复杂环境中能够动态调整并输出更优的决策结果。
技术关键词
决策方法
动作特征
视觉特征
计数器
随机噪声
生成动作
数据
融合多模态特征
序列
噪声强度
指令转换模块
终点
编码向量
预训练语言模型
参数
系统为您推荐了相关专利信息
图像识别方法
视觉特征
原型
多层感知机
联合损失函数
零样本学习方法
视觉特征
文本特征向量
跨模态
生成特征
全景分割方法
视觉特征提取
路由器
文本编码器
多尺度特征提取
动态知识图谱
输出模块
分析系统
BERT模型
实体
强化学习模型
模型拓扑结构
融合知识图谱
双向信息交互
知识图谱构建