人工智能与数字经济广东省实验室（深圳）

本申请适用于类脑计算与人工智能技术领域，提供了一种SNN脉冲稀疏通道重构压缩方法及终端设备，包括：获取脉冲神经网络各个特征通道的时序脉冲数据；根据时序脉冲数据计算各个特征通道对应的目标保留概率；根据目标保留概率对多个特征通道进行筛选，得到目标特征通道；根据目标特征通道各自对应的目标时序脉冲数据进行特征提取与识别推理。上述方法依据通道时序脉冲数据求解通道保留概率并动态筛选有效特征通道，以形成紧凑脉冲神经网络进行推理，能够适配通用边缘处理器，充分利用脉冲时空动态特性，在保障识别精度的同时削减无效计算，实现真实的推理提速与功耗降低。

本申请适用于大语言模型技术领域，提供了选择混合专家模型中专家模块的方法、装置、设备及产品。本申请实施例提供了一种选择混合专家模型中专家模块的方法，将词元对应的第1个槽位的专家模块予以保留；确定后续一个或多个槽位对应的专家模块的第一参数与分数阈值的大小关系，如果第j个槽位对应的专家模块的第一参大于分数阈值，则保留第j个槽位对应的专家模块，否则，舍弃第j个槽位对应的专家模块，其中j≥2。本申请实施例可以节省专家调用资源。并且，本申请实施例无需训练，可以实现即插即用的效果，其仅改变推理时对路由器输出top‑k列表的执行方式，因此适用于任何已发布的MoE检查点，无需重新训练或微调。

本发明公开了一种面向退化环境的观测适应性激光惯性同步定位与建图方法、系统、终端及存储介质，所述方法包括：根据移动设备的惯性测量单元数据、点云数据和地图数据生成初始状态，得到初始位姿估计；对点云数据进行灵敏度计算，得到多个累积灵敏度，并根据约束阈值、多个累积灵敏度估计最优状态，得到目标设备状态；根据多个自由度方向和约束阈值更新初始位姿估计，得到移动设备的目标位姿，并生成位姿地图，得到目标位姿地图。本发明将点云数据和惯性测量单元数据结合，提取能够表征环境约束强弱的退化特征，根据退化特征自适应调整移动设备的状态和位姿，并生成位姿地图，提高了定位和建图结果的质量。

本申请涉及模型训练技术领域，揭示了一种金融舆情分析模型的训练方法、装置、及计算机设备。该方法包括：获取金融社交平台的非结构化文本数据及用户上传的截图；对文本数据进行语义处理提取文本情绪时间序列特征，对截图进行视觉特征提取获得图像趋势时间序列特征；将上述特征进行时空对齐处理得到对齐后的文图特征对；根据时间映射关系获取时间对齐后的原始文本与截图作为对齐后的文图数据；对该数据进行多模态深度对比生成结构化对比标签；基于对齐后的文图特征对及结构化对比标签构建训练集；利用训练集对预设模型进行训练得到最终的金融舆情分析模型。本申请可以提高模型的训练效率和准确性。