“G06N”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果30555个，建议您升级VIP下载更多相关专利

[发明专利]用于时序数据处理的LSTM模型量化重训练方法、系统及设备-CN202310850298.4在审
发明人：王月娇;马钟;杨超杰 -专利权人：西安微电子技术研究所
申请日： 2023-07-11 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本发明涉及人工智能领域，尤其涉及一种用于时序数据处理的LSTM模型量化重训练方法、系统及设备，包括：将量化校准集修正为时间序列图像组与多样化图像组的有效组合配置形成组合图像，对LSTM模型进行量化校准；基于LSTM模型的量化校准方法，对LSTM模型进行了基于均匀‑对称量化策略的量化操作，确定LSTM模型的量化参数生成方法；针对生成LSTM量化参数的方法，采用直通滤波器的实现方式，在训练中考虑LSTM量化前后的误差，经由训练学习得到合理的LSTM模型。本发明突破现有量化方法仅仅依赖于静态量化校准集的局限，在CPU/GPU上支持实现对LSTM模型的多比特量化重训练，提升基于LSTM的神经网络模型的量化算法的量化精度。
用于时序数据处理 lstm 模型量化训练方法系统设备

[发明专利]一种模型训练的方法、装置、存储介质及电子设备-CN202310871399.X在审
发明人：李佳霓 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-07-14 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本说明书公开了一种模型训练的方法、装置、存储介质及电子设备，所述方法包括：确定各用户的风控信息，作为各无标注样本。再确定各用户分别对应的原始策略，以及根据待训练的策略推荐模型，确定各用户对各类风控策略的评价得分。之后，根据各用户对应的评价得分，确定对各用户对应的原始策略进行调整后得到的调整策略。再根据各调整策略，对各用户进行测试性风控，以确定各无标注样本对应的标注。根据各无标注样本以及各无标注样本对应的标注，对待训练的策略推荐模型进行训练。使得可以根据获取到的其他类型的样本训练待训练的策略推荐模型，以使训练完成的策略推荐模型可以在应用过程中，给出更加公平和准确的风控策略。
一种模型训练方法装置存储介质电子设备

[发明专利]一种基于动态注意力机制的联邦学习模型训练方法-CN202310884951.9在审
发明人：王楠;刘娟;张大林 -专利权人：北京交通大学
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种基于动态注意力机制的联邦学习模型训练方法。该方法包括：在每个通信轮次中，各客户端利用本地数据样本集和中央服务器下发的联合模型参数采用动态参数策略和最佳表现模型策略迭代训练更新本地的机器学习模型，将本轮次训练的模型参数更新信息和模型贡献度信息上传到中央服务器；中央服务器根据接收到的模型贡献度信息进行动态注意力分配，融合参数更新信息进行多模型安全聚合生成新的联合模型，下发新的联合模型参数信息给各个客户端进行同步更新，开启新一轮次的迭代训练。本发明方法能够动态捕捉各参与方本地模型训练的性能提升度，给予性能提升度大的模型更多的关注，从而改善联合模型训练迭代的流程及提升最终模型的性能。
一种基于动态注意力机制联邦学习模型训练方法

[发明专利]利用神经网络模型进行推理的方法和装置-CN202310887959.0在审
发明人：杨伟光 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G06N3/063 文献下载
摘要：本公开提供了一种利用神经网络模型进行推理的方法、装置、设备和计算机可读存储介质。该方法通过分析使用GPU的半精度浮点数格式来加速深度学习模型推理的技术导致用于语音识别的神经网络模型的精度下降的原因，发现了其主要是由于在神经网络模型的残差连接结构中激活张量的相加容易导致精度溢出的问题。该方法提出了混合精度推理和截断式精度推理两种可选方案，用于根据需要从中择一进行神经网络模型的推理，其中，混合精度推理对于神经网络模型中的不同模块采用不同的精度，而截断式精度推理通过分析发生精度溢出的残差连接结构，对张量相加模块的输出值进行截断处理，并调整其后所连接的层归一化模块中的运算顺序，从而解决了精度溢出问题。
利用神经网络模型进行推理方法装置

[发明专利]一种基于特征递增的关联规则挖掘算法-CN202310900494.8在审
发明人：王相;褚宪翔;陈林 -专利权人：常州大学
申请日： 2023-07-19 - 公布日： 2023-10-27 - 主分类号： G06N5/025 文献下载
摘要：本发明提供了一种基于特征递增的关联规则挖掘算法，包括：获取数据集，其中，数据集中包含N个特征，每个特征包含多个特征数值；扫描数据集，根据各个特征代表的含义，将特征数值进行分箱处理，得到特征种类；基于特征及特征种类，确定研究目标，其中，研究目标中包含M个特征；依次计算M个特征以外的N‑M个特征中不同特征种类组合对研究目标的支持度、置信度和提升度，得到各个项集及关联规则；计算完成后，合并所有项集生成的关联规则，可得到各个项集对研究目标的提升度以及各提升度的关联规则组合。本发明的算法弥补了连续型、有序数据集关联规则挖掘的缺失。
一种基于特征递增关联规则挖掘算法

[发明专利]一种优化特征提取的遥感图像弱监督目标检测方法-CN202310910682.9在审
发明人：马静;郝创博;张依漪;王磊 -专利权人：北京京航计算通讯研究所;北京航空航天大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06N3/0895 文献下载
摘要：提供了一种优化特征提取的遥感图像弱监督目标检测方法，包括以下步骤：S1:获取遥感图像弱监督目标检测数据集，其中所有图像的标签为图像级标签；S2:用带有图像级标签的所述遥感图像弱监督目标检测数据集训练图像多分类的模型，用于提供弱监督目标检测模型的预训练权重参数；S3:构建遥感图像特征精炼模块，集成到弱监督目标检测模型中；S4:使用S2步骤得到的预训练权重参数初始化弱监督目标检测模型的主干网络的参数，并训练所述弱监督目标检测模型；S5:将待检测图像提供给训练好的弱监督目标检测模型，所述若训练好的弱监督目标检测模型输出对待检测图像的目标检测结果。
一种优化特征提取遥感图像监督目标检测方法

[发明专利]模型训练的方法、装置及电子设备-CN202310920108.1在审
发明人：张妍;顾鹏;叶平;张诗杭;聂亚南;李斌 -专利权人：中国电信股份有限公司
申请日： 2023-07-25 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种模型训练的方法、装置及电子设备。其中，该方法包括：获取联邦学习模型中参与设备对应的本地数据信息，其中，本地数据信息包括：参与设备的设备算力、参与设备的存储资源信息和参与设备的网络资源信息；确定对本地数据信息进行联邦学习所使用的目标架构，其中，目标架构包括以下之一：中心化联邦架构和对等网络架构；依据目标架构对本地数据信息进行联邦学习训练，得到全局模型。本申请解决了传统的联邦学习对参与方设备的本地训练时间预估较难的技术问题。
模型训练方法装置电子设备

[发明专利]一种基于变加权云贝叶斯网络的空中目标威胁评估方法-CN202310938269.3在审
发明人：周林;冷俊芳;帅伟伟;张梦;程聪聪;毋嘉纬;魏倩 -专利权人：河南大学
申请日： 2023-07-27 - 公布日： 2023-10-27 - 主分类号： G06N7/01 文献下载
摘要：本发明提供一种基于变加权云贝叶斯网络的空中目标威胁评估方法，即根据威胁评估结果多为定量分析而较少研究目标威胁等级等定性问题，对目标威胁进行高、中、低定性决策。包括以下步骤：首先，基于贝叶斯网络构建空中目标属性的威胁评估模型；其次，将云模型引入到贝叶斯网络，利用云模型表示贝叶斯网络节点间关联性概率；然后，结合战场态势信息，利用改进高斯表达的变加权方法确定威胁评估目标属性权重；最后，基于关联性概率和目标属性权重，利用云模型运算法则来得到目标威胁等级决策。本发明研究目标威胁等级定性问题，能够有效完成目标威胁评估，获取目标威胁等级决策，进一步提高战场信息的利用率。
一种基于加权云贝叶斯网络空中目标威胁评估方法

[发明专利]时空交通预测模型的对抗训练方法、装置、设备及介质-CN202310943458.X在审
发明人：刘帆;刘浩 -专利权人：广州市香港科大霍英东研究院
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06N3/094 文献下载
摘要：本发明公开了一种时空交通预测模型的对抗训练方法、装置、设备及介质，方法包括：获取时空交通预测模型，将所述时空交通预测模型的对抗训练过程定义为优化问题；利用训练好的策略网络，动态选取对抗训练过程中的对抗节点；通过知识蒸馏技术，利用所述对抗节点和所述优化问题对所述时空交通预测模型进行对抗训练。本发明实施例能够提高时空交通预测模型的对抗鲁棒性，在时空流量预测任务中更有效地防御动态对抗攻击。
时空交通预测模型对抗训练方法装置设备介质

[发明专利]一种数据处理方法、电子设备及存储介质-CN202310945961.9在审
发明人：高峰;王旭明;章小龙 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06N3/063 文献下载
摘要：本申请涉及人工智能技术领域，公开了一种数据处理方法、电子设备及存储介质，在数据处理方法中，通过设置将模型中每个处理层的输入数据集合划分为多个数据子集合的信息。在多核NPU进行数据处理时，可以读取存储器中的切分信息，并基于切分信息，采用多核NPU中的多个内核同时加载同一处理层的参数，并分别对同一处理层的不同数据子集合进行处理。如此，通过同时采用多核NPU中的多个内核进行数据处理，可以在保证模型切分前后输入输出数据相同的情况下，减少多核NPU的算力资源的浪费。
一种数据处理方法电子设备存储介质

[发明专利]一种数据处理方法、电子设备及存储介质-CN202310946146.4在审
发明人：高峰 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06N3/063 文献下载
摘要：本申请涉及人工智能技术领域，公开了一种数据处理方法、电子设备及存储介质，在数据处理方法中，通过设置对模型中节点的参数和数据的切分数，例如，将各节点的参数和输入数据划分为多个数据集合，使得多核NPU在进行数据处理时，可以读取存储器中的切分数，并基于切分数，采用多核NPU中的多个内核同时加载同一节点对应的不同参数，并对节点的部分数据进行处理，并存储至相应内核的内部存储空间。如此，可以缓解单个内核的存储压力。
一种数据处理方法电子设备存储介质

[发明专利]一种数据处理方法、电子设备及存储介质-CN202310947785.2在审
发明人：高峰;王旭明;袁文宇 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06N3/063 文献下载
摘要：本申请涉及人工智能技术领域，公开了一种数据处理方法、电子设备及存储介质，在该方法中，通过将模型中部分级联的节点划分为一个节点集合，并将该节点集合中所有节点对应的参数划分为一个参数集合，得到多个参数集合，和/或，将模型中任意一个节点的输入数据划分为多个数据集合，使得多核NPU进行数据处理时，可以采用多核NPU中的多个内核同时加载不同节点集合对应的不同参数集合，并分别对节点集合的输入数据进行处理，和/或，采用多核NPU中的多个内核同时加载同一节点对应的参数集合，并分别对节点的不同数据集合进行处理。如此，可以在保证模型切分前后输入输出数据相同的情况下，减少多核NPU的算力资源的浪费。
一种数据处理方法电子设备存储介质

[发明专利]浮点型卷积算子加速方法、装置、电子设备及存储介质-CN202310950528.4在审
发明人：张雪霏;王晓雪 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请实施例提供了一种浮点型卷积算子加速方法、装置、电子设备及存储介质，涉及计算机技术领域，该方法包括：获取待处理的图像特征图，将待处理的图像特征图通过目标识别网络进行目标识别，目标识别网络包括：至少一个卷积层；通过任一卷积层对待处理的图像特征图进行卷积处理，具体可以包括：获取待处理的图像特征图以及卷积层所对应的权重数据和偏移数据，待处理的特征图、权重数据以及偏移数据均为浮点型数据，然后对这些数据划分为符号部分、基数部分以及尾数部分，然后将各个基数部分对齐，并调用整数型的卷积算子进行卷积计算，然后对卷积计算结果进行正则化处理，以使得降低卷积计算时所花费的时间，提高网络运行速度。
浮点卷积算子加速方法装置电子设备存储介质

[发明专利]基于联邦学习的模型构建方法、装置、设备及介质-CN202310954224.5在审
发明人：孙善宝;罗清彩;韩涛;李彬;贾荫鹏 -专利权人：山东浪潮科学研究院有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种基于联邦学习的模型构建方法、装置、设备及介质，涉及联邦学习技术领域，应用于云数据中心聚合节点，包括：获取参与方对目标梯度加密得到的加密梯度，将加密梯度存放参数队列；目标梯度是参与方对当前模型训练得到的；以流水线并行模式依次从参数队列选取不高于目标数量个加密梯度进行梯度聚合得到聚合梯度，可信执行环境中解密聚合梯度得到解密梯度，利用解密梯度对当前模型参数更新，流水线并行模式结束后得到若干更新后模型；对所有更新后模型参数聚合得到聚合模型，将聚合模型作为当前模型发送参与方，跳转至获取加密梯度步骤，直至最新模型收敛。以流水线并行模式处理聚合解密和更新过程，节省时间，提高了模型训练效率。
基于联邦学习模型构建方法装置设备介质

[发明专利]一种基于神经网络模型的数据处理方法-CN202310984872.5在审
发明人：许建琼;汪少祖;黄胜利;朱新霞 -专利权人：西昌学院
申请日： 2023-08-07 - 公布日： 2023-10-27 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于神经网络模型的数据处理方法，属于数据处理技术领域。一种基于神经网络模型的数据处理方法，包括以下步骤：建立神经网络模型，根据获得的虚拟图像数据，形成用于训练所述神经网络模型的训练集；其中，所述训练集中包括有按照训练难度划分的多个训练子集，各图像数据属于其中一个训练子集，所述图像数据所属于的训练子集是基于其图像数据的完整性或图像数据的损失值确定的，所述图像数据的数据完整性与所述图像数据的训练难度负相关，所述图像数据的损失值与所述图像数据的训练难度正相关。本发明通过对训练集进行数据增强处理可以增加训练的数据量，从而提高模型的泛化能力，提高了的神经网络模型的训练质量。
一种基于神经网络模型数据处理方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 30555 条