“G06N3/0442”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166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]用于工业系统控制的神经网络训练方法及装置-CN202310452501.2在审
发明人：刘浏;赵沛霖;刘子轩 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-04-17 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本公开的实施例提供了一种用于工业系统控制的神经网络训练方法、装置和存储介质，所述方法包括：获取源域中的专家数据；利用控制策略预测网络来获取目标域中的测试数据；基于专家数据和测试数据生成训练样本数据；利用数据分类网络来预测指示训练样本数据为专家的第一概率，并基于第一概率来确定针对训练样本数据的奖励系数；利用域分类网络来预测指示训练样本来自源域的第二概率，并基于第二概率来确定针对奖励系数的奖励系数修正量；基于奖励系数及奖励系数修正量来确定修正后的奖励系数；并且对控制策略预测网络、数据分类网络和域分类网络进行联合训练。通过本公开的方法能够在实际工业系统控制场景下制定出更合理的工业控制策略。
用于工业系统控制神经网络训练方法装置

[发明专利]数据处理方法、装置、介质及设备-CN202310676849.X在审
发明人：林炳怀;王丽园 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-06-08 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本申请公开了数据处理方法、装置、介质及设备，方法包括：获取目标账号的多种属性信息；基于多种属性信息确定缺失指示信息，缺失指示信息包括与多种属性信息对应的多个缺失指示分量信息；对多种属性信息进行特征表示得到多个特征表示信息；将每一种属性信息的特征表示信息和缺失指示分量信息拼接后输入每一种属性信息对应的分枝网络，得到每一种属性信息的第一指标预测信息；基于每一种属性信息的第一指标预测信息进行针对目标账号的资源推送处理。本申请将缺失指示信息作为特征引入到业务指标的预测中以在数据缺失时也可以执行业务处理，同时构建的与每种属性信息对应的分枝网络降低了整体的模型复杂度，提升了业务处理的效率。
数据处理方法装置介质设备

[发明专利]业务平台扩容预测方法及装置-CN202211531428.X在审
发明人：丁力;费徐伟 -专利权人：中国移动通信集团浙江有限公司;中国移动通信集团有限公司
申请日： 2022-12-01 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种业务平台扩容预测方法及装置，其中方法包括：采集业务平台的第一数据以及第一数据的时间戳、监控系统的第二数据及第二数据的时间戳；第一数据包含：用户数据、监控点位数据和/或业务数据，第二数据包含：硬件设备数据；根据第一数据的时间戳和第二数据的时间戳，关联第一数据和第二数据得到训练数据；利用训练数据对深度神经网络模型进行训练，得到扩容预测模型；将待预测数据输入至扩容预测模型，得到预测结果；若根据预测结果确定需要扩容，则下发通知。本发明利用用户数据与业务数据，结合服务与硬件的监控数据，基于深度神经网络高效、准确、全面、及时地预测业务平台的扩容需求，显著提升了运维的水准与能力。
业务平台扩容预测方法装置

[发明专利]一种基于BOA-LSTM的住宅建筑用电预测方法-CN202310819277.6在审
发明人：王瑶;王龙;张道安;王函韵;卢峰;董寒宇;岑梁;陈家乾;徐长响;郭旺;郑伟 -专利权人：国网浙江省电力有限公司湖州供电公司;湖州电力设计院有限公司
申请日： 2023-07-05 - 公布日： 2023-10-24 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种基于BOA‑LSTM的住宅建筑用电预测方法，为了克服现有技术的缺乏对住宅建筑用电的准确预测方法的问题，包括：采集住宅建筑用电能耗作为原始数据构建原始数据集，基于LSTM神经网络构建住宅建筑用电能耗预测模型；通过BOA算法进行超参数寻优获取最优超参数组合，利用最优超参数组合对住宅建筑用电能耗预测模型进行迭代训练；构建模型评价指标，基于模型评价指标对住宅建筑用电能耗预测模型进行评价。LSTM神经网络可以识别不规则时间序列的趋势且可存储较长的依赖信息，BOA算法即贝叶斯优化算法，通过贝叶斯优化算法寻求最优的超参数组合，对神经网络进行调参，使神经网络超参数调优获得较好的训练结果，提升数据预测的及时性和准确性。
一种基于 boa lstm 住宅建筑用电预测方法

[发明专利]交互方法及装置、音箱、电子设备和存储介质-CN201910376459.4有效
发明人：冯伟国;牛也;李双江;丁盘苹;金灿灿 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-05-07 - 公布日： 2023-10-24 - 主分类号： G06N3/0442 文献下载
摘要：本公开涉及一种交互方法及装置、音箱、电子设备和存储介质。所述方法包括：获取第t轮的用户输入信息，其中，t为大于或等于1的整数；至少根据所述第t轮的用户输入信息，以及第t‑1轮的输出信息，确定多个决策模型在第t轮的决策结果，其中，所述第t‑1轮的输出信息根据所述多个决策模型在所述第t‑1轮的决策结果确定；根据所述多个决策模型在所述第t轮的决策结果，确定所述第t轮的输出信息。在本公开中，上一轮的决策能够帮助所有决策模型在本轮做出更好的决策，且在每一轮做决策时能够融合各个决策模型进行更准确的决策。
交互方法装置音箱电子设备存储介质

[发明专利]一种基于属性和结构深度融合的网络嵌入方法及其模型-CN202010410196.7有效
发明人：张贤坤;罗学雄;马蕴玢 -专利权人：天津科技大学
申请日： 2020-05-15 - 公布日： 2023-10-24 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种基于属性和结构深度融合的网络嵌入方法，包括以下步骤：S1.得到重构后编码层的节点属性特征；S2.获得带有节点属性特征的节点属性信息序列；S3.将节点属性信息序列翻译为节点身份序列，得到能保留原有网络的网络结构和节点属性信息的节点嵌入向量表示；还公开了一种基于属性和结构深度融合的网络嵌入模型，包括：多模态属性感知模块、属性嵌入层和多跳结构感知模块；所述多模态属性感知模块通过所述属性嵌入层与所述多跳结构感知模块相连；本发明中不仅能捕获低阶结构和节点属性相似性，还能捕获高阶结构语义和节点属性相似性，最终得到的节点嵌入向量表示能深度融合网络结构和节点属性信息。
一种基于属性结构深度融合网络嵌入方法及其模型

[发明专利]图像生成模型构建方法、装置、介质及设备-CN202110529808.9有效
发明人：熊文硕;庄伯金;刘玉宇 -专利权人：平安科技（深圳）有限公司
申请日： 2021-05-14 - 公布日： 2023-10-17 - 主分类号： G06N3/0442 文献下载
摘要：本发明实施例公开了一种图像生成模型构建方法、装置、介质及设备，所述构建方法包括：基于网络控制器配置对抗生成网络中生成器的模型结构参数；基于样本图像对生成器进行训练，以获取训练后的目标生成器，并获取对目标生成器的模型结构评价结果；基于网络控制器，根据目标生成器的模型结构参数及模型结构评价结果，更新生成器的模型结构参数；根据更新的生成器的模型结构参数，确定基于对抗生成网络的图像生成模型。本发明实施例的方案，可通过网络控制器自动化配置对抗生成网络中生成器的模型结构参数，并使网络控制器基于生成器的模型结构评价结果，对生成器的模型结构参数进行更新，从而选择较优的网络结构构建图像生成模型。
图像生成模型构建方法装置介质设备

[发明专利]基于参数服务器架构的图数据与参数数据的混合划分方法-CN202110458807.X有效
发明人：谷峪;袁嘉隆;宋振;李传文;李芳芳;于戈 -专利权人：东北大学
申请日： 2021-04-27 - 公布日： 2023-10-13 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开一种基于参数服务器架构的图数据与参数数据的混合划分方法，首先将图顶点按广度优先遍历的方式重新处理编号，将顶点编号划分为大小相等的P个区间，取区间的中间值对应的顶点作为多个初始分区，然后基于图拓扑数据与顶点特征维度计算当前分区邻域顶点的代价分数，根据代价分数对邻域顶点进行排序，选取代价分数最小的多个邻域顶点加入当前分区，同时更新当前分区顶点特征权重向量。通过对比多个分区的顶点特征权重向量，将图神经网络模型参数按行划分至在计算时需要使用该参数行顶点的数量最多的分区中。适用于支持图神经网络算法的参数服务器系统，能够减少系统运行时的网络通信开销，加速系统计算效率。
基于参数服务器架构数据混合划分方法

[发明专利]一种顾及InSAR形变的LSTM地灾易发性时序预测方法-CN202310843421.X在审
发明人：吴磊;孙世山;王肖;李进田 -专利权人：苏州深蓝空间遥感技术有限公司
申请日： 2023-07-11 - 公布日： 2023-10-10 - 主分类号： G06N3/0442 文献下载
摘要：本发明实施例公开了一种顾及InSAR形变的LSTM地灾易发性时序预测方法，属于地灾预测技术领域，其基于地灾样本的时序优化特征，训练评估地灾易发性的softmax模型。同时训练并实时更新预测优化特征发展趋势的LSTM深度学习模型。采用LSTM模型预测优化特征发展趋势，并利用softmax分类器根据未来优化特征确定地灾易发性等级。本发明可通过前两年的时间序列数据，获取未来一个月的地灾易发性，可为相关部门开展地质灾害预防提供新思路。
一种顾及 insar 形变 lstm 灾易发性时序预测方法

[发明专利]一种基于强化学习的算子自动调优方法及相关装置-CN202310862565.X在审
发明人：张宇;汪义华;金莉;姜沛林 -专利权人：西安交通大学
申请日： 2023-07-13 - 公布日： 2023-10-10 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种基于强化学习的算子自动调优方法及相关装置，基于长短时记忆网络的策略网络，策略网络会顺序地选择各个待调优参数的值，调优参数组合对应的算子实现在目标硬件上的实测算力值将作为奖励信号，使用REINFORCE算法计算梯度来更新策略网络。为了加快策略网络的收敛，使用了小批量梯度下降训练的REINFORCE算法。为了减少不必要的硬件采样，本发明提出了一个可以预测样本和性能之间映射关系的开销模型，并使用该模型的推理预测代替真实的硬件采样，来加速自动调优的搜索过程。开销模型使用梯度提升树对历史采样数据进行回归拟合，根据核平滑方法处理后的标签值频率分布设置样本加权目标函数，减少了不平衡的训练集数据标签分布对预测精度的影响。
一种基于强化学习算子自动方法相关装置

[发明专利]利用自适应梯度裁剪的神经网络-CN202280013014.X在审
发明人： A·布洛克;S·德;S·L·史密斯;K·西蒙尼扬 -专利权人：渊慧科技有限公司
申请日： 2022-02-02 - 公布日： 2023-10-10 - 主分类号： G06N3/0442 文献下载
摘要：公开了一种用于训练神经网络的计算机实现的方法。该方法包括确定与神经网络的参数相关联的梯度。该方法还包括确定梯度范数与参数范数的比率，并将该比率与阈值进行比较。响应于确定该比率超过阈值，减小梯度的值，使得该比率等于或低于阈值。基于减小的梯度值来更新参数的值。
利用自适应梯度裁剪神经网络

[发明专利]类人加速/制动的速度调节自学习方法及系统-CN202310936769.3在审
发明人：高洪波;何希;朱菊萍 -专利权人：中国科学技术大学
申请日： 2023-07-26 - 公布日： 2023-10-10 - 主分类号： G06N3/0442 文献下载
摘要：本发明提供了一种类人加速/制动的速度调节自学习方法及系统，属于智能驾驶领域。其特征在于，包括以下步骤：步骤1：利用自动驾驶车辆的车载设备，采集人类驾驶员行驶过程的道路交通环境数据和车辆加速/制动速度数据；步骤2：基于采集的道路交通环境数据，建立基于门控循环单元的速度调节自学习模型；步骤3：基于采集的车辆加速/制动速度数据，不断训练速度调节自学习模型使其与期望加速/制动速度一致。与现有技术相比，本发明的积极效果是：本发明利用深度学习算法，使自动驾驶车辆在不同驾驶情况下自动调节加速/制动的速度，提高了自动驾驶车辆的安全性、燃油效率和乘坐舒适性。
加速制动速度调节自学习方法系统

[发明专利]具有短期记忆单元的注意力神经网络-CN202280013466.8在审
发明人：安德烈亚·巴尼诺;阿德里亚·普伊赫多梅内奇·巴迪亚;雅各布·查尔斯·瓦尔克;蒂莫西·安东尼·朱利安·斯科尔特斯;约瓦纳·米特罗维奇;查尔斯·布伦代尔 -专利权人：渊慧科技有限公司
申请日： 2022-02-07 - 公布日： 2023-10-03 - 主分类号： G06N3/0442 文献下载
摘要：一种用于控制与环境交互的智能体以执行任务的系统。该系统包括动作选择神经网络，其被配置为生成用于选择要由智能体执行的动作的动作选择输出。动作选择神经网络包括编码器子网络，其被配置为生成当前观察的编码表示；注意力子网络，其被配置为利用注意力机制生成注意力子网络输出；循环子网络，其被配置为生成循环子网络输出；动作选择子网络，其被配置为生成动作选择输出，该动作选择输出用于选择由智能体响应于当前观察而执行的动作。
具有短期记忆单元注意力神经网络

[发明专利]用于多个自然语言处理(NLP)任务的联合多任务神经网络模型-CN201780068289.2有效
发明人：桥本和真;熊蔡明;R·佐赫尔 -专利权人：硕动力公司
申请日： 2017-11-03 - 公布日： 2023-10-03 - 主分类号： G06N3/0442 文献下载
摘要：所公开的技术提供了所谓的“联合多任务神经网络模型”，以在单个端到端模型中使用不断增长的层深度来解决各种日益复杂的自然语言处理(NLP)任务。通过考虑语言层级，将词表示直接连接到所有模型层，明确地使用较低任务中的预测，并应用所谓的“连续正则化”技术来防止灾难性遗忘，来连续训练该模型。较低级模型层的三个示例是词性(POS)标注层、语块划分层和依赖性解析层。更高级模型层的两个示例是语义相关性层和文本蕴涵层。该模型实现了关于语块划分、依赖性解析、语义相关性和文本蕴涵的最先进的结果。
用于自然语言处理 nlp 任务联合神经网络模型

1
2
3
4
5
6
7
8
9
10
11
12
下一页»
尾页
共 166 条