“G06N3/045”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307个，建议您升级VIP下载更多相关专利

[发明专利]基于生成对抗网络的新增学习情境识别方法-CN202310928932.1在审
发明人：郭龙江;王璟馨;李普;李津;任美睿;张立臣;刘勇 -专利权人：陕西师范大学
申请日： 2023-07-26 - 公布日： 2023-10-27 - 主分类号： G06N3/045 文献下载
摘要：一种基于生成对抗网络的新增学习情境识别方法，由数据预处理、构建组合神经网络、训练组合神经网络、测试组合神经网络、组合神经网络性能评估步骤组成。由于本发明应用了生成对抗网络，将该网络应用于内外分布检测神经网络的训练中，有利于内外分布检测神经网络在对抗学习中交替迭代参数、取得更好的分类结果，有效地区分了内、外分布样本，有利于后续用零样本学习神经网络对新增学习情境的分类。本发明具有网络结构较简单、网络性能较好、适用范围较广等优点，可用于移动学习资源智能推荐等应用场景。
基于生成对抗网络新增学习情境识别方法

[发明专利]一种量化网络的构建方法、装置及相关产品-CN202310521313.0在审
发明人：弓静 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-05-09 - 公布日： 2023-10-27 - 主分类号： G06N3/0455 文献下载
摘要：本申请公开一种量化网络的构建方法、装置及相关产品，在该方法中，获取具有Transformer架构特征的模型，作为模型量化的初始网络模型；在初始网络模型的计算图中，基于预设子图规则，确定出与预设子图规则匹配的目标子图；针对目标子图设置伪量化算子，构建初始网络模型对应的量化网络。由于Transformer模型的具体量化位置是根据预先设置的子图规则进行匹配而确定的，也就是可以自动确定需要设置伪量化算子的具体位置，预设子图规则的使用，极大提升了目标子图的确定效率；且构建量化网络的过程也是自动进行的，节省人工成本，能够高效自动地构建量化网络，从而提高模型量化的效率。
一种量化网络构建方法装置相关产品

[发明专利]用于ICD编码的改进型BERT模型构建方法及ICD编码方法-CN202310209012.4在审
发明人：请求不公布姓名 -专利权人：麦博（南京）智能科技有限公司
申请日： 2023-03-01 - 公布日： 2023-10-27 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了一种用于ICD编码的改进型BERT模型构建方法及ICD编码方法；模型构建步骤为：SA1：从病案数据库抽取病案信息得到初始训练数据；SA2：数据处理得到编码模型训练数据；SB1：基于病案数据库病人病案或者电子病案，采用C‑TF‑IDF技术挖掘病案关键词，并结合病人病案内容设定bert模型预训练任务，构建医疗领域的预训练BERT模型；S2：编码模型训练数据加载预训练BERT模型中，得到改进型BERT模型。ICD编码步骤为：获取输入数据并序列化、向量化后输入到改进型BERT模型。有益效果：相比一般BERT模型编码，编码准确度得到更进一步地提升。
用于 icd 编码改进型 bert 模型构建方法

[发明专利]一种由预训练小型网络构建的多节点神经网络-CN202180092426.2在审
发明人：李剑;苏晗 -专利权人：华为技术有限公司
申请日： 2021-02-22 - 公布日： 2023-10-27 - 主分类号： G06N3/045 文献下载
摘要：一种使用一定数量的预训练较小型神经网络来训练大型神经网络的方法。使用多个预先存在的预训练神经网络通过多级叠加来创建所述大型神经网络。放大所述预训练神经网络中的每一个以提供较大型稀疏神经网络，每个预训练神经网络具有第一数量的多维节点。将所述较大型稀疏神经网络的值叠加到所述较大型神经网络中。可以从公开可用的预训练神经网络来创建所述预训练神经网络。通过替换和/或重新训练用于创建所述大型神经网络的子网络中的一个，可以使所述较大型神经网络适于在不同的任务中使用。
一种训练小型网络构建节点神经网络

[发明专利]基于分层强化学习的雷达干扰决策与参数优化方法及装置-CN202310787670.1在审
发明人：李澳;陈分雄;苏钰远 -专利权人：中国地质大学（武汉）
申请日： 2023-06-28 - 公布日： 2023-10-27 - 主分类号： G06N3/045 文献下载
摘要：本发明提供一种基于分层强化学习的雷达干扰决策与参数优化方法及装置，该方法包括：构建雷达对抗模型；根据雷达对抗模型，建立雷达工作模式和干扰样式的状态‑动作样本；根据收集的样本，外层Q‑Learning网络得到最优干扰策略；构建内层DDPG网络的环境，并将外层得到的干扰策略映射到内层DDPG网络上；构建内层DDPG网络模型，通过对连续参数空间进行动作选取，进而对最优干扰策略进行脉冲参数优化；使用基于AHP‑TOPSIS的干扰效果评估算法进行干扰效果评估，将干扰效果评估结果作为环境反馈更新雷达对抗模型；本发明适用于雷达电子战中的认知干扰决策及参数优化，通过基于AHP‑TOPSIS的评估算法进行干扰效果评估，进而使用基于分层强化学习的模型进行干扰决策及参数优化。
基于分层强化学习雷达干扰决策参数优化方法装置

[发明专利]一种数据处理方法及设备-CN201910775569.8有效
发明人：程大伟;陈远哲 -专利权人：上海哲锦信息科技有限公司
申请日： 2019-08-21 - 公布日： 2023-10-27 - 主分类号： G06N3/045 文献下载
摘要：本申请的目的是提供一种数据处理方法及设备，本申请使得在利用注意力机制和时间循环神经网络将获取的多维度、异构的待处理的目标数据中的特征提取出来的同时，忽视目标数据中的噪声与无用部分，筛选出目标数据中的重要信息和非重要信息，使得两种信息在目标数据的特征向量中所占的权重不同，以确保对目标数据进行多维度的分析及特征提取，以得到目标数据的特征向量并作为目标任务对应的任务模型的输入，经过任务模型的处理得到目标任务的执行结果，避免了人工数据处理的过程中出现的信息丢失的问题，节约人力，同时，提高目标数据的特征提取的筛选能力和拟合能力，改善了目标数据的特征提取效果，从而提高了目标任务执行结果的可靠性。
一种数据处理方法设备

[发明专利]一种基于多头注意力机制的半监督卷积网络嵌入方法-CN201911062490.7有效
发明人：王旭强;张旭;杨青;刘红昌;刘乙召;田雨婷;郑阳 -专利权人：国网天津市电力公司;国家电网有限公司
申请日： 2019-11-02 - 公布日： 2023-10-27 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了一种基于多头注意力机制的半监督卷积网络嵌入方法，包括：步骤1，输入节点文本内容，使用词向量查询的方法初始化每个词的语义表示；步骤2，构造节点文本编码器，所述节点文本编码器包括位置编码器、多头注意力机制和前馈神经网络位置编码器，节点文本编码器的输出为节点的文本向量表示，其输出为uT；步骤3，构造节点结构编码器，使用多层图卷积神经网络编码网络结构信息；步骤4，在半监督学习的框架下，将带标签节点的标签信息引入网络嵌入，将标签匹配损失与相似度损失联合优化得到最终的节点表示向量uR。该方法能更好地捕捉和融合网络的结构信息和外部信息。
一种基于多头注意力机制监督卷积网络嵌入方法

[发明专利]汽车螺栓拧紧曲线重建模型构建和拧紧质量识别方法-CN202311027177.6有效
发明人：尤嘉勋;王伟;王晓杰;毛何灵;田程;张康达;程胜龙 -专利权人：中汽信息科技（天津）有限公司
申请日： 2023-08-16 - 公布日： 2023-10-27 - 主分类号： G06N3/0455 文献下载
摘要：本发明实施例公开了一种汽车螺栓拧紧曲线重建模型构建和拧紧质量识别方法。其中，汽车螺栓拧紧曲线重建模型构建方法包括：获取汽车不同种类螺栓在不同情况下的拧紧曲线，其中，所述不同情况包括正常情况和多种异常情况，各拧紧曲线中包括不同程度的干扰噪声；利用各拧紧曲线对基于深度学习的神经网络模型进行训练，将训练好的模型作为汽车螺栓拧紧曲线重建模型；其中，所述神经网络模型包括编码器和多个解码器，各解码器分别对应所述不同情况中的一种情况。本实施例去除拧紧曲线中的干扰噪声。
汽车螺栓拧紧曲线重建模型构建质量识别方法

[发明专利]一种融合人工神经网络和神经形态计算的在线学习方法-CN201910880288.9有效
发明人：周军;李思旭;张兆民;弓育川 -专利权人：电子科技大学
申请日： 2019-09-18 - 公布日： 2023-10-27 - 主分类号： G06N3/045 文献下载
摘要：本发明公开了一种融合人工神经网络和神经形态计算的在线学习方法，属于机器学习领域，特别是涉及神经网络的学习领域。解决神经网络面对特征变化或者未知数据时正确率下降的问题，需要对神经网络进行在线学习。脉冲神经网络通常采用无监督学习，比起有监督学习，准确率较低，容易在学习错误之后一直向着错误的方向前进。人工神经网络通常采用有监督学习，准确率较高，但是推理和学习功耗较大。因此本专利中提出一种新的方案，使用人工神经网络辅助脉冲神经网络进行在线学习，由于大多数时间采用脉冲神经网络推理和无监督学习，因此功耗较低，同时隔一段时间通过人工神经网络和有监督学习对权值进行修正，因此可以保证较高的准确率。
一种融合人工神经网络神经形态计算在线学习方法

[发明专利]支持可变指数位宽的多精度Posit编解码运算装置及方法-CN202310971673.0在审
发明人：王中风;李琼;方超 -专利权人：南京大学
申请日： 2023-08-03 - 公布日： 2023-10-24 - 主分类号： G06N3/0455 文献下载
摘要：本发明提供了支持可变指数位宽的多精度Posit编解码运算装置及方法，所述装置包括多精度Posit译码器、多精度Posit运算单元和多精度Posit编码器；多精度Posit译码器接收Posit输入数据、精度模式控制信号和指数位宽es配置信号，完成译码操作，得到有效的符号、指数及尾数值输出；多精度Posit运算单元完成相应的运算并将运算结果发送给多精度Posit编码器，多精度Posit编码器完成Posit输出数据的编码。本发明实现了运行时指数位宽动态可配置，能在相同的硬件中同时支持Posit格式大动态范围和高数值精度的优势，同时实现了硬件高效的多精度Posit编解码运算。
支持可变指数精度 posit 解码运算装置方法

[发明专利]数据对获取方法、装置、设备、服务器及其集群、介质-CN202310993756.X在审
发明人：张润泽;李仁刚;赵雅倩;郭振华;范宝余;王丽;王立 -专利权人：山东海量信息技术研究院
申请日： 2023-08-08 - 公布日： 2023-10-20 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了一种数据对获取方法、装置、设备、服务器及其集群、介质，属于三维生成领域，用于通过模型高效准确的获取点云数据对应的文本描述，解决了人工标注点云数据所存在的人力成本高且效率低的技术问题。本发明中可以通过点云与文本的第一相似度度量以及图像与文本的第二相似度度量这两种维度，对由预训练的点云‑文本转换模型预测得到的点云文本数据对进行筛选，并通过筛选后的点云数据及其对应的文本描述继续对模型进行训练从而提高模型精度，最终便可以通过训练好的模型获得大量的点云文本数据对，节省了人力成本的同时提升了工作效率。
数据获取方法装置设备服务器及其集群介质

[发明专利]针对深度神经网络的半结构化习得阈值修剪-CN202280011979.5在审
发明人： K·阿扎里安·雅兹迪;T·P·F·布兰克沃特;J·W·李;Y·S·巴尔加特 -专利权人：高通股份有限公司
申请日： 2022-02-04 - 公布日： 2023-10-20 - 主分类号： G06N3/045 文献下载
摘要：一种用于基于习得阈值来对人工神经网络的权重进行修剪的方法包括：指定人工神经网络的将针对修剪被评估的预训练权重群。该方法还包括：确定该预训练权重群的范数，以及基于该范数来执行用以确定是否要对整个预训练权重群进行修剪的过程。
针对深度神经网络结构习得阈值修剪

[发明专利]编码器神经网络模型的构建方法和数据处理方法-CN202311182240.3在审
发明人：张建伟;刘永超;李凌云 -专利权人：首都信息发展股份有限公司
申请日： 2023-09-14 - 公布日： 2023-10-20 - 主分类号： G06N3/0455 文献下载
摘要：本发明提供了一种编码器神经网络模型的构建方法和数据处理方法，将多源数据样本通过初始编码器神经网络模型的输入模块输入至隐藏模块，输出融合结果；将融合结果分别输入至预测模块和度量模块，输出预测结果和度量结果；基于损失函数、多源数据样本对应的实际标签值、预测结果和度量结果确定损失值，基于损失值对初始编码器神经网络模型进行训练，直至损失值收敛，得到编码器神经网络模型。该方式可以基于多源数据样本对初始编码器神经网络模型进行优化训练，实现对多源数据的融合，由于度量结果可以表示融合结果与多源数据样本的差异性，而损失函数综合考虑预测结果和度量结果，因而基于该损失函数可以提高编码器神经网络模型的预测精度。
编码器神经网络模型构建方法数据处理

[发明专利]一种基于混合神经网络的信息优选模型及装置-CN202310521100.8在审
发明人：方旭东;李红梅;肖文华 -专利权人：中国人民解放军军事科学院战争研究院
申请日： 2023-05-10 - 公布日： 2023-10-20 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及一种基于混合神经网络的信息优选模型及装置。本发明通过构建用户互行为图，利用图神经网络模型对用户历史行为进行建模，在提高用户表征能力的同时缓解交互数据稀疏问题；构建信息优选策略初始化模块，基于用户‑信息交互图，从用户历史行为中学习初始化价值，缓解零学习降低用户体验问题；针对使用过程中用户与推送信息的交互行为，采用循环神经网络对交互行为进行描述，基于信息传播算法更新信息节点，来动态获取用户兴趣爱好变化趋势；构建信息优选的候选集模块，设计信息优选排序模块，解决信息选择空间大的问题，进一步提升信息查询与优选性能。
一种基于混合神经网络信息优选模型装置

[发明专利]一种模型训练方法及计算设备-CN202211715713.7有效
发明人：崔和涛;张云柯 -专利权人：荣耀终端有限公司
申请日： 2022-12-30 - 公布日： 2023-10-20 - 主分类号： G06N3/045 文献下载
摘要：本申请实施例公开了一种模型训练方法及计算设备，计算设备将n条原始数据输入第一神经网络模型进行训练，得到预训练模型；计算设备将n条原始数据进行数据增强，得到m条总增强数据；计算设备将n条原始数据和m条总增强数据作为训练数据，分Z步训练预训练模型；针对第i步训练，计算设备确定第i增强占比λ(i)；增强占比为参与本步训练的增强数据占所述m条总增强数据的比例；计算设备基于所述λ(i)确定第i训练数据，并将第i训练数据输入第i‑1训练模型进行训练，得到第i训练模型；i的取值依次从1到Z；λ(i)大于等于λ(i‑1)；λ(i‑1)为第i‑1步的第i‑1增强占比。本申请实施例，可以提高模型训练效果。
一种模型训练方法计算设备

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 307 条