“G06N3/0464”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951个，建议您升级VIP下载更多相关专利

[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]一种针对错判的图卷积网络暂态稳定评估方法-CN202310698023.3在审
发明人：刘颂凯;杨明飞;杨超;常鹏;杨苗;曾祥军;胡竞哲;周倩;崔梓琪;袁铭洋;赵文博;陈萍;李正浩;曾羽聪 -专利权人：三峡大学
申请日： 2023-06-13 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：一种针对错判的图卷积网络暂态稳定评估方法，包括以下步骤：步骤1：模拟电力系统不同运行场景构建样本集；步骤2：获得改进后的自适应图卷积网络GCN；步骤3：基于改进后的自适应图卷积网络GCN建立评估模型，进行离线训练；步骤4：在在线应用过程中，通过构建辅助决策模块对模型得到的稳定类别与稳定水平进行协调，判断电力系统的真实运行状态。
一种针对错判图卷网络稳定评估方法

[发明专利]时间序列预测方法、装置、设备、介质和产品-CN202310753534.0在审
发明人：赵书宝 -专利权人：新奥新智科技有限公司
申请日： 2023-06-25 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种时间序列预测方法、装置、设备、介质和产品。该方法包括：利用预测模型对历史时间序列进行多次采样，获得多个候选时间序列；利用预测模型分别对每一候选时间序列进行特征提取，得到多个数据特征；利用预测模型分别对多个数据特征进行预测，获得每一候选时间序列对应的预测时间序列，根据每一预测时间序列确定未来时间序列。采用本申请的方法，可以基于更多的特征，全面地表征能源变化值的变化情况。进一步地，基于提取到的上述更多的特征预测得到的未来时间序列的准确性更高。也即，未来时间序列中的能源变化值更加准确。
时间序列预测方法装置设备介质产品

[发明专利]一种用于卷积神经网络的模型推理方法和装置-CN202310857190.8在审
发明人：雍珊珊;陈强;樊华;宋若鹏;朱楷铭;陈锦鸿 -专利权人：深圳北理莫斯科大学
申请日： 2023-07-13 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种用于卷积神经网络的模型推理方法和装置，首先提取已完成训练的第一卷积神经网络模型的模型参数；然后对提取模型参数进行剪枝，以去除其值在第一阈值区间的模型参数，保留其值在第二阈值区间的模型参数；再对每个模型参数进行量化处理，以获取每个所述模型参数的标志位、符号位和有效宽位的值；其中，模型参数的有效宽位的值为定点数值，是应用二分段量化方法或多分段量化方法对模型参数进行量化处理获得；最后将量化处理后获得的模型参数替换原模型参数，以获取第二卷积神经网络模型。由于新的卷积神经网络模型的模型参数是依据已完成训练的模型参数获取，大大提高了新卷积神经网络模型的训练效率。
一种用于卷积神经网络模型推理方法装置

[发明专利]一种基于NNA的depthwise权重的处理方法-CN202210322758.1在审
发明人：刘子航 -专利权人：合肥君正科技有限公司
申请日： 2022-03-29 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种基于NNA的depthwise权重的处理方法，所述方法在遇到depthwise卷积时，通过进行卷积核扩展来实现NNA卷积加速，所述卷积核扩展是NNA要求卷积核输入通道数是32的倍数，通过对卷积核进行通道扩展实现NNA卷积加速，为了保证卷积核扩展后得到的卷积结果和depthwise卷积结果一致，除对应输入通道外其余输入通道元素值均填充为0。实现对depthwise卷积的快速运算。
一种基于 nna depthwise 权重处理方法

[发明专利]一种基于NNA的支持focus操作的卷积实现方法-CN202210322774.0在审
发明人：李岩;王荔枝 -专利权人：合肥君正科技有限公司
申请日： 2022-03-29 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种基于NNA的支持focus操作的卷积实现方法，包括：S1，假定网络中存在2个连续层，focus层后紧接着为卷积层，并且卷积层进行卷积核为kernelX*kernelY的卷积，卷积步长为strideX*strideY，其中，kernelX、kernelY是未结合之前卷积层的卷积核在X、Y方向上的大小，strideX、strideY为未结合之前卷积层在X、Y方向上的卷积步长；S2,在把所述focus和卷积层进行合并，合并之后等价于在未进行focus操作的FeatureMap上进行卷积核为(2*kernelX)*(2*kernelY)的卷积，卷积步长为(2*strideX)*(2*strideY)；S3，通过对每次卷积对应的输入FeatureMap数据进行重排序，把卷积核大小(2*kernelX)*(2*kernelY)且步长(2*strideX)*(2*strideY)的卷积等价的转化为大小1*1步长1*1的卷积，使得focus层和输入层结合后能够在NNA上正常实现。
一种基于 nna 支持 focus 操作卷积实现方法

[发明专利]对应关系预测网络的训练方法、装置、设备及介质-CN202211604172.0在审
发明人：徐晓伟;李欣 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-12-13 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请涉及一种对应关系预测网络的训练方法、装置、设备及介质。上述方法包括获取第一关联关系图；获取每一所述节点的特征信息；利用预设网络处理所述第一关联关系图和每一所述节点的特征信息，得到所述第一类节点的对应关系预测结果；基于所述第一类节点的对应关系预测结果与所述第一类节点携带的所述对应关系真值标注对所述预设网络进行训练，得到对应关系预测网络。本申请基于图学习获得对应关系预测网络，对应关系预测网络可以用来进行对应关系预测，也即预测基站能够为哪些地下建筑物对象提供定位服务，进而借助预测的对应关系提高定位准确度。本申请实施例可应用于云技术、人工智能、智慧交通、智慧娱乐等各种场景。
对应关系预测网络训练方法装置设备介质

[发明专利]预测模型的训练方法、装置、设备、介质及程序产品-CN202310113390.2在审
发明人：赵思杰;宋奕兵 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-01-31 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种预测模型的训练方法、装置、设备、介质及程序产品，涉及人工智能技术领域。该方法包括：获取第一预测模型；将第二领域的第二样本数据输入第一预测模型，通过n个子网络对第二样本数据进行数据预测，得到第二样本数据对应的预测结果；基于第二样本数据对应的预测结果和预测标签之间的差异确定第一预测模型对应的预测损失值；基于预测损失值和第i个子网络的输出特征表示得到第i个子网络对应的输出梯度；基于第i个子网络对应的输出梯度对第i个偏置参数进行参数更新，得到第二预测模型。使用输出梯度针对偏置参数进行参数调整的方式能够避免使用输入特征表示/输出特征表示进行模型参数调整，降低了服务器内存存储负担。
预测模型训练方法装置设备介质程序产品

[发明专利]神经网络训练时的特征量化方法、装置、介质及程序产品-CN202310118897.7在审
发明人：赵思杰;宋奕兵 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-01-31 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种神经网络训练时的特征量化方法、装置、介质及程序产品，属于神经网络技术领域。该方法包括：将训练数据输入到神经网络中，神经网络包括至少两个神经网络层，至少两个神经网络层包括非参数层，非参数层是指包括非线性函数的神经网络层；在前向传播的过程中，通过至少两个神经网络层对训练数据进行特征计算，得到每个神经网络层的输入特征和输出特征；获取非参数层的输入特征和输出特征中的至少一项作为目标特征；对目标特征进行量化处理，得到量化后的特征；存储量化后的特征至存储器中，释放存储器中的非参数层的输入特征和输出特征。该方法能够在神经网络训练的过程中减少对存储空间的占用。
神经网络训练特征量化方法装置介质程序产品

[发明专利]网络搜索方法、装置、存储介质及电子设备-CN202310883394.9在审
发明人：张凯昱;杨青 -专利权人：度小满科技(北京)有限公司
申请日： 2023-07-18 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种网络搜索方法、装置、存储介质及电子设备，其中，该方法包括：获取训练表格数据；确定训练表格数据对应的拼接指示信息，并采用训练表格数据和拼接指示信息，对初始超网结构模型进行模型训练，得到模型训练后的初始超网结构模型，以基于模型训练后的初始超网结构模型，获取目标超网结构模型，目标超网结构模型包括多个待选取子网结构模型；从目标超网结构模型中选取出目标子网结构模型，目标子网结构模型的模型指标优于多个待选取子网结构模型中其他子网结构模型的模型指标，且目标子网结构模型用于对待预测的目标表格数据进行数据预测。本发明实施例可对适配于表格数据的网络结构进行网络搜索，从而得到目标子网结构模型。
网络搜索方法装置存储介质电子设备

[发明专利]一种采用量子补偿混合神经网络的数字全息压缩传输方法-CN202310929396.7在审
发明人：杨光临;胡成成 -专利权人：北京大学
申请日： 2023-07-27 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种采用量子补偿混合神经网络的数字全息压缩传输方法，将原始图像通过菲涅尔离轴全息算法记录为数字全息图、构建并训练基于量子补偿混合神经网络对数字全息图进行压缩与解压缩、使用8比特量化和添加随机噪声的方法进行量化和反量化，通过霍夫曼编码对压缩数据编码与解码，最终将恢复的全息图进行再现，得到再现像。本发明提供方法具有更快的并行处理速度和更好的图像恢复质量，适用于数字全息图这种大数据量的计算处理；能够在更少的训练次数完成压缩网络结构的训练，提高数字全息图的压缩传输速度。
一种采用量子补偿混合神经网络数字全息压缩传输方法

[发明专利]一种基于NNA的1xN卷积的实现方法-CN202210320413.2在审
发明人：刘子航 -专利权人：合肥君正科技有限公司
申请日： 2022-03-29 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种基于NNA的1xN卷积的实现方法，在不满足NNA相关参数范围时，通过对输入图像和卷积核矩阵进行拆分、重组、累加来实现NNA卷积加速，其中，卷积核拆分：对于1xN卷积，当N大于3时，超出了NNA寄存器参数范围，通过卷积核拆分实现NNA卷积加速；还包括NNA寄存器配置：使用NNA进行卷积加速必须正确配置NNA相关寄存器、卷积的步长、卷积核大小的必要参数都通过NNA寄存器进行配置，这些参数都必须在NNA支持的参数范围内才能得到正确的卷积结果。通过配置相关寄存器参数实现卷积核矩阵维度≤3x3的卷积计算加速，从而大幅度减少神经网络运行时间，在实际应用中实时性更高，用户体验更好。在不满足NNA相关参数范围时，保证通用性又能提高卷积运算速度。
一种基于 nna xn 卷积实现方法

[发明专利]一种针对ReRAM部署神经网络的权重分配方法-CN202310178399.1有效
发明人：董光达;余少华;伍骏;熊大鹏;李涛 -专利权人：苏州亿铸智能科技有限公司
申请日： 2023-02-28 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种针对ReRAM部署神经网络的权重分配方法，属于神经网络技术领域，其方法包括：遍历神经网络结构，将权重进行转换，适配到存算神经网络计算引擎，每层的权重形成一个3维的小立方体；使用3d背包算法，遍历所有的权重立方体，将小立方体放到存算阵列转换的大立方体中，并获取对应的坐标信息。本发明转换了存算阵列视角，将权重存放问题抽象为传统的3d背包问题，便于使用成熟的算法解决陌生的问题，提高了权重存放的效率；同时适用于多数神经网络的权重存放，可复用性高，更利于神经网络的部署与存算神经网络计算引擎的迭代改进。
一种针对 reram 部署神经网络权重分配方法

[发明专利]一种天然气井泡沫排水采气智能算法-CN202310862147.0有效
发明人：潘军;吕伟;孙盛涛;赵恒平;陈世强;谢雕;梁铃;王占锋 -专利权人：北京万普瑞能源技术有限公司
申请日： 2023-07-14 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及一种天然气井泡沫排水采气智能算法，涉及页岩气采气领域，包括以下步骤：获取历史页岩气生产平台的现场数据导入系统，然后设计包括多个残差块的残差神经网络架构，划分训练集、验证集和测试集用于模型的训练、调优和评估；使用验证集评估模型性能并优化，使用测试集评估最终模型性能，分析预测精度；将部署好的模型部署到实时控制系统中，基于实时采集的数据计算得到起泡剂和消泡剂的总注入量以及不同阶段的注入量，自动控制各个阀门的开度以控制产量和流态调整，完成对天然气井泡沫排水采气智能控制，本发明具有由人工智能实现页岩气在不同工况下能够准确进行准确决策，结合精细化操作实现稳定的井况的优点。
一种天然气井泡沫排水智能算法

[发明专利]基于FPGA的YOLOv2-tiny神经网络低延时硬件加速器实现方法-CN201910796486.7有效
发明人：郭谦;张津铭;李杰;李岑;蒋剑飞;绳伟光;景乃锋;王琴;贺光辉 -专利权人：合肥辉羲智能科技有限公司
申请日： 2019-08-27 - 公布日： 2023-10-27 - 主分类号： G06N3/0464 文献下载
摘要：一种基于FPGA的YOLOv2‑tiny神经网络低延时硬件加速器实现方法，包括步骤：网络量化；进行基于YOLOv2‑tiny的目标检测系统整体硬件架构设计；进行卷积层处理单元设计；双乘法器设计和设计空间探索。本发明可以显著降低整体系统的延时，提高DSP的使用效率。
基于 fpga yolov2 tiny 神经网络延时硬件加速器实现方法

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 951 条