专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果4678个,建议您升级VIP下载更多相关专利
  • [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
  • 许建琼;汪少祖;黄胜利;朱新霞 - 西昌学院
  • 2023-08-07 - 2023-10-27 - G06N3/08
  • 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
  • [发明专利]模型量化方法、装置、设备及介质-CN202310733793.7在审
  • 程雅慧 - 腾讯科技(深圳)有限公司
  • 2023-06-19 - 2023-10-27 - G06N3/082
  • 本申请公开了一种模型量化方法、装置、设备及介质,属于人工智能领域。该方法包括:从生成式模型中确定第一量化网络结构,第一量化网络结构是生成式模型中部分网络结构的量化结构,且第一量化网络结构中存在目标算子,目标算子的多个输入数据的数据精度不同;获取第二量化网络结构,第二量化网络结构是在第一量化网络结构的基础上插入或删除伪量化节点得到的,且第二量化网络结构中目标算子的多个输入数据的数据精度相同;训练包含第二量化网络结构的生成式模型。上述提供了一种针对生成式模型的部分网络结构更优的量化方案。
  • 模型量化方法装置设备介质
  • [发明专利]数据处理设备及其方法-CN202310460087.X在审
  • 吉永幹;大佐欣也;加藤政美 - 佳能株式会社
  • 2023-04-26 - 2023-10-27 - G06N3/082
  • 本公开提供了数据处理设备及其方法。数据处理设备,包括:一个或多于一个存储器,其存储指令,以及一个或多于一个处理器,用于在执行所述指令时被配置为:利用分层连接的多个处理节点顺次地进行数据的处理;在所述一个或多于一个存储器中存储:所述多个处理节点各自的处理结果,以及所述多个处理节点各自的处理状态和参数,所述参数用于确定要进行处理的处理节点;从所述多个处理节点中轮回地指定处理节点,以基于层级的顺序进行处理;基于所存储的处理状态来判断是否能够进行利用指定处理节点的处理;以及基于判断结果和所存储的所述指定处理节点的参数,确定要进行处理的处理节点。
  • 数据处理设备及其方法
  • [发明专利]路段生成模型的训练方法、路段生成方法及装置-CN202310585423.3在审
  • 李世迪 - 腾讯科技(深圳)有限公司
  • 2023-05-22 - 2023-10-27 - G06N3/08
  • 本申请提供了一种路段生成模型的训练方法、路段生成方法及装置,涉及人工智能技术领域。本申请涉及一种包括路段编码器和路段生成器的路段生成模型,在训练过程中,先固定路段编码器的网络参数,对路段生成器的网络参数进行更新,接着,固定路段生成器的网络参数,对路段编码器的网络参数进行更新。由于路段生成器和路段编码器能够生成大量数据,因此整个训练过程不依赖于样本路段的数量,从而无需担心因样本路段数量不足而引起的模型过拟合现象,训练得到的路段生成模型能够快速生成与样本路段相似的新路段,提升了路段生成效率。
  • 路段生成模型训练方法装置
  • [发明专利]伪造多媒体检测模型的训练方法、装置和计算设备-CN202211619700.X在审
  • 陈燊;孙智敏;曹隽逸;姚太平;邓新哲;丁守鸿 - 腾讯科技(深圳)有限公司
  • 2022-12-16 - 2023-10-27 - G06N3/08
  • 提供了一种伪造多媒体检测模型的训练方法、装置和计算设备,包括:获取训练样本集,所述训练样本集包括多个带标签的第一伪造多媒体样本和多个无标签的第二伪造多媒体样本;利用所述训练样本集对深度网络模型进行半监督学习以获得初始检测模型;基于所述初始检测模型、所述第一伪造多媒体样本和所述第二伪造多媒体样本为各个第二伪造多媒体样本生成对应的伪标签;以及利用更新训练样本集对所述初始检测模型进行有监督学习以获得所述伪造媒体检测模型,所述更新训练样本集包括所述第一伪造多媒体样本和具有所述伪标签的第二伪造多媒体样本。通过这种多阶段学习训练而获得的伪造多媒体检测模型可以更加广泛和准确地检测和识别伪造多媒体的类别。
  • 伪造多媒体检测模型训练方法装置计算设备
  • [发明专利]旋转角检测、模型训练方法及装置、设备及介质-CN202310588370.0在审
  • 冯舒扬;张婕蕾 - 上海哔哩哔哩科技有限公司
  • 2023-05-23 - 2023-10-27 - G06N3/084
  • 本申请提供了一种旋转角识别模型训练方法及装置、文本串图像的旋转角检测方法及装置、设备及计算机可读介质,该申请通过将文本串图像样本等比例缩放至预设包围盒内,并居中与所述预设包围盒叠加生成缩放图像样本,然后根据多个预设角度中的随机一个对所述缩放图像样本进行旋转操作,生成旋转角识别样本,并根据执行旋转操作时选择的所述预设角度生成所述旋转角识别样本对应的训练标签,再将多个所述旋转角识别样本及其对应的训练标签输入至待训练的反向传播模型进行模型迭代训练,即可得到旋转角识别模型,利用该旋转角识别模型可以有效地对文本串图像的旋转角进行检测。
  • 旋转检测模型训练方法装置设备介质
  • [发明专利]压缩神经网络模型的方法、装置和计算设备-CN202310125220.6在审
  • 王清瑶;冯京浩 - 腾讯科技(深圳)有限公司
  • 2023-01-19 - 2023-10-27 - G06N3/082
  • 提供了一种压缩神经网络模型的方法,神经网络模型包括多个卷积层,每个卷积层包括至少一个滤波器。该方法包括:至少根据针对各个卷积层的通道稀疏度生成初始掩码矩阵,通道稀疏度表征从每个卷积层预期剩余的滤波器的数量;从多个卷积层中确定彼此存在依赖性的多个目标卷积层,依赖性包括滤波器通道依赖性和滤波器维度依赖性中的至少一个,滤波器通道依赖性指示各个目标卷积层需要保留相同索引的滤波器,滤波器维度依赖性指示各个目标卷积层需要保留相同数量的滤波器;以及根据依赖性和所述初始掩码矩阵对多个目标卷积层进行滤波器剪枝以压缩神经网络模。
  • 压缩神经网络模型方法装置计算设备
  • [发明专利]基于神经网络模型的训练方法、推荐方法、装置、设备-CN202310113748.1在审
  • 陈昊 - 腾讯科技(深圳)有限公司
  • 2023-01-30 - 2023-10-27 - G06N3/08
  • 本申请提供了一种基于神经网络模型的训练方法、基于神经网络模型的信息推荐方法、装置、电子设备、计算机可读存储介质及计算机程序产品;涉及人工智能技术;方法包括:获取训练样本数据;通过多个教师模型对训练样本数据进行特征提取处理,得到每个教师模型输出的教师嵌入向量;通过多个学生模型对训练样本数据进行特征提取处理,得到每个学生模型输出的学生嵌入向量;其中,多个教师模型的模型结构相互独立、且每个教师模型对应一个预测任务,多个学生模型的部分模型结构共享、且每个学生模型对应一个预测任务;基于教师嵌入向量以及学生嵌入向量,对多个教师模型以及多个学生模型进行蒸馏训练处理,得到训练好的多个学生模型。
  • 基于神经网络模型训练方法推荐装置设备
  • [发明专利]一种基于对比学习的无监督鲁棒图结构学习方法及系统-CN202310697511.2在审
  • 孙雨涛;沈肖波 - 南京理工大学
  • 2023-06-13 - 2023-10-27 - G06N3/088
  • 本发明公开了一种基于对比学习的无监督鲁棒图结构学习方法及系统。方法为:根据节点自身的特征信息构建图学习器,包括对称稀疏处理模块和自监督网络模块,输出图结构学习视图;将原图结构进行低秩和稀疏增强,输出锚定图对;锚定图对与学习视图一同进行数据增强;处理后视图放入编码器,得到对应图节点表示;构造交叉熵函数计算对比学习损失,并优化图学习器、自监督网络的参数,得到最终模型与图结构学习视图。所述系统包括图学习器构建模块、锚定图对确定模块、数据增强模块、编码器处理模块、对比学习损失计算模块。本发明获得的图学习视图没有对下游任务的限制,对标签信息没有依赖,泛化性更强,在生物信息学、推荐系统等任务上有重要意义。
  • 一种基于对比学习监督鲁棒图结构学习方法系统
  • [发明专利]视觉风格网络训练方法、视觉风格识别方法、装置及设备-CN202211184438.0在审
  • 刘刚 - 腾讯科技(深圳)有限公司
  • 2022-09-27 - 2023-10-27 - G06N3/0895
  • 本申请提供一种视觉风格网络训练方法、视觉风格识别方法、装置及设备,应用于云技术、人工智能、地图领域、智慧交通、辅助驾驶、车载等各种场景,该视觉风格网络训练方法包括:获取至少两个样本数据对,以及每个样本数据对所包含的各个数据对应的对象互动数据;确定初始样本数据对;获取与初始样本数据对所包含的各个数据的进行互动的目标候选对象;根据目标候选对象的对象属性信息,确定目标样本数据对;根据目标样本数据对构建训练视觉风格网络的正样本数据、负样本数据和锚定目标样本数据。本申请实施例通过无监督与弱监督结合的方式,提升视觉风格网络的训练精度和效率,使用视觉风格网络能够对所有视觉风格进行标签识别,提升推荐范围。
  • 视觉风格网络训练方法识别装置设备
  • [发明专利]神经网络训练方法,以及推荐媒体内容的方法-CN202211542043.3在审
  • 吴航 - 腾讯科技(深圳)有限公司
  • 2022-12-02 - 2023-10-27 - G06N3/08
  • 本申请实施例公开神经网络训练方法,以及推荐媒体内容的方法,该方法可以应用于人工智能领域。该训练方法设计了全新的神经网络的模型结构,该模型结构包括第一网络和第二网络,第一网络与第二网络串联,第一网络用于学习交叉特征,第二网络用于基于交叉特征预测媒体内容对应的预设操作发生概率。第一网络包括深度交叉网络和至少一个第一门控网络,深度交叉网络包括多个网络层,第一门控网络用于对与该第一门控网络连接的网络层的输出值进行放缩。这一模型结构使得该神经网络的训练过程中,可以通过设置门控网络精准控制交叉特征的传递,使得神经网络可以更好地对交叉特征进行学习,提升神经网络对于媒体内容关联的预设操作的预测能力。
  • 神经网络训练方法以及推荐媒体内容
  • [发明专利]深度神经网络训练方法以及媒体内容推荐方法-CN202211568256.3在审
  • 吴航 - 腾讯科技(深圳)有限公司
  • 2022-12-08 - 2023-10-27 - G06N3/08
  • 本申请实施例公开深度神经网络训练方法以及媒体内容推荐方法,该方法可以应用于人工智能领域。该训练方法设计了全新的深度神经网络的模型结构,该模型结构是一种串行的深度较深的神经网络。主干包括顺序连接的交叉网络、特征提取网络和拟合网络,交叉网络、特征提取网络可能都具备较高的深度,设置了交叉网络,其用于学习交叉特征,特征提取网络用于深度提取交叉特征中的特征以得到交叉目标特征,并最终由拟合网络拟合得到转化发生概率,神经网络整体深度是较深的,从而有利于将特征更好地交叉起来,同时保留挖掘深层信息的能力。并且,本申请实施例还设计了门控网络传递深层特征信息,从而让神经网络更好地学习不同特征的信息,提升预测能力。
  • 深度神经网络训练方法以及媒体内容推荐

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top