“G06N3/02”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679个，建议您升级VIP下载更多相关专利

[发明专利]一种基于BP神经网络的太阳10.7厘米射电流量预报方法-CN202111339849.8在审
发明人：罗俊琦;朱留存;陈明友;刘泽琪;刘纪元 -专利权人：北部湾大学
申请日： 2021-11-12 - 公布日： 2022-02-25 - 主分类号： G06N3/02 文献下载
摘要：本发明属于空间天气预测技术领域，具体为一种基于BP神经网络的太阳10.7厘米射电流量预报方法，包括：获取F10.7日观测值数据并进行预处理；对预处理后的数据转化为可以被BP神经网络训练的监督学习样本数据，再对样本数据进行训练集和测试集划分；根据样本数据建立BP神经网络；使用F10.7训练集训练BP神经网络；使用F10.7测试集的输入部分对训练好的BP神经网络进行预报，得到预报值，将预报值和测试集的输出部分进行误差分析，获取BP神经网络的预报准确度；将相应的F10.7历史数据输入训练好的BP神经网络获取预测数据。本发明可实现任意周期的预报模型的便捷搭建，并可有效提高F10.7的中短期预报精度。
一种基于 bp 神经网络太阳 10.7 厘米射电流量预报方法

[发明专利]一种人工智能产品的技术风险评估方法及系统-CN202010859193.1在审
发明人：孟令中;薛云志;董乾;高卉;武斌;杨光;师源 -专利权人：中国科学院软件研究所;中科院软件研究所南京软件技术研究院
申请日： 2020-08-24 - 公布日： 2022-02-25 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种人工智能产品的技术风险评估方法及系统，建立面向人工智能产品的“风险域—风险子域—度量元”层次化的技术风险模型，每个风险域均有对应的风险子域，每个风险子域包含对应的度量元；根据待评估产品特性及评估需求确定该产品的风险域对应的风险子域及度量元，制定针对具体的技术风险模型；根据待评估人工智能产品的技术风险模型，收集技术风险评估要求的多个度量元结果；根据预先建立的技术风险评估通过准则对多个度量元结果进行评估，得出技术风险评估结论。本发明从多个角度考虑人工智能产品的技术风险，建立了人工智能产品的开发和应用全生命周期涉及的人工智能技术风险评估方法，解决了人工智能产品的技术风险评估模型缺失的问题。
一种人工智能产品技术风险评估方法系统

[发明专利]基于小波变换压缩和/或解压缩的神经网络处理方法-CN201810408237.1有效
发明人：张潇;金禄旸;张磊;陈云霁 -专利权人：中国科学院计算技术研究所
申请日： 2018-04-28 - 公布日： 2022-02-25 - 主分类号： G06N3/02 文献下载
摘要：本公开提供了一种基于小波变换压缩和/或解压缩的神经网络处理方法，其中，所述神经网络处理方法包括：对片下数据进行压缩并发送至片上；对所述压缩并发送至片上的数据进行解压缩；接收所述解压缩后的数据并执行神经网络运算；对神经网络运算得到的数据进行压缩并发送至片下；以及对所述压缩并发送至片下的数据进行解压缩并存储为片下数据；其中，基于小波变换对数据进行所述压缩和/或解压缩操作。本公开基于小波变换压缩和/或解压缩的神经网络处理方法，通过在加载与存储数据时进行数据压缩，减少了IO量，降低了时间与能量开销。
基于变换压缩解压缩神经网络处理方法

[发明专利]一种模型参数更新方法及装置-CN202111307114.7在审
发明人：阴嘉伟;邓建全 -专利权人：光大科技有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/02 文献下载
摘要：本发明提供了一种模型参数更新方法及装置，其中，该方法包括：获取多个客户端根据训练次数确定的本地模型的梯度与梯度权重；根据多个本地模型的梯度与梯度权重对服务端总模型的模型参数进行更新，得到更新后的模型参数，可以解决相关技术中无法区分模型训练的完备程度，使模型更新效率降低的问题，不同客户端针对其本地模型的不同训练次数确定不同的梯度权重，根据多个本地模型的梯度与梯度权重对服务端总模型的模型参数进行更新，从而使训练完备程度高的本地模型上传时具有较高的权重，训练完备程度低的本模型具有相对低的权重，可以提高模型参数更新的效率。
一种模型参数更新方法装置

[发明专利]神经网络模型量化方法、系统、装置及计算机可读介质-CN202111190372.1在审
发明人：陈其宾;李锐;张晖 -专利权人：山东浪潮科学研究院有限公司
申请日： 2021-10-13 - 公布日： 2022-02-08 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了神经网络模型量化方法、系统、装置及计算机可读介质，属于神经网络技术领域，要解决的技术问题为如何避免在推理时计算激活值量化因子。包括如下步骤：构建神经网络模型，并对神经网络模型进行训练；对于目标模型，通过计算模型权重绝对值最大值，基于量化范围计算模型权重量化因子；对于目标模型的每一层，通过最小化均方误差，计算目标模型每层的激活值量化因子；对于目标模型的每一层，通过量化后的定点类型的权重和激活值进行模型推理，并将推理结果逆量化为int32数据类型；对于目标模型的每一层，通过非对称量化的方式对每个算子进行量化，将浮点类型模型权重量化成int8数据类型，并将激活值量化成uint8数据类型。
神经网络模型量化方法系统装置计算机可读介质

[发明专利]一种适配于运行在FPGA上的神经网络加速器的自适应量化方法-CN202110057445.3在审
发明人：魏璐;马钟;王月娇;杨超杰 -专利权人：西安微电子技术研究所
申请日： 2021-01-15 - 公布日： 2022-02-01 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种适配于运行在FPGA上的神经网络加速器的自适应量化方法，属于神经网络领域。本发明根据神经网络加速器计算过程的实际位宽自动预判神经网络加速器计算时的溢出程度，并针对溢出的程度自适应的调整量化参数，避免神经网络算法在FPGA上计算过程中数据溢出问题的发生，从而保证神经网络模型结果的正确性。本发明的自适应量化方法，将量化操作与神经网络加速器硬件的资源规划相结合，保证了在神经网络加速器部署算法时结果的正确性，在不损失模型精度和执行效率的前提下，能够有效压缩模型规模，使之在资源受限的情况下易于部署实施，节省存储空间和计算资源，具有重要的研究意义和应用价值。
一种运行 fpga 神经网络加速器自适应量化方法

[发明专利]一种面向人工智能计算的神经网络数据串行流水处理装置-CN201810139867.3有效
发明人：陈明书 -专利权人：江苏金羿智芯科技有限公司
申请日： 2018-02-11 - 公布日： 2022-01-07 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及一种面向人工智能计算的神经网络数据串行流水处理装置及系统，装置包括：N个层数据处理模块；N个层数据处理模块串行连接；层数据处理模块包括：处理器及存储器；处理器，用于对神经网络的层数据进行并行运算及串行传输；存储器，用于存储并行运算涉及的所有数据；若多次向神经网络输入初始数据，则N个层数据处理模块对多次输入的初始数据进行流水处理。本发明通过每个层数据处理模块对本身所对应层的层数据进行并行运算，运算过程涉及的所有数据均在本层数据处理模块中存储，减少了运算过程中不断从外部存储读写数据和参数产生大量功耗和延迟的问题，同时对多次输入数据，可进行流水处理，提高神经网络数据的处理效率。
一种面向人工智能计算神经网络数据串行流水处理装置

[发明专利]一种六氟化硫气体密度继电器的校验方法及系统-CN202111093186.6在审
发明人：王楠;欧家祥;孙静;张婷;肖艳红;胡厚鹏;周鸿肖;程威;何沛林;高正浩;吴欣;陈泽瑞;邓钥丹;任晨;刘雍 -专利权人：贵州电网有限责任公司
申请日： 2021-09-17 - 公布日： 2022-01-04 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种六氟化硫气体密度继电器的校验方法及系统，其中，一种六氟化硫气体密度继电器的校验方法包括，利用检测单元采集六氟化硫气体的压力和温度；通过校验单元将压力、温度与设定的报警条件对六氟化硫气体密度继电器进行校验，若所述压力或温度不符合所述报警条件，则通过蜂鸣器发出报警信号；通过安全单元将校验单元校验的报告进行加密，并将加密的报告上传至后台管理单元；本发明基于神经网络构建补偿器，对六氟化硫气体密度继电器进行温度补偿，提高补偿性能，同时通过设定报警条件，提高了六氟化硫气体密度继电器校验的实时性和可靠性。
一种六氟化硫气体密度继电器校验方法系统

[发明专利]一种基于深度强化学习的智慧路灯自适应节能控制方法及系统-CN202110816003.2在审
发明人：林绍福;刘佳欣;陈华敏;李硕朋 -专利权人：北京工业大学
申请日： 2021-07-19 - 公布日： 2021-12-31 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于深度强化学习的智慧照明自适应节能控制方法及系统，在感知控制层利用传感器进行环境状态数据采集，将环境状态数据发送至边缘计算层中的网关；边缘计算层网关收集到环境状态数据，对数据进行缓存和处理，再将数据发送至数据服务层在数据服务层中对环境状态数据进行存储；在数据服务层中将控制指令发送至边缘计算层的网关；边缘计算层网关接收到开/关控制指令后，对照明设备的自适应调控；终端应用层与数据服务层直接相连；数据服务层中的服务器已设置用户指令优先级大于算法输出指令，根据所收到的指令确定最终动作指令。采用深度强化学习算法，在为用户提供合适的光照强度的情况下实现了照明设备的高效自适应节能控制。
一种基于深度强化学习智慧路灯自适应节能控制方法系统

[发明专利]一种模型蒸馏方法及相关设备-CN202110962700.9在审
发明人：侯璐;柏昊立;尚利峰;蒋欣;钱莉 -专利权人：华为技术有限公司
申请日： 2021-08-20 - 公布日： 2021-12-28 - 主分类号： G06N3/02 文献下载
摘要：本申请涉及人工智能领域，公开了一种模型蒸馏方法，包括：在计算节点集群的第一计算节点处，通过学生模型的部分模型以及老师模型的部分模型，对学生模型进行蒸馏，且在蒸馏的梯度回传过程在第一计算节点的内部进行，不依赖于其他计算节点完成所负责的网络层的蒸馏，以此实现更大的计算资源利用率，进而实现蒸馏过程的加速。
一种模型蒸馏方法相关设备

[发明专利]基于强化学习的变化环境多智能体控制方法与装置-CN202110858503.2在审
发明人：朱圆恒;柴嘉骏;李伟凡;赵冬斌;孙科武;丁季时雨;董博 -专利权人：中国科学院自动化研究所
申请日： 2021-07-28 - 公布日： 2021-12-24 - 主分类号： G06N3/02 文献下载
摘要：本发明提供一种基于强化学习的变化环境多智能体控制方法与装置，包括：将当前环境信息和各个智能体的隐含状态输入到智能体网络，得到智能体网络输出的各个智能体的观测动作价值；观测动作价值用于表征对应智能体当前执行所有动作的预估价值；基于各个智能体的观测动作价值，控制各个智能体执行动作；其中，智能体网络是基于样本环境信息和样本智能体的样本隐含状态，联合自加权网络进行强化学习得到的；自加权网络用于确定所有样本智能体执行动作的联合动作价值；在强化学习过程中，自加权网络的输入包括智能体网络输出的所有样本智能体的样本观测动作价值。本发明提供的方法与装置能够避免变化环境中智能体数量动态变化对训练过程的影响。
基于强化学习变化环境智能控制方法装置

[发明专利]用于评估神经网络的特定于功能的鲁棒性的方法-CN202080038184.4在审
发明人： N·卡普尔;P·施利希特;N·M·施密特 -专利权人：大众汽车股份公司
申请日： 2020-04-30 - 公布日： 2021-12-21 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及一种用于评估神经网络(1)的特定于功能的鲁棒性的方法，包括以下步骤：提供神经网络(1)，其中，基于包括训练数据的训练数据集(2)训练或已训练神经网络(1)；通过操纵训练数据集(2)来生成至少一个改变的训练数据集(4)，其中，为此分别在保持在语义上有意义的内容的情况下改变训练数据；确定在由原始训练数据集(2)的训练数据对神经网络(1)的激活与由至少一个改变的训练数据集(4)的分别对应的训练数据的激活之间的至少一个激活差(7)；提供所确定的至少一个激活差(7)。本发明还涉及一种设备(30)、一种计算机程序产品和一种计算机可读的存储介质。
用于评估神经网络定于功能鲁棒性方法

[发明专利]用于人工智能的对罕见训练数据计数-CN202080033660.3在审
发明人： M·布兰德斯;F·弗洛特;A·乔万尼尼;F·格拉夫;S·勒维扎 -专利权人：国际商业机器公司
申请日： 2020-04-28 - 公布日： 2021-12-21 - 主分类号： G06N3/02 文献下载
摘要：可以提供一种针对未充分表示的类别的用于增强分类器预测的系统。利用训练数据进行训练以构建模型的分类器系统用于对未知输入数据进行分类，并且评估器引擎被适配用于确定未充分表示的类。另外，该系统包括一个提取器引擎和一个相似性引擎，该提取器引擎被适配为从另外的源提取相关数据，该相似性引擎被适配为从该相关数据中选择数据集，其中该相似性引擎还被适配为将该相关数据的特征与用于该未充分表示的类别的代表性数据集的特征进行比较。最后，所述系统包括递归单元，所述递归单元被适配成用于触发所述评估器引擎，所述提取器引擎和所述相似性引擎将所选择的数据集合作为输入数据，直到所述评估器引擎以高于置信度阈值水平的置信度水平对所述所选择的数据集合进行分类。
用于人工智能罕见训练数据计数

[发明专利]用于执行反卷积操作的方法、板卡及其计算装置-CN202010556340.8在审
发明人：不公告发明人 -专利权人：安徽寒武纪信息科技有限公司
申请日： 2020-06-17 - 公布日： 2021-12-17 - 主分类号： G06N3/02 文献下载
摘要：本披露公开了一种执行反卷积操作的方法、集成电路板卡及其相应的计算装置。其中该计算装置可以包括在组合处理装置中，该组合处理装置还可以包括通用互联接口和其他处理装置。所述计算装置与其他处理装置进行交互，共同完成用户指定的计算操作。组合处理装置还可以包括存储装置，该存储装置分别与计算装置和其他处理装置连接，用于存储该处理装置和其他处理装置的数据。本披露的方案可以加快在神经网络中反卷积运算的执行速度。
用于执行卷积操作方法板卡及其计算装置

[发明专利]一种强化学习中超高精度探索环境下的状态空间处理方法、系统及电子设备-CN202111035843.1在审
发明人：徐博;张文圣;张鸿铭;王燕娜 -专利权人：中国科学院自动化研究所
申请日： 2021-09-06 - 公布日： 2021-12-14 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种强化学习中超高精度探索环境下的状态空间处理方法，系统及电子设备，涉及超高精度环境状态空间处理方法、系统及电子设备领域。本发明利用环境引擎对所述智能体在环境中对于威胁物和目标点的相关物理量进行采集，通过空间状态处理模块建立倒空间物理量规范，将原始空间相关物理量进行倒空间状态处理，放大所述智能体在相邻时刻间的动作上物理特征差异。再通过策略分析和策略执行结构对所述物理特征进行分析和智能体动作执行，执行的结果经环境引擎处理输入条件，输入至内部Reward函数，根据Reward函数输出结果对智能体动作制定强化学习策略，保证了智能体可在环境序列间状态差异相对自身差异数量级过小的情况下进行有效的学习训练。
一种强化学习超高精度探索环境状态空间处理方法系统电子设备