“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]用于初始化神经网络的方法和系统-CN202080034485.X在审
发明人：法希德·瓦尔诺;贝赫鲁兹·哈吉·索莱马尼;玛兹·萨哈伊;莉萨·迪·朱里奥;斯坦·马特温 -专利权人：映佳控制公司
申请日： 2020-05-07 - 公布日： 2021-12-14 - 主分类号： G06N3/02 文献下载
摘要：公开用于初始化预训练神经网络的方法和系统，该方法包括：获得具有输出层的预训练神经网络；修改预训练神经网络的输出层，其中，该修改包括根据使输出类概率的熵最大化的函数更新输出层的每个权重，其中，该函数取决于控制输出类概率的误差比例的参数，诸如参数减小输出类概率的方差；并且提供初始化的预训练神经网络。
用于初始化神经网络方法系统

[发明专利]网络模型量化、推理方法、装置、电子设备及存储介质-CN202010521761.7在审
发明人：孟泽民 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2020-06-10 - 公布日： 2021-12-10 - 主分类号： G06N3/02 文献下载
摘要：本申请实施例提供了一种网络模型量化、推理方法、装置、电子设备及存储介质，涉及深度学习技术领域。方法包括：获得待量化网络模型；在沿所述待量化网络模型的数据处理流向对所述待量化网络模型进行量化的过程中，判断当前处理对象是否为量化中间层；若为是，以量化中间层参数中输出量化方式标识所指示的输出量化方式，对沿所述数据处理流向的下一网络子图进行量化；若为否，以模型推理平台支持的量化方式对该当前处理对象进行量化。由此可见，应用本申请实施例提供的方案，能够提高对量化后的模型进行模型推理时的效率。
网络模型量化推理方法装置电子设备存储介质

[发明专利]神经网络模型中子图的展示方法、装置和存储介质-CN202011324500.2有效
发明人：潘子豪;施依欣;吕雪莹;申玉涵;陈泽裕;赖宝华;吴泽武;赵乔 -专利权人：北京百度网讯科技有限公司
申请日： 2020-11-23 - 公布日： 2021-12-07 - 主分类号： G06N3/02 文献下载
摘要：本申请公开了神经网络模型中子图的展示方法、装置和存储介质，涉及深度学习等人工智能技术领域。具体实现方案为：在展示神经网络模型中的子图展示图的过程中，结合从神经网络模型之中读取多个子图及多个子图对应的多个子图参数，并根据多个子图及多个子图对应的多个子图参数生成模型树形结构，以及接收用户子图选择指令，并根据子图选择指令和模型树形结构生成子图展示图并展示。由此，以可视化的方式展示神经网络模型中对应子图的子图展示图，方便用户通过所展示的子图展示图深入了解神经网络模型中子图的内部结构信息，进而可方便后续优化神经网络模型的模型结构。
神经网络模型中子展示方法装置存储介质

[发明专利]用于保护图案分类节点免受恶意请求的方法及相关网络和节点-CN201980095699.5在审
发明人： K·范迪卡斯;L·莫克鲁辛;M·特斯连科;D·林德斯特罗姆;M·奥利克 -专利权人：瑞典爱立信有限公司
申请日： 2019-04-24 - 公布日： 2021-11-30 - 主分类号： G06N3/02 文献下载
摘要：可以提供一种操作用于保护图案分类节点免受恶意请求的保护节点的方法。该保护节点可以从用户节点接收请求，该请求包含要通过由图案分类节点所执行的机器学习算法来分类的原始图案。该保护节点可以向原始图案添加噪声以生成有噪声图案。该保护节点可以基于通过在该保护节点处的机器学习算法的第一克隆对有噪声图案的处理来获得有噪声图案的第一分类；基于转发对通过在图案分类节点处执行的机器学习算法来处理原始图案的请求来获得原始图案的第二分类；以及比较第一分类和第二分类以确定第一分类和第二分类是否满足所定义的相似性规则。该保护节点可以使用该比较以管理来自用户节点的请求。
用于保护图案分类节点免受恶意请求方法相关网络

[发明专利]利用II类MHC模型鉴别新抗原-CN202080028058.0在审
发明人： T·F·鲍彻;B·布里克-沙利文;J·巴斯比;高明德;M·J·戴维斯;L·E·扬;J·M·弗朗西斯;C·帕尔默;M·斯科伯恩;R·耶冷斯凯 -专利权人：磨石生物公司
申请日： 2020-03-06 - 公布日： 2021-11-26 - 主分类号： G06N3/02 文献下载
摘要：一种用于鉴别对可能由II类MHC等位基因呈递在受试者的肿瘤细胞表面上的至少一种新抗原具有抗原特异性的T细胞的方法。通过对所述受试者的肿瘤细胞进行测序来获得肿瘤新抗原的肽序列。将所述肽序列输入机器学习呈递模型以产生所述肿瘤新抗原的呈递可能性，每个呈递可能性代表了新抗原由所述受试者的肿瘤细胞表面上的II类MHC等位基因呈递的可能性。基于所述呈递可能性选择所述新抗原的子集。鉴别对所述子集中的至少一种新抗原具有抗原特异性的T细胞。可扩增这些T细胞以用于T细胞疗法。也可对这些经鉴别的T细胞的TCR进行测序并克隆到新的T细胞中以用于T细胞疗法。
利用 ii mhc 模型鉴别抗原

[发明专利]人工智能平台的配置参数的管理方法和装置-CN201910569545.7有效
发明人：张浩 -专利权人：苏州浪潮智能科技有限公司
申请日： 2019-06-27 - 公布日： 2021-11-26 - 主分类号： G06N3/02 文献下载
摘要：本申请公开了一种人工智能平台的配置参数的管理方法和装置。所述方法包括：获取automl平台上基于nasnet的网络结构在预先设置的数据集的性能评价指标；利用预先设置的至少两个参数生成策略对所述性能评价指标进行处理，得到至少两组automl参数，其中所述automl参数用于生成新的网络结构；按照预先设置的automl参数的确定策略，利用所述至少两组automl参数，确定目标automl参数；利用所述目标automl参数，对所述基于nasnet的网络结构进行下一次迭代操作。
人工智能平台配置参数管理方法装置

[发明专利]使用一个或更多个神经网络进行精彩片段确定-CN202110511245.0在审
发明人： S·帕德什;P·P·科塔里;V·V·盖克瓦德 -专利权人：辉达公司
申请日： 2021-05-11 - 公布日： 2021-11-12 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了使用一个或更多个神经网络进行精彩片段确定，具体提出了用于选择内容的片段的设备、系统和技术。在至少一个实施例中，在一个或更多个视频片段的呈现期间，一个或更多个神经网络被用来至少部分地基于一个或更多个视频片段的一个或更多个观看者的一个或更多个情绪的指示，从一个或更多个视频文件中选择一个或更多个视频片段。
使用一个更多神经网络进行精彩片段确定

[发明专利]一种面向监控视频流场景的神经网络模型推理加速方法-CN202110911956.7在审
发明人：陈轶;张文;牛少彰;王茂森;崔浩亮 -专利权人：东南数字经济发展研究院
申请日： 2021-08-10 - 公布日： 2021-11-05 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种面向监控视频流场景的神经网络模型推理加速方法，以神经网络层级为单位，按照神经网络推理计算方向进行分割，将原先的神经网络模型分割成多个模块，前一个模块的输出作为后一个模块的输入，分割后的多个模块之间利用多进程技术并行处理，即一个模块对应一个进程；神经网络各个模块之间按照多进程方式并行独立计算输入数据，模块进程之间数据传输通过消息队列方式进行。本发明涉及神经网络模型技术领域，具体提供了一种面向监控视频流场景的神经网络模型推理加速方法，该方法从神经网络的前馈特征和层级级联特性出发，利用多进程技术提升神经网络推理计算时的运行速度。
一种面向监控视频场景神经网络模型推理加速方法

[发明专利]使用一个或多个神经网络的诊断-CN202080022243.9在审
发明人： N·黑梅尔;R·豪基奥亚 -专利权人：辉达公司
申请日： 2020-03-10 - 公布日： 2021-11-05 - 主分类号： G06N3/02 文献下载
摘要：提出了用于分析图像中的对象的装置、系统和技术，所述图像包括这些对象的数字表示。在至少一个实施例中，至少部分地基于用于识别一个或更多个医学图像的一个或更多个神经网络来确定一个或更多个诊断过程。
使用一个神经网络诊断

[发明专利]卷积神经网络判断根据提取方法及装置-CN202080021270.4在审
发明人：福原诚史;藤原一彦;丸山芳弘 -专利权人：浜松光子学株式会社
申请日： 2020-02-25 - 公布日： 2021-10-29 - 主分类号： G06N3/02 文献下载
摘要：本发明的卷积神经网络判断根据提取装置(1)具备贡献率计算部(2)及根据提取部(3)。贡献率计算部(2)求得全结合层的权重(36)相对于输出层的任一输出标签的贡献率(βc,m)。根据提取部(3)基于输入至全结合层的特征量图(25)、全结合层的权重(36)及上述贡献率(βc,m)，提取CNN的判断的根据。由此，可实现即使在CNN的隐藏层较少的情况、或卷积层中所使用的滤波器的尺寸较小的情况下，也可提取输入的数据中成为基于CNN的判断的根据的特征区域的方法及装置。
卷积神经网络判断根据提取方法装置

[发明专利]用于生成神经网络模型的方法、装置、系统、设备、介质和程序产品-CN202110704382.6在审
发明人：罗咪;陈飞;李震国;冯佳时 -专利权人：华为技术有限公司
申请日： 2021-06-24 - 公布日： 2021-10-29 - 主分类号： G06N3/02 文献下载
摘要：本公开的实施例提供了用于生成神经网络模型的方法、装置、系统、设备、介质和程序产品。方法包括第一设备向第二设备发送关于子网络模型的结构的指示，子网络模型是通过调整超网络模型的结构来确定的；第一设备从第二设备接收子网络模型的参数，子网络模型的参数由第二设备基于该指示和超网络模型而确定；第一设备基于所接收的子网络模型的参数来训练子网络模型；以及第一设备向第二设备发送经训练的子网络模型的参数，以用于第二设备更新超网络模型。通过上述方式，提供了多个设备之间的高效的联邦学习方案，在提升模型精度的同时，还减少了联邦学习过程所需的通信成本、以及设备的计算成本。
用于生成神经网络模型方法装置系统设备介质程序产品

[发明专利]评价装置、评价方法以及评价程序-CN202080018178.2在审
发明人：高桥知克;山田真德 -专利权人：日本电信电话株式会社
申请日： 2020-03-11 - 公布日： 2021-10-22 - 主分类号： G06N3/02 文献下载
摘要：评价装置接受变分自编码器的隐变量的输入，对所输入的隐变量进行聚类，按每个聚类对属于该聚类的隐变量赋予表示上述聚类的标签。然后，评价装置进行分类器的学习，以按照所赋予的标签正确地对隐变量进行分类，对学习后的分类器进行Adversarial Attack的耐性评价，输出耐性评价的结果。由此，评价装置即使是使用无标签数据作为输入数据的变分自编码器，也能够进行Adversarial Attack的耐性评价。
评价装置方法以及程序

[发明专利]神经网络的量化策略确定方法、图像识别方法和装置-CN201910531769.9有效
发明人：刘泽春;郭梓超;衡稳 -专利权人：北京迈格威科技有限公司
申请日： 2019-06-19 - 公布日： 2021-10-15 - 主分类号： G06N3/02 文献下载
摘要：本申请涉及一种神经网络的量化策略确定方法、图像识别方法、装置、计算机设备和可读存储介质。该方法包括：获取预设的针对目标神经网络的多种量化策略；其中，每个量化策略用于表征目标神经网络中各网络层的运算属性的值，目标神经网络在各个量化策略下具有对应的模型参数；根据目标神经网络采用不同量化策略下的模型参数对测试样本进行测试的测试精度，从目标神经网络对应的多种量化策略中选择至少一种量化策略作为目标量化策略。采用本方法确定的目标量化策略能够在对目标神经网络压缩的同时，避免目标神经网络的预测精度严重下降的问题。
神经网络量化策略确定方法图像识别装置

[发明专利]一种神经网络训练方法及其装置、计算机服务器-CN201810498650.1有效
发明人：黄泽昊;王乃岩 -专利权人：北京图森智途科技有限公司
申请日： 2018-05-23 - 公布日： 2021-10-12 - 主分类号： G06N3/02 文献下载
摘要：本发明公开一种神经网络训练方法及其装置、计算机服务器，以解决现有技术无法自动化训练神经网络的问题。方法包括：自动筛选神经网络处理失败的输入数据，得到待标注数据集；对所述待标注数据集进行标注，得到新的标注数据集；获取包含所述新的标注数据集的新增标注数据集，并将该新增标注数据集与前一周期用于训练所述神经网络的训练样本数据集的并集确定为本周期的训练样本数据集；基于本周期的训练样本数据集对所述神经网络进行迭代训练，得到本周期训练得到的神经网络。本发明技术方案能够实现自动化训练神经网络，以不断提高神经网络的准确性。
一种神经网络训练方法及其装置计算机服务器

[发明专利]一种基于RESN-SOL神经网络的分类方法-CN202110675569.8在审
发明人：杨翠丽;王丹蕾;杜永萍;韩红桂 -专利权人：北京工业大学
申请日： 2021-06-18 - 公布日： 2021-10-08 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于RESN‑SOL神经网络的分类方法。本方法主要操作流程如下：首先，采用不敏感损失函数对网络的预测性能进行评估以提高回声状态网络预测模型的鲁棒性；其次，利用输入样本驱动网络模型，采用在线梯度下降法对所建网络模型进行训练；再次，设计稀疏逼近算法将输出权重矩阵中的较小权重逼近为零，以提高网络的稀疏性；最后对数据集中的样本进行分类，使其误差最小化，提高了网络结构稀疏性。本发明利用RESN‑SOL神经网络进行分类，具有分类准确率高、稳定性强、维护成本低、计算时间短等优点。
一种基于 resn sol 神经网络分类方法