“G06N3/04”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9067个，建议您升级VIP下载更多相关专利

[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]车速控制硬化神经网络创建及车速控制方法、装置-CN202310416839.2在审
发明人：刘建伟 -专利权人：西安爱芯元智科技有限公司
申请日： 2023-04-18 - 公布日： 2023-10-27 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了一种车速控制硬化神经网络创建及车速控制方法、装置。其中，该车速控制硬化神经网络创建方法包括：基于初始参数值训练原始神经网络，所述初始参数值通过车辆的线性动力学方程确定；对训练后的神经网络进行低比特量化处理；将处理后的神经网络载入特定硬件设备进行硬化，以得到车速控制硬化神经网络。本实施例通过对训练后的神经网络进行低比特量化处理，能够有效降低该神经网络的计算量、参数量以及内存消耗，进而能够降低了该神经网络的计算消耗。另外，对处理后的神经网络进行硬化处理，以形成车速控制硬化神经网络，该硬化神经网络可以提升计算效率，提高该车速控制硬化神经网络的计算速度。
车速控制硬化神经网络创建方法装置

[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]时间预测模型训练方法、时间预测方法及装置-CN202210375350.0在审
发明人：姜正申 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-04-11 - 公布日： 2023-10-27 - 主分类号： G06N3/0475 文献下载
摘要：本发明公开了一种时间预测模型训练方法、时间预测方法及装置，在提取路线特征集合的第一路线特征向量之后，对第一路线特征向量进行维度转换得到第二路线特征向量，根据第一路线特征向量和第二路线特征向量进行时间预测得到预估到达时间，以及对第二路线特征向量进行向量拟合得到路线重建特征向量，然后根据预估到达时间和实际到达时间得到时间预测损失值，以及根据路线重建特征向量和所有路段特征信息得到重建损失值，接着根据时间预测损失值和重建损失值对时间预测模型的参数进行修正。本发明实施例能够提高对预估到达时间的预测准确性。本发明可以广泛应用于例如云技术、人工智能、智慧交通、辅助驾驶等各种场景的信息处理技术中。
时间预测模型训练方法装置

[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]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]模型量化方法、装置、设备及存储介质-CN202311000822.5在审
发明人：黄雅凤;杨豪 -专利权人：苏州轻舟智航智能技术有限公司
申请日： 2023-08-09 - 公布日： 2023-10-27 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供一种模型量化方法、装置、设备及存储介质，涉及模型量化技术领域。所述方法包括：基于预设的模型量化次序，对原始模型逐层进行最优参数搜索，并确定所述原始模型每一层的最优尺度参数；基于所述原始模型每一层的最优尺度参数对所述原始模型进行量化得到最终量化模型。本申请通过按照预设次序依次对原始模型每一层的最优参数进行逐层搜索，从而能够快速、准确地获取得到贴合实际应用需求的量化模型。
模型量化方法装置设备存储介质

[发明专利]数据处理方法、装置、介质及设备-CN202310676849.X在审
发明人：林炳怀;王丽园 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-06-08 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本申请公开了数据处理方法、装置、介质及设备，方法包括：获取目标账号的多种属性信息；基于多种属性信息确定缺失指示信息，缺失指示信息包括与多种属性信息对应的多个缺失指示分量信息；对多种属性信息进行特征表示得到多个特征表示信息；将每一种属性信息的特征表示信息和缺失指示分量信息拼接后输入每一种属性信息对应的分枝网络，得到每一种属性信息的第一指标预测信息；基于每一种属性信息的第一指标预测信息进行针对目标账号的资源推送处理。本申请将缺失指示信息作为特征引入到业务指标的预测中以在数据缺失时也可以执行业务处理，同时构建的与每种属性信息对应的分枝网络降低了整体的模型复杂度，提升了业务处理的效率。
数据处理方法装置介质设备

[发明专利]一种构建图集成模型的方法、装置及存储介质-CN202310844391.4在审
发明人：林科奥;谢小竹;翁伟 -专利权人：厦门理工学院
申请日： 2023-07-11 - 公布日： 2023-10-27 - 主分类号： G06N3/042 文献下载
摘要：本申请实施例公开了一种构建图集成模型的方法、装置及存储介质，用于有效提高经典图神经网络模型的性能，可以结合多个模型的预测结果，有效捕捉数据的多样性，从而提高节点分类的效率和准确性。本申请实施例方法包括：对原始图数据集进行预处理，得到预处理后的原始图数据集；根据所述预处理后的原始图数据集进行训练，得到基学习器，所述基学习器包括图卷积网络GCN、GraphSAGE和图注意力网络GAT中的至少两种；对所述基学习器进行集成，构建图集成模型，所述图集成模型用于节点分类。
一种构建集成模型方法装置存储介质

[发明专利]神经网络模型中归一化算子的量化方法、装置、电子设备-CN202310955099.X在审
发明人：许礼武;余宗桥;黄敦博;周生伟 -专利权人：安谋科技（中国）有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供了一种神经网络模型中归一化算子的量化方法、装置、电子设备及计算机可读存储介质，涉及神经网络领域。该方法包括：根据浮点输出数据、量化位宽、浮点缩放参数以及第一移位数，获得第一量化系数；根据定点输入数据、第二移位数和量化位宽，获得定点归一化结果；根据定点缩放参数、定点平移参数、定点归一化结果，获得初始定点输出数据；根据第一量化系数对初始定点输出数据进行量化，将量化结果以第一移位数进行移位，获得定点输出数据。本申请实施例无需全部求出均值和方差，规避了传统计算均值和方差的方法带来的误差，针对部分除运算采用了基于第一移位数和第二移位数进行移位的方式，大大减少了运算量，提高了运算效率。
神经网络模型归一化算子量化方法装置电子设备

[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]一种时空数据预测方法和装置、及存储介质-CN202211299549.6在审
发明人：范俊杰;朱琳;袁向阳 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2022-10-21 - 公布日： 2023-10-27 - 主分类号： G06N3/049 文献下载
摘要：本申请实施例提供了一种时空数据预测方法，该方法包括：获取时空序列数据；使用目标数据预测模型对时空序列数据进行预测，获得时空序列数据对应的预测结果；其中，目标数据预测模型包括注意力模块，注意力模块包括时间维度注意力、空间维度注意力以及时空维度注意力，通过目标数据预测模型中的注意力模块可以捕捉时空序列数据的时间维度相关性、空间维度相关性和时空维度相关性，使得时空序列数据对应的预测结果更加精准。
一种时空数据预测方法装置存储介质

[发明专利]业务平台扩容预测方法及装置-CN202211531428.X在审
发明人：丁力;费徐伟 -专利权人：中国移动通信集团浙江有限公司;中国移动通信集团有限公司
申请日： 2022-12-01 - 公布日： 2023-10-27 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种业务平台扩容预测方法及装置，其中方法包括：采集业务平台的第一数据以及第一数据的时间戳、监控系统的第二数据及第二数据的时间戳；第一数据包含：用户数据、监控点位数据和/或业务数据，第二数据包含：硬件设备数据；根据第一数据的时间戳和第二数据的时间戳，关联第一数据和第二数据得到训练数据；利用训练数据对深度神经网络模型进行训练，得到扩容预测模型；将待预测数据输入至扩容预测模型，得到预测结果；若根据预测结果确定需要扩容，则下发通知。本发明利用用户数据与业务数据，结合服务与硬件的监控数据，基于深度神经网络高效、准确、全面、及时地预测业务平台的扩容需求，显著提升了运维的水准与能力。
业务平台扩容预测方法装置