“G06N3/08”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4678个，建议您升级VIP下载更多相关专利

[发明专利]模型量化方法、装置、设备、存储介质及程序产品-CN202210234324.6在审
发明人：刘剑 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-03-10 - 公布日： 2023-09-22 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种模型量化方法、装置、设备、存储介质及程序产品，属于神经网络技术领域。该方法获取多个输出数据，基于多个输出数据，确定数据分布范围以及正态分布参数，基于正态分布参数，确定多个输出数据的第一置信区间，基于数据分布范围和第一置信区间，对初始模型进行量化训练。该方法是在模型训练过程中对模型进行量化，由于第一置信区间可以表示该多个输出数据中大部分输出数据所在的区间，因此，基于该第一置信区间和该多个输出数据的数据分布范围进行量化训练，可以得到合理且相对集中的数据取值范围，降低量化过程中造成的精度损失，从而提高量化效果。
模型量化方法装置设备存储介质程序产品

[发明专利]数据处理的方法和装置-CN202180092506.8在审
发明人：石楠翔;刘武平;唐玮玮 -专利权人：华为技术有限公司
申请日： 2021-12-27 - 公布日： 2023-09-22 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了人工智能领域中的一种数据处理的方法与装置。该数据处理的方法包括：获取神经网络图中第一节点的编号信息，该编号信息包括张量编号与轴编号，张量编号所指示的张量为待切分张量，轴编号所指示的轴为待切分张量的切分轴；沿轴编号指示的轴对第一节点的张量编号指示的待切分张量进行切分，神经网络图用于表征一个神经网络，第一节点是该神经网络的一个计算单元。通过在神经网络图中标注每个节点的编号信息，以及获取该节点的编号信息，并基于该编号信息完成对该节点的张量的切分，本申请实施例能够实现完成对任意神经网络图中节点的切分，并能够增强神经网络图的切分方案的适用性，从而可以直接切分任意的神经网络图。
数据处理方法装置

[发明专利]一种基于双层对抗的自适应认知诊断方法-CN202310712051.6在审
发明人：张玉红;司晨阳 -专利权人：合肥工业大学
申请日： 2023-06-15 - 公布日： 2023-09-22 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种基于双层对抗的自适应认知诊断方法，是通过自适应学习的方式来提高学生认知诊断的精度，其步骤包括：1、基于向量嵌入方法获取知识点熟练度、习题难度和习题差异度的向量嵌入表示，并对目标向量嵌入表示进行自适应学习；2、对向量嵌入表示进行交互，在两层全连接层之后进行自适应学习；3、进行双层对抗的自适应认知诊断网络的损失函数设计，更新网络的参数；4、使用交叉熵损失优化整个双层对抗的自适应认知诊断网络。本发明能利用其他场景如不同学生、不同习题的做题记录实现做题记录缺失场景下的自适应认知诊断，从而实现更加准确的学生表现预测。
一种基于双层对抗自适应认知诊断方法

[发明专利]用于制造过程参数估计的模块式自动编码器模型-CN202180088188.8在审
发明人： A·奥纳斯;B·J·M·铁默斯马;N·弗赫尔;R·德克斯 -专利权人： ASML荷兰有限公司
申请日： 2021-12-20 - 公布日： 2023-09-22 - 主分类号： G06N3/084 文献下载
摘要：描述一种模块式自动编码器模型。该模块式自动编码器模型包括：输入模型，该输入模型被配置成将一个或更多个输入处理成适于与其它输入组合的第一级维度；共同模型，该共同模型被配置成：降低所组合的经处理的输入的维度以在潜在空间中产生低维度数据；并且将该潜在空间中的该低维度数据扩展成适于产生一个或更多个不同的输出的该一个或更多个输入的一个或更多个扩展版本；输出模型，该输出模型被配置成使用该一个或更多个输入的该一个或更多个扩展版本来产生该一个或更多个不同的输出，该一个或更多个不同的输出是该一个或更多个输入的近似值；以及预测模型，该预测模型被配置成基于该潜在空间中的该低维度数据来估计一个或更多个参数。
用于制造过程参数估计模块自动编码器模型

[发明专利]模型训练方法、装置、设备、存储介质及程序产品-CN202210254177.9在审
发明人：丁悦;刘江;马腾;罗文强;陈晓熠;雷柏英;陈仲;陈智唯;夏春梅;郭培栋 -专利权人：生物岛实验室;中山大学孙逸仙纪念医院
申请日： 2022-03-15 - 公布日： 2023-09-22 - 主分类号： G06N3/08 文献下载
摘要：本公开实施例公开了一种模型训练方法、装置、设备、存储介质及程序产品，所述模型训练方法包括：确定初始多通道残差神经网络模型；获取多通道残差神经网络模型训练数据集合，其中，所述多通道残差神经网络模型训练数据集合包括QUS设备多通道骨射频数据，以及与所述多通道骨射频数据对应的骨折评价值标签；以所述多通道骨射频数据作为输入，以所述骨折评价值标签作为输出，训练所述初始多通道残差神经网络模型，得到多通道残差神经网络模型。该技术方案能够全面、准确地提取超声射频信号特征，训练得到鲁棒性较强的多通道残差神经网络模型，该模型可应用于骨折风险预测领域，以及时采取有效预防措施，降低骨质疏松性骨折发生几率，减少患者的痛苦。
模型训练方法装置设备存储介质程序产品

[发明专利]一种机器人的模型训练、运动指令预测方法、装置及系统-CN202310795903.2有效
发明人：蔡亚谚;许晋诚 -专利权人：帕西尼感知科技（张家港）有限公司
申请日： 2023-07-01 - 公布日： 2023-09-22 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例属于人工智能技术领域，涉及一种机器人的模型训练方法，包括获取单任务训练样本；获取预设的通用技能模型和单任务技能模型；其中，单任务技能模型的网络结构和初始参数值与预设的通用技能模型的网络结构和参数值相同；基于单任务训练样本，结合预设的通用技能模型和单任务技能模型的叠加输出，训练单任务技能模型。本申请还提供一种运动指令预测方法、机器人的模型训练、运动指令预测装置及系统等。本申请采用的技术方案可以减少机器人的模型训练成本，提高模型学习效率。
一种机器人模型训练运动指令预测方法装置系统

[发明专利]一种隐私保护的神经网络多方协作无损训练方法及系统-CN202110560355.6有效
发明人：朱辉;赵家奇;胡国靖;王枫为;季琰;徐奇 -专利权人：西安电子科技大学;中移（苏州）软件技术有限公司
申请日： 2021-05-22 - 公布日： 2023-09-22 - 主分类号： G06N3/08 文献下载
摘要：本发明属于信息安全技术领域，公开了一种隐私保护的神经网络多方协作无损训练方法及系统，系统初始化，可信中心生成并分发系统参数、参与方私钥和聚合服务器私钥，聚合服务器生成神经网络模型和训练中的超参数；模型扰动和分发，聚合服务器对全局模型参数进行裁剪和打乱，并下发扰动后的模型；参与方用本地数据对收到的模型参数进行随机梯度下降训练，获得本地更新，并使用参与方私钥对本地更新进行加密后上传给聚合服务器；聚合服务器对收到的各密文本地更新进行聚合、聚合服务器私钥解密，得到聚合更新，并通过模型恢复得到新的全局模型参数。本发明能够实现对训练期间本地更新和全局模型参数中的敏感数据信息的隐私保护。
一种隐私保护神经网络多方协作无损训练方法系统

[发明专利]神经网络量化模型训练方法、装置及设备-CN202211080897.4有效
发明人：徐健;杨会渠;于丽娜;李卫军 -专利权人：中国科学院半导体研究所
申请日： 2022-09-05 - 公布日： 2023-09-22 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种神经网络量化模型训练方法、装置及设备，涉及人工智能技术领域，该方法包括：获取浮点模型对应的量化模型，所述量化模型为对所述浮点模型进行量化压缩后的模型；根据所述浮点模型和所述量化模型分别对训练样本处理，得到所述浮点模型输出的第一检测结果和所述量化模型输出的第二检测结果；根据所述第一检测结果和所述第二检测结果，对所述量化模型的参数进行调整。本方案通过浮点模型和量化模型之间的等价性损失来评判量化模型的优劣，基于等价性损失对量化模型进行更新，减小了量化模型迁移到轻量化设备上带来应用和维护上的困难。
神经网络量化模型训练方法装置设备

[发明专利]用于确定模型结构的方法和装置-CN202010387248.3有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-05-09 - 公布日： 2023-09-22 - 主分类号： G06N3/082 文献下载
摘要：本申请公开了用于确定模型结构的方法和装置，涉及计算机视觉技术领域。具体实施方式包括：获取训练相关脚本，该训练相关脚本包括用于训练模型的脚本；确定包含多个候选模型结构的搜索空间；将该训练相关脚本确定为第一组件，并调用该第一组件，在该搜索空间中搜索一个候选模型结构作为目标模型结构。本申请可以对训练相关脚本进行组件化，从而在不修改训练相关脚本的情况下，实现自动化搜索模型结构，避免了在训练相关脚本中硬编码搜索脚本带来的高耦合度，同时提高了搜索模型结构的灵活性。
用于确定模型结构方法装置

[发明专利]基于时序对齐预测的序列距离度量方法、存储介质及芯片-CN202110773058.X有效
发明人：苏冰;文继荣 -专利权人：中国人民大学
申请日： 2021-07-08 - 公布日： 2023-09-22 - 主分类号： G06N3/084 文献下载
摘要：本发明涉及机器学习技术领域，为基于时序对齐预测的序列距离度量方法、存储介质及芯片，包括步骤：先构建保序对齐预测(OAP)模型，对OAP模型进行自监督训练。保序对齐预测距离采用轻量级类似transformer的神经网络直接预测两个序列之间的最优对齐，因此在推理时只需要直接计算，不涉及优化。可以应用在序列分类和检索任务中，在获得和别的序列距离相当的性能同时，具有更快的推理速度。该方案提出的保序对齐预测OAP距离是可学习的序列距离，在推理中只需要直接计算，具有良好的可解释性；其次，通过设计产生近似真实对齐的序列增强方法，在此基础上，提出了自监督的OAP学习方法，不需要标注训练序列；此外，OAP距离可以方便地实现端到端的监督表征学习。
基于时序对齐预测序列距离度量方法存储介质芯片

[发明专利]模型参数更新方法及装置-CN202010167280.0有效
发明人：李龙;王海峰;巩伟宝 -专利权人：北京百度网讯科技有限公司
申请日： 2020-03-11 - 公布日： 2023-09-22 - 主分类号： G06N3/084 文献下载
摘要：本申请公开了模型参数更新方法及装置，涉及深度学习技术领域。具体实现方案为：获取模型对待训练的批次训练数据的批次训练时间；在批次训练时间大于等于预设的时间阈值时，提高参数梯度通信任务序列中排序在后的任务的优先级；按照模型中各个参数梯度通信任务的优先级进行参数梯度通信以及参数更新，从而能够结合批次训练时间对各个参数梯度通信任务的优先级进行调整，避免共享通信链路的其他训练任务的影响，减少训练时间，提高训练速度。
模型参数更新方法装置

[发明专利]一种配电网理论线损率评估方法及系统-CN202010236515.7有效
发明人：王效壮;陈芳;钟佳霖 -专利权人：济南大学
申请日： 2020-03-30 - 公布日： 2023-09-22 - 主分类号： G06N3/084 文献下载
摘要：本发明提供了一种配电网理论线损率评估方法及系统，涉及配电网技术领域，对获取配电网数据进行预处理，得到线路的负荷月有功电量之和以及标准差、代表日无功供电量和二十四小时有功功率主成分提取量；利用训练好的神经网络模型，以预处理后得到的线路运行数据和线路参数为输入，得到此线路的线损率预测值。本发明充分考虑了供电曲线和负荷分布特性对线损计算结果的影响，把线损的计算过程抽象为与线损相关联的多元特征提取过程，简化了线损计算过程，提高了计算效率和准确度。
一种配电网理论线损率评估方法系统

[发明专利]一种基于自蒸馏凸量化的神经网络模型压缩方法及装置-CN202310698141.4在审
发明人：樊春晓;王子奇;宋光明 -专利权人：合肥工业大学
申请日： 2023-06-13 - 公布日： 2023-09-19 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种基于自蒸馏凸量化的神经网络模型压缩方法及装置，该发明首次将量化问题建模为一个多目标优化问题，通过训练提升网络识别精度的同时，试图降低后续量化操作所导致的量化误差，从而找到最优的网络结果。为了降低优化的难度，在设计了一个可微的量化损失函数，且该函数在每个周期都是凸的，以表示量化误差。通过将多目标损失加权相加将优化问题转化为单目标优化问题，并设计动态拉格朗日系数用以平衡两个目标损失的权重。此外，本文首次将自蒸馏引入到多目标优化求解问题，由于在自蒸馏中，网络的识别精度是随着迭代进行逐步提高的，可以用于避免过度拟合量化误差所导致的精度损失。
一种基于蒸馏量化神经网络模型压缩方法装置

[发明专利]一种模型压缩部署方法、装置、服务器及存储介质-CN202310715204.2在审
发明人：冯珺;赵帅;彭梁英;潘司晨;陈浩;李钟煦;王艺丹;柯公武 -专利权人：国网浙江省电力有限公司信息通信分公司;国网浙江省电力有限公司双创中心
申请日： 2023-06-15 - 公布日： 2023-09-19 - 主分类号： G06N3/082 文献下载
摘要：本申请公开一种模型压缩部署方法、装置、服务器及存储介质，涉及模型处理技术领域，能够解决如何根据用户的部署需求确定最优的压缩优化方法的问题。具体方案包括：获取待压缩模型和待压缩模型的压缩需求信息，调用预设的第一估计函数，对待压缩模型的模型指标进行估计，得到第一指标；第一估计函数用于预测待压缩模型经过知识蒸馏处理后的模型指标，模型指标包括模型大小、参数量、计算量和仿存量；根据第一指标、预设的惩罚因子和预设值，确定第一指标对应的模型在待部署设备上的第一处理速度；根据第一处理速度和部署设备的处理速度，确定待压缩模型的压缩策略，并利用确定出的压缩策略对待压缩模型进行压缩，得到待压缩模型的目标压缩模型。
一种模型压缩部署方法装置服务器存储介质

[发明专利]用于神经网络模型的模型参数更新方法及装置-CN202310728893.0在审
发明人：沈力 -专利权人：京东科技信息技术有限公司
申请日： 2023-06-19 - 公布日： 2023-09-19 - 主分类号： G06N3/084 文献下载
摘要：本公开涉及模型参数更新方法及装置。模型参数更新方法包括：获取第一训练数据和第二训练数据；根据第一训练数据，以最大化神经网络模型的初始模型参数的邻域内的平均损失为目标，沿着梯度下降的方向，对初始模型参数进行更新，得到第一模型参数；通过奇异值分解，确定第一训练数据基于第一模型参数的表示矩阵的多个左奇异向量，其数量通过k秩逼近操作确定且采用的超参数的值小于超参数阈值；根据第二训练数据，以最大化神经网络模型的第一模型参数的邻域内的平均损失为目标，确定损失函数的第二梯度；确定第二梯度与第一训练数据构成的子空间正交的梯度分量；根据正交梯度分量，沿着梯度下降的方向，对第一模型参数进行更新，得到第二模型参数。
用于神经网络模型参数更新方法装置