“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]油井产量预测模型生成方法、油井产量预测方法及装置-CN202310689240.6在审
发明人：李顶;王相;丁阳阳 -专利权人：常州大学
申请日： 2023-06-12 - 公布日： 2023-10-10 - 主分类号： G06N3/086 文献下载
摘要：本申请涉及多智能体和遗传进化算法领域领域，公开了一种油井产量预测模型生成方法、油井产量预测方法及装置，所述方法利用基于卷积神经网络的多智能体系统模型结构构建油井产量模型，在训练过程中可以利用多智能体之间的协作和竞争机制，使得每个智能体在更新自己的参数时会同时更新其余的智能体，同时完成多智能体之间的信息交互，通过这种交互，可以提高油井产量预测模型的鲁棒性，可以更好地完成不同油藏的产量预测任务。然后，将预先获得的预测样本输入所述油井产量模型，并利用遗传算法对所述油井产量预测模型进行参数优化，获得油井产量预测模型，可以进一步提高预测结果的可靠性。
油井产量预测模型生成方法装置

[发明专利]颗粒度预测模型训练方法、资源占用预测方法、装置-CN202310842618.1在审
发明人：姚旭杨;胡婕;谷红明 -专利权人：中国电信股份有限公司技术创新中心;中国电信股份有限公司
申请日： 2023-07-10 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本公开涉及计算机技术领域，具体涉及一种颗粒度预测模型训练方法、资源占用预测方法、颗粒度预测模型训练装置、资源占用预测装置、存储介质及设备，上述方法包括：得到样本资源占用时间序列；对样本资源占用时间序列进行采样得到多组样本资源占用时序数据；将多组样本资源占用时序数据输入资源占用预测模型得到多组样本资源占用时序数据对应的资源占用预测数据；将目标资源占用预测数据对应的候选时间颗粒度作为目标时间颗粒度；将样本资源占用时间序列输入待训练模型得到预测颗粒度，通过预测颗粒度与目标时间颗粒度对待训练模型的神经网络参数进行更新。通过本公开实施例的技术方案，可以解决相关技术中确定时间颗粒度的效率较差的问题。
颗粒预测模型训练方法资源占用装置

[发明专利]一种优化神经网络模型的方法及相关装置-CN202210304576.1在审
发明人：许奕星;唐业辉;王云鹤;丁宁;许超 -专利权人：华为技术有限公司;北京大学
申请日： 2022-03-26 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本申请实施例公开了一种优化神经网络模型的方法及相关装置，用于在没有源域数据的情况下，利用源域数据的信息提高域自适应算法的精度，从而可以提高优化效果。本申请实施例方法包括：确定K个类别的源域特征的条件分布，源域特征是源域数据的特征，其中，K为大于1的整数；根据条件分布进行特征采样，以得到K个类别的代理源域特征，并采用代理源域特征代替源域特征；对于根据K个类别的源域特征进行预训练得到的神经网络模型，根据K个类别的代理源域特征、K个类别的目标域特征和域自适应算法对该神经网络模型进行优化，目标域特征是目标域数据的特征。
一种优化神经网络模型方法相关装置

[发明专利]多任务检测方法、电子设备、车辆及介质-CN202310629695.9在审
发明人：陆强 -专利权人：嬴彻星创智能科技（上海）有限公司
申请日： 2023-05-30 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本发明提供一种多任务检测方法、电子设备、车辆及介质，多任务检测方法包括获取多任务感知数据；将多任务感知数据输入至训练好的轻量化多任务模型，以输出每个任务对应的检测信息；其中，轻量化多任务模型是基于各单元敏感度层级对基线多任务模型进行优化得到；基线多任务模型是基于多任务感知训练数据和多任务目标检测信息训练得到。基于各单元敏感度层级对基线多任务模型进行优化，模型中不同单元采用不同的优化方式，可以使多任务模型更极致的轻量化，减少部署耗时即计算占用资源，提升多任务检测效率和检测结果准确性。
任务检测方法电子设备车辆介质

[发明专利]一种异常检测模型的训练方法、装置、设备及存储介质-CN202310652219.9在审
发明人：魏政 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-06-02 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种异常检测模型的训练方法、装置、设备及存储介质，确定包含多个样本账户分别对应的历史行为序列的训练样本组，并根据历史上对该训练样本组对应的各样本账户执行的异常处理策略之间的第一相关度，确定该训练样本组的标注，进而通过待训练的异常检测模型，得到该训练样本组中各样本账户分别对应的异常检测结果，以及根据各样本账户分别对应的异常检测结果之间的相似度和该训练样本组的标注来训练该异常检测模型。可见，本申请中使用训练样本组对应的各样本账户执行的异常处理策略之间的第一相关度，指导该异常检测模型进行训练。训练得到的异常检测模型可准确识别出异常账户，保证了异常检测的准确率。
一种异常检测模型训练方法装置设备存储介质

[发明专利]脉冲神经网络训练方法、装置、电子设备及存储介质-CN202310748273.3在审
发明人：张兆翔;肖俊;王玉玺;王经韬;宋增杰 -专利权人：中国科学院自动化研究所;中国科学院大学
申请日： 2023-06-21 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种脉冲神经网络训练方法、装置、电子设备及存储介质，其中方法包括：构建输入脉冲序列和输出脉冲序列之间的关系；基于关系得到稳定脉冲输入流、稳定脉冲输出流和平均脉冲电量；脉冲编码器将样本数据转换为样本脉冲序列编码；将样本脉冲序列编码输入至脉冲神经网络进行前向传播，得到每一层的输入与输出和前向传播的输出；基于前向传播的输出与真实标签，确定全局误差；基于梯度和稳定脉冲输出流，得到稳定脉冲输出流的梯度；基于稳定脉冲输出流的梯度，确定反向传播梯度；进行梯度反传，直至全局误差小于预设阈值，由此，能够越过时间维度上的误差反传过程，从而减小训练开销，并且在极大降低训练开销的同时获得表现优异的模型。
脉冲神经网络训练方法装置电子设备存储介质

[发明专利]一种基于卷积层相对信息熵的神经网络剪枝子网搜索方法-CN202310796834.7在审
发明人：牛力;程赵焜;沙枫;仇祎诚;宋文杰;廖佳纯 -专利权人：南湖实验室
申请日： 2023-06-29 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本方案公开了一种基于卷积层相对信息熵的神经网络剪枝子网搜索方法，该方法创新地利用了模型权重的信息熵来对不同卷积层的冗余度进行比较，各卷积层基于冗余程度的不同进行区别对待，冗余程度低的层剪枝时保留相对较大比例，而冗余度高的层剪枝时保留相对较小比例，使通过本方案得到的子网络具有更佳的网络性能，能够适用于任意比例范围(0～1之间)的神经网络剪枝需求，可以根据设定的剪枝保留比例需求，搜索大量符合要求的子网络，并利用有效的自适应批量归一化评估器从中选出最优子网络。
一种基于卷积相对信息神经网络剪枝子网搜索方法

[发明专利]自然语言处理方法、系统、模型训练方法、介质及设备-CN202310734196.6在审
发明人：请求不公布姓名 -专利权人：上海蜜度信息技术有限公司
申请日： 2023-06-20 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种自然语言处理模型的训练方法，包括将待处理文本输入自然语言处理模型；所述自然语言处理模型包括基本分支和自然语言处理分支；基于所述基本分支获取文本特征和文本映射特征；基于所述自然语言处理分支对所述文本映射特征和所述文本特征进行处理以获取所述待处理文本的多任务自然语言处理结果；根据所述待处理文本和所述多任务自然语言处理结果对所述自然语言处理模型进行训练以获取训练好的自然语言处理模型。本发明提供的自然语言处理方法、系统、模型训练方法、介质及设备，能够同时进行不同的自然语言处理任务，包括文本分类、文本翻译、命名实体识别和文本纠错任务，从而有效减少硬件资源消耗和降低人工成本。
自然语言处理方法系统模型训练介质设备

[发明专利]基于存储神经单元的更新模型方法、装置、设备及介质-CN202310798266.4在审
发明人：李春宇;郝碧波;倪渊 -专利权人：平安科技（深圳）有限公司
申请日： 2023-06-30 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本申请涉及人工智能领域、医疗健康技术领域，揭示了一种基于存储神经单元的更新模型方法、装置、设备及介质，其中，方法包括：获取文本数据；将文本数据输入至第一数据模型，得到第一输出值；将各个第一输出值输入至目标分类模型中，得到每个第一存储神经元对应的第一分类标签；确定分类标签满足预设更新条件的每个第一存储神经元作为第二存储神经元，将第二存储神经元对应的第一神经元作为第二神经元；根据文本数据以及第一数据模型，对第一数据模型中的第二神经元的权重进行更新。能够确定需要进行更新的第二神经元，对第二神经元更新，实现了对第一数据模型进行快速更新，提高了更新第一数据模型的效率，降低了训练第一数据模型的成本。
基于存储神经单元更新模型方法装置设备介质

[发明专利]基于进化算法的多任务持续学习方法、装置、设备及介质-CN202310822048.X在审
发明人：徐枫;薄子豪;郭雨晨 -专利权人：清华大学
申请日： 2023-07-05 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及人工智能技术领域，特别涉及一种基于进化算法的多任务持续学习方法、装置、设备及介质，方法包括：确定多个待持续学习任务和每个待持续学习任务对应的进化世代个数，获取利用任一待持续学习任务进行训练时的训练结果和当前进化世代个数，且在当前进化世代个数达到任一待持续学习任务对应的进化世代个数时，根据训练结果更新初始世界模型库，从剩余的多个待持续学习任务中选择新的任一待持续学习任务进行训练，直至多个待持续学习任务均完成后，得到满足预设性能要求的初始世界模型库，并将其作为多任务持续学习大模型。由此，解决了由于训练深度模型的局限性，导致其学习能力和泛化能力较弱等问题，有效利用多任务构建通用人工智能。
基于进化算法任务持续学习方法装置设备介质

[发明专利]一种模型训练方法、装置及电子设备-CN202210286015.3在审
发明人：黄斌;丁健;叶挺群 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2022-03-22 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本发明实施例提供了一种模型训练方法、装置及电子设备。其中，所述方法包括：获取目标模型预期部署的目标平台的量化模式；按照所述量化模式通过所述目标模型对样本数据进行量化推理，得到推理结果；根据所述推理结果调整所述目标模型。可以在训练模型时加入目标平台的量化模式，以使得训练得到的模型在该量化模式下能够准确地输出推理结果，因此在将经过训练的模型属于目标平台后，目标平台能够通过该模型正常提供推理服务，降低需要重新训练模型的概率，即提高了模型部署效率。
一种模型训练方法装置电子设备

[发明专利]跨域自适应学习-CN202280010008.9在审
发明人： D·达斯;F·M·波利克里;S·尹 -专利权人：高通股份有限公司
申请日： 2022-01-20 - 公布日： 2023-10-10 - 主分类号： G06N3/0895 文献下载
摘要：提供了用于跨域自适应学习的技术。根据在源数据集上训练的源域特征提取模型来调谐目标域特征提取模型，其中该调谐是使用在目标数据集上训练的掩码生成模型来执行的，并且该调谐是使用目标数据集来执行的。
自适应学习

[发明专利]基于通道相关性和L2范数联合的深度神经网络剪枝方法-CN202310569239.X在审
发明人：董安冉;李伟明;田新;马浩轩;汤超 -专利权人：赛思倍斯（绍兴）智能科技有限公司
申请日： 2023-05-16 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本发明公开了一种基于通道相关性和L2范数联合的深度神经网络剪枝方法，适用于深度神经网络的模型压缩加速推理。具体步骤为：对于所用深度网络训练并选出收敛的网络模型参数，并根据剪枝率和待剪枝层两两通道之间的相关系数大小作为判断网络层级通道冗余的依据，当相关系数较高时认为通道之间存在较大冗余，此时标记两通道中L2范数差异不大且较小的通道为待剪枝通道；根据收敛网络模型参数，剪掉待剪枝通道，微调训练得到最终剪枝网络模型。本发明能保证原有网络性能的前提下，获得尽可能小的压缩网络模型，且可根据性能和速度的需求动态调整压缩率和相关系数冗余度，以满足实际应用需求。
基于通道相关性 l2 范数联合深度神经网络剪枝方法

[发明专利]经层式分析的神经网络剪枝方法和系统-CN202180092350.3在审
发明人：严恩勖;胥栋宽;刘嘉超 -专利权人：墨芯国际有限公司
申请日： 2021-10-28 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本公开实施例允许神经网络被剪枝。通过参考神经网络生成的输入和输出用于剪枝该参考神经网络。经剪枝的神经网络可以具有该参考神经网络中的权重子集。
经层式分析神经网络剪枝方法系统

[发明专利]神经网络模型的压缩方法及装置、图像处理方法及处理器-CN202010116576.X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： 2020-02-25 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本申请公开了一种神经网络模型的压缩方法及装置、图像处理方法、图像处理器，涉及神经网络压缩领域。神经网络模型的压缩方法包括：建立神经网络模型的每个神经网络层对应的搜索空间，搜索空间包括候选剪枝率；各搜索空间的候选剪枝率输入至剪枝策略生成模型，得到剪枝策略；根据剪枝策略对神经网络模型进行剪枝。因为对每个神经网络层建立对应的搜索空间，使得各个神经网络层对应的剪枝率可以不同，克服了由于每个神经网络层对应的剪枝率均相同，从而导致的剪枝后神经网络模型的提速不明显，模型性能较差的技术问题，有效提升神经网络模型的速度以及性能。
神经网络模型压缩方法装置图像处理处理器