“G06N5/04”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976个，建议您升级VIP下载更多相关专利

[发明专利]三维空间中基于多目标灰狼优化的二对一微分博弈方法-CN202310397347.3在审
发明人：周荻;白羽;张博伦;何朕;邹昕光;祝月;张锐 -专利权人：哈尔滨工业大学
申请日： 2023-04-13 - 公布日： 2023-07-18 - 主分类号： G06N5/04 文献下载
摘要：三维空间中基于多目标灰狼优化的二对一微分博弈方法，它属于追击者与逃逸者的微分博弈领域。本发明解决了现有微分博弈方法中并未考虑约束的问题。本发明给法向加速度添加了上限，重新求取了带有约束条件的HJI方程，加入对法向加速度的约束可以更好的贴近实际情况，以表征博弈双方在三维空间内的机动能力，使双方的最优博弈点的计算结果更加精确。同时，为求解出双方的最优博弈点，本发明采用了多目标灰狼优化算法来求解Pareto最优解集，寻找最优博弈点，并在生成Pareto最优解集的过程，采用弱肉强食法则来筛选最优解。本发明方法可以应用于三维空间中追击者与逃逸者的微分博弈。
三维空间基于多目标灰狼优化微分博弈方法

[发明专利]一种数据推理方法、装置、设备及存储介质-CN202310426229.0在审
发明人：宋小妹 -专利权人：苏州浪潮智能科技有限公司
申请日： 2023-04-20 - 公布日： 2023-07-18 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种数据推理方法、装置、设备及存储介质，涉及数据处理技术领域，包括：获取待推理的离线数据；为所述离线数据创建多个推理任务，并分别对所述推理任务占用的资源进行配置，得到相应的资源配置信息；将所述离线数据作为输入并根据所述资源配置信息执行各个所述推理任务，以便通过所述推理任务对所述离线数据进行推理分析，得到相应的推理结果。本申请通过在创建推理任务时，为各个推理任务占用的资源进行了配置，根据资源配置信息能够自动的对推理任务进行调度，从而实现了离线数据的自动推理分析，简化了离线数据的推理流程，节省了人力成本。
一种数据推理方法装置设备存储介质

[发明专利]一种众包标记真值推理方法、设备及存储设备-CN202310386915.X在审
发明人：蒋良孝;李娇;张文均 -专利权人：中国地质大学（武汉）
申请日： 2023-04-06 - 公布日： 2023-07-18 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种众包标记真值推理方法、设备及存储设备，方法具体如下：构建每个众包工人所对应的数据集；对于一个工人，若其对目标实例进行了标注，则计算该工人所对应的数据集中的每个实例与目标实例的距离，否则直接将工人在目标实例上的标记质量置为0；对每个实例与目标实例的距离进行排序，找到数据集中与实例距离最近的K个邻居实例；利用K个邻居实例衡量工人在目标实例上的偏差和方差；将偏差和方差线性结合，作为工人在目标实例上的打标质量wir；重复上述步骤，直至所有众包工人在目标实例上的标记质量均被估计完毕；从所有工人中选择标记质量最高的工人的标记作为目标实例的推断标记。本发明有益效果是：简单容易实现，且标记质量高，解决了真值推理方法的性能低下的问题。
一种标记真值推理方法设备存储

[发明专利]一种基于动词时态的泛化因果网络构建方法、设备及介质-CN202310510993.6有效
发明人：王华杰 -专利权人：济南云微软件科技有限公司
申请日： 2023-05-09 - 公布日： 2023-07-18 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于动词时态的泛化因果网络构建方法、设备及介质，属于因果网络技术领域，用于解决现有的因果知识网络的网络节点庞大，难以对因果事件进行广泛化的因果网络的构建，不容易反映出因果事件背后深层次的真实因果律，降低了后续事件推理的预测准确性的技术问题。方法包括：对因果事件中包含因果关系的语料进行识别标注，确定出因果文本；对因果文本中动词时态的因果关系进行事件链集合的抽取，得到因果文本的因果必然性概率以及因果充分性概率；然后将预设因果网络图中的节点集合与边集合进行泛化处理，得到泛化因果网络；并将其映射到低维连续向量空间中，得到因果网络表示学习模型。
一种基于动词时态泛化因果网络构建方法设备介质

[发明专利]一种量化误差调试方法、装置、设备及存储介质-CN202310311556.1有效
发明人：陈其宾;李锐;魏子重;段强;姜凯 -专利权人：山东浪潮科学研究院有限公司
申请日： 2023-03-28 - 公布日： 2023-07-18 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种量化误差调试方法、装置、设备及存储介质，涉及深度学习技术领域，包括：利用预设量化方法对待处理模型进行量化并利用预设深度学习推理框架进行推理，以得到量化模型输出；基于每层所述量化模型输出以及非量化模型输出确定所述待处理模型的问题层；基于所述问题层以及预设判断规则确定所述预设深度学习推理框架中所述问题层的关键数据和所述预设深度学习推理框架的量化过程是否存在错误，若不存在，则调整所述预设量化方法；若存在，则对所述预设深度学习推理框架中使所述关键数据存在错误的推理框架问题或所述量化过程进行优化。这样一来，可以分析推理框架问题、模型量化过程问题以及模型量化方法问题，并进行针对性改进。
一种量化误差调试方法装置设备存储介质

[发明专利]多任务集成推理网络的确定方法、装置、存储介质和车辆-CN202310369074.1在审
发明人：朱亚旋;薛鸿;金虹羽;张达明;邱璆 -专利权人：中国第一汽车股份有限公司;一汽（南京）科技开发有限公司
申请日： 2023-04-07 - 公布日： 2023-07-14 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种多任务集成推理网络的确定方法、装置、存储介质和车辆。其中，该方法包括：获取至少一编码网络阶段的目标输出位置；在目标输出位置接入的待测解码网络集合中确定解码网络模型，且基于解码网络模型对目标任务进行解码，得到解码结果，其中，待测解码网络集合包括待测的至少一解码网络模型；基于解码结果，确定解码网络模型的解码性能数据，其中，解码性能数据用于表征解码网络模型的解码效率和/或解码准确率；基于解码性能数据，构建与目标输出位置对应的多任务集成推理网络。本发明解决了由于不同任务使用同一处编码网络输出容易造成影响识别效率的技术问题。
任务集成推理网络确定方法装置存储介质车辆

[发明专利]一种面向任务规划的带偏好的规则表示与推理方法-CN202310465790.X在审
发明人：张志政;江胤霖 -专利权人：东南大学
申请日： 2023-04-27 - 公布日： 2023-07-14 - 主分类号： G06N5/04 文献下载
摘要：本申请公开一种面向任务规划的带偏好的规则表示与推理方法，包括以下步骤：(1)从规则前提条件、规则偏好和规则后置命令等三方面将任务级规则分类，并对其进行表示；(2)针对规则间可能形成的冲突，从逻辑的不可满足类型角度，实现最小修正策略下的规则冲突检测、解释和消解方法；(3)基于多规则协同推理的均衡策略，依托任务推演平台，在典型任务场景下实现多规则推演。本发明实施例的方法首次解决了任务规划中带偏好的规则表示与推理的问题，为该应用场景提供了一种新型实用的方法。
一种面向任务规划偏好规则表示推理方法

[发明专利]一种人工智能的推理加速方法及系统-CN202310420112.1在审
发明人：田晓;梁秋红;秦永波 -专利权人：山西李喔冬网络科技有限公司
申请日： 2023-04-19 - 公布日： 2023-07-14 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种人工智能的推理加速方法及系统，该方法包括：中央处理器CPU获取摄像头中的视频流数据，并将所述视频流数据分割为图像序列；所述CPU获取图像处理器GPU、神经网络处理器NPU和数据流处理器DPU的参数性能，并基于所述GPU、NPU和DPU的参数性能，生成推理规则；所述CPU基于所述推理规则，将所述图像序列分发给所述GPU、NPU和DPU进行融合推理。
一种人工智能推理加速方法系统

[发明专利]一种基于动态实体原型的权重网络推理方法-CN202310434601.2在审
发明人：王丹;姚建超;宋彬;秦浩 -专利权人：西安电子科技大学杭州研究院;西安电子科技大学
申请日： 2023-04-21 - 公布日： 2023-07-14 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于动态实体原型的权重网络推理方法，针对命名实体识别中存在的词嵌入的拓展数据来源少、只注重实体词的高维特征而忽略实体词本身的语义信息、上下文信息不准确和模型泛化性能不足的问题。该发明对实体识别数据集做预处理操作；设计原型提取算法，训练能够生成动态原型的模型；初始化实体识别算法的所有参数；将提取的动态实体原型部署到实体识别算法中，利用权重网络与多头注意力机制从文本与实体原型中进行迭代学习，得到训练完成的实体识别模型；使用训练完成的实体识别模型对不同数据集的实体进行预测，测试模型性能。本技术能够改善实体识别中未有效地利用语义信息、泛化性能差等问题，从而提高命名实体识别的准确性。
一种基于动态实体原型权重网络推理方法

[发明专利]一种模型处理方法和装置-CN202211740907.2在审
发明人：张长浩;申书恒;傅欣艺;王维强 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-12-30 - 公布日： 2023-07-14 - 主分类号： G06N5/045 文献下载
摘要：本说明书实施例提供一种模型处理方法和装置，该模型处理方法包括：获取具备可解释性的目标树模型；基于神经网络对目标树模型进行蒸馏，得到神经网络模型，其中，对目标树模型进行蒸馏包括对目标树模型的特征提取能力以及聚类能力进行蒸馏；基于目标树模型的可解释性可以确定蒸馏得到的神经网络模型的可解释性。
一种模型处理方法装置

[发明专利]一种基于反事实与路径挖掘的事件溯因推理方法-CN202310426771.6有效
发明人：孙圣杰;荣欢;马廷淮;杨毅;蒋永溢;汤子睿 -专利权人：南京信息工程大学
申请日： 2023-04-20 - 公布日： 2023-07-14 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于反事实与路径挖掘的事件溯因推理方法，包括：采用自注意力机制获得因果效应矩阵，利用图神经网络将其导入事件结点表示；利用注意力机制形成中间隐状态，引导RoBERTa模型抽取观测事件的关键特征hatt；将事件利用余弦相似度投影到外部事件逻辑图上，并基于中间隐状态，利用强化学习计算类似事件之间的逻辑链路；利用注意力机制获得上下文向量qpath；将hatt与qpath拼接用于计算假设的合理值得分；选择合理值得分最高的假设作为最有可能发生的合理假设；添加反事实损失函数优化模型，比较不同假设事件以挖掘关键溯因特征。本方法的推理结果更加精确，并根据反事实敏感性，抓取支持溯因的关键因素。
一种基于事实路径挖掘事件推理方法

[发明专利]一种超声人工智能模型的分布式部署决策系统及方法-CN202010409321.2有效
发明人：朱瑞星;陈学兵;刘西耀 -专利权人：上海深至信息科技有限公司
申请日： 2020-05-14 - 公布日： 2023-07-14 - 主分类号： G06N5/04 文献下载
摘要：本发明提供一种超声人工智能模型的分布式部署决策系统及方法，涉及深度学习技术领域，包括：服务器集群，包括若干分布式的存储有超声人工智能模型的人工智能服务器；综合接口服务器，根据外部的调用指令将若干超声数据分配至对应的人工智能服务器进行处理得到若干初始推断结果；针对每个超声数据，将初始推断结果代入预先生成的决策树中进行决策，根据决策结果将超声数据文件分配至下一个人工智能服务器进行处理，直至作为结果节点的人工智能服务器执行完成，得到最终推断结果并缓存；在所有超声数据全部决策完成后，输出各超声数据对应的各最终推断结果，以供医生进行诊断参考。有益效果是有效避免由于单一超声人工智能模型造成的漏诊现象。
一种超声人工智能模型分布式部署决策系统方法

[发明专利]端侧推理模型的转换方法和转换装置-CN202111672289.8在审
发明人：曾华荣;韩峰;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2021-12-31 - 公布日： 2023-07-11 - 主分类号： G06N5/04 文献下载
摘要：公开一种端侧推理模型的转换方法和转换装置，所述转换方法包括：获取服务端推理模型的网络代码片段，其中，所述服务端推理模型是在服务端预先训练收敛的模型；通过对所述网络代码片段进行解析，确定所述服务端推理模型的网络拓扑结构和第一算子，并判断第一预设接口是否支持所述第一算子，其中，所述第一预设接口用于调用端侧算子库中与所述第一算子对应的算子；当所述端侧算子库不支持所述第一算子时，通过第二预设接口调用自定义的第二算子；基于所述网络拓扑结构和所述第二算子，将所述服务端推理模型转换为所述端侧推理模型。该转换方法能够半自动化地实现服务端推理模型到端侧推理模型的转换。
推理模型转换方法装置

[发明专利]计算图的推理方法、系统及存储介质-CN202310269966.4在审
发明人：丁宇;李鹏;游亮 -专利权人：阿里云计算有限公司;阿里巴巴（中国）有限公司
申请日： 2023-03-16 - 公布日： 2023-07-11 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种计算图的推理方法、系统及存储介质。其中，该方法包括：监测待推理的原始类型计算图；响应于监测到的原始类型计算图转换为对应的目标类型计算图失败，将原始类型计算图划分为一级子原始类型计算图；将一级子原始类型计算图转化为对应的至少一目标类型计算图；将与一级子原始类型计算图对应的目标类型计算图，生成待推理文件，且将待推理文件发送至远程设备上。本申请解决了计算图的推理效率低的技术问题。
计算推理方法系统存储介质

[发明专利]基于面向属性语言概念格的多重多维语言推理方法-CN202011209073.3有效
发明人：刘新;崔慧;邹丽 -专利权人：辽宁师范大学
申请日： 2020-11-03 - 公布日： 2023-07-11 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于面向属性语言概念格的多重多维语言推理方法，按照如下步骤进行：数据处理，用语言术语集表示形式背景中对象与属性间的关系；定义具有语言信息的近似算子，构建面向属性语言概念格；研究语言决策形式背景，提取基于优势关系的语言决策规则；通过获取的面向属性语言决策规则，建立多重多维语言推理模型；将多重多维语言推理模型输入到神经网络中，直接利用神经网络对语言决策规则进行自适应学习；计算规则库中各节点的权重并对具有语言信息的规则做不确定性推理。
基于面向属性语言概念多重多维推理方法