“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]一种面向AIoT的多任务本地协同推理方法及系统-CN202310254000.3有效
发明人：罗宇哲;李玲;陈睿智;吴逍雨;程丽敏;赵琛 -专利权人：中国科学院软件研究所
申请日： 2023-03-16 - 公布日： 2023-10-17 - 主分类号： G06N5/04 文献下载
摘要：本发明提供一种面向AIoT的多任务本地协同推理方法及系统，属于分布式机器学习领域。本发明通过AIoT客户端将客户端本地模型切片推理的中间结果通过并行通信局域网发送至本地服务器，本地服务器使用同一模型切片对中的对应模型切片初始化推理引擎并完成推理过程，随后将结果回传至原客户端。本发明使用局部贪心搜索对协同推理中所用的模型切片进行通信优化，使用内存复用和内存替换加速推理引擎初始化，通过两级并行执行流来执行的协同推理任务。本发明使用本地设备和局域网进行协同推理，避免了传统方法中的隐私泄露和网络波动问题，为大量AIoT客户端提供低延迟的协同推理服务，提升了系统处理协同推理任务的吞吐量。
一种面向 aiot 任务本地协同推理方法系统

[发明专利]一种基于GCN的无人机任务规划知识推理方法-CN202310872896.1在审
发明人：柴蓉;段晓芳;邱江;陈前斌 -专利权人：重庆邮电大学
申请日： 2023-07-17 - 公布日： 2023-10-13 - 主分类号： G06N5/04 文献下载
摘要：本发明涉及一种基于GCN的无人机任务规划知识推理方法，属于无人机技术领域。该方法包括以下步骤：S1：无人机任务规划系统知识抽取；S2：基于TransH得到无人机任务规划知识的向量表示；S3：构建无人机任务规划知识图谱的邻接矩阵；S4：初始化特征矩阵；S5：GCN特征向量更新；S6：基于块对角分解的GCN权重系数正则化；S7：基于全连接层实现实体分类；S8：建模Sigmoid函数实现链接预测。
一种基于 gcn 无人机任务规划知识推理方法

[发明专利]融合结构化知识和文本语义的专业文本推断方法和系统-CN202311146912.5在审
发明人：孙宇清;夏天宇;马磊;袁峰;张华英;付大江;郭成锋 -专利权人：山东山大鸥玛软件股份有限公司
申请日： 2023-09-07 - 公布日： 2023-10-13 - 主分类号： G06N5/04 文献下载
摘要：一种融合结构化知识和文本语义的专业文本推断方法和系统，属于自然语言处理的技术领域，包括：首先，对专业文本的两种特征进行构建：使用知识图的表现形式对专业文本中的知识进行表示，得到结构化知识；基于自编码器对结构化知识进行编码获得专业文本知识特征；使用大型预训练语言模型对文本进行编码，获得文本完整的文本语义特征；然后，在推断时引入一致性损失函数对专业文本推断模型进行训练，实现了融合专业文本知识特征和文本语义特征的专业文本推断。本发明所述方法能够综合利用可理解的知识表征和整体语义信息，在更好地进行专业文本推断的同时提供可解释的知识形式作为推断依据。
融合结构知识文本语义专业推断方法系统

[发明专利]一种AI推理引擎中算子输出长度的处理方法及处理系统-CN202310877525.2在审
发明人：刘振杰;温棋标;俞伟斌;郑少博 -专利权人：宁波路特斯机器人有限公司
申请日： 2023-07-17 - 公布日： 2023-10-13 - 主分类号： G06N5/04 文献下载
摘要：本发明提供了一种AI推理引擎中算子输出长度的处理方法及处理系统，涉及深度学习模型技术领域。本发明先从深度学习模型的初始计算图中确定目标算子，然后从目标算子的多个输出长度中选择至少两个目标输出长度，并生成与每个目标输出长度对应的目标计算图，之后利用计算图运行软件运行每个目标计算图，同时生成与每个目标计算图对应的AI推理引擎，最后根据深度学习模型的目标数据集中每个目标数据确定出对应的目标AI推理引擎，并运行目标AI推理引擎。上述技术方案通过选择至少两个目标输出长度来生成对应的AI推理引擎，从而使得每个目标数据均能够从至少两个AI推理引擎中选择合适的目标AI推理引擎，避免输出精度下降的情况出现。
一种 ai 推理引擎算子输出长度处理方法系统

[发明专利]基于知识推理模型的科技创新服务决策支持方法-CN202311009175.4在审
发明人：陈一立;王涵 -专利权人：珠海中科先进技术研究院有限公司
申请日： 2023-08-11 - 公布日： 2023-10-13 - 主分类号： G06N5/045 文献下载
摘要：本发明公开了基于知识推理模型的科技创新服务决策支持方法，所述包括以下操作步骤：S1：实体嵌入；S2：图卷积；S3：顺序处理；S4：基于GAN的强化学习；S5：生成对抗网络。本发明所述的基于知识推理模型的科技创新服务决策支持方法，此方法利用知识图谱本身具有的关联信息，从而利用深度学习与知识图谱结合，实现端到端的可解释性匹配流程，该匹配算法与经典深度学习算法相比，克服了黑盒子缺点，其透明度、可解释程度较高，较容易理解，其决策支持依据可信度较高，基于图结构的推理，并有效地处理序列信息，这可以提高知识推理任务的性能，以此实现更稳健和有效的知识推理。
基于知识推理模型科技创新服务决策支持方法

[发明专利]基于安全多方计算的安全推理方法-CN202310372667.3在审
发明人：苗银宾;林杰;杨丽;李兴华 -专利权人：西安电子科技大学
申请日： 2023-04-10 - 公布日： 2023-10-13 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于安全多方计算的安全推理方法，步骤包括：步骤1，离线阶段，确定参与模型推理的参与方；服务提供商将推理的模型秘密分享给各参与方；步骤2，在线阶段线性层，各个计算方本地计算，并将计算结果发送并重构；通过一个预先决定好的集合给其他参与方，最后各参与方能够计算；步骤3，对线性层进行检查，各参与方执行检查协议；步骤4，在线阶段非线性层，使用多混淆方和多评估方的混淆电路计算非线性层函数；步骤5，重复步骤3和步骤4，完成所有的线性层和非线性层的计算，参与方根据协议将计算结果发送给指定的客户端重构计算结果。本发明的方法，在不损害准确率的前提下保证各参与方参与者的数据隐私。
基于安全多方计算推理方法

[发明专利]一种推理平台、方法及装置-CN202010247286.9有效
发明人：冯仁光;叶挺群;王鹏 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2020-03-31 - 公布日： 2023-10-13 - 主分类号： G06N5/046 文献下载
摘要：本申请实施例提供了一种推理平台、方法及装置。其中，所述推理平台包括推理库和私有层接口，所述私有层接口，用于按照通过所述私有层接口输入的私有层的层信息，定义所述私有层的执行逻辑；所述推理库，用于利用所述推理库已经涵盖的支持层和已经注册的私有层，执行输入的深度学习算法模型，以对输入的图像进行推理，得到推理结果；每当所执行的层为所述私有层时，调用所述私有层接口执行所执行的私有层被定义的执行逻辑。可以使得一个推理平台能够完成多种不同的具有用户自定义的私有层的深度学习模型的推理，无需针对不同的应用场景，分别开发推理库，提高开发效率，降低开发的人工成本，提升应用开发的灵活性以及实现设备的开放。
一种推理平台方法装置

[发明专利]一种生成式人工智能的因果思维链生成方法、装置及设备-CN202311118754.2在审
发明人：李晓川;赵雅倩;李仁刚;郭振华;范宝余;王丽 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2023-09-01 - 公布日： 2023-10-10 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种生成式人工智能的因果思维链生成方法、装置及设备，涉及生成式人工智能技术领域，以解决多模态输入的因果思维链难以生成的问题，该方法包括：根据获取的待预测图像和问题文本，利用预训练语言模型编码器，得到图文编码特征；对图文编码特征和初始化因果链向量进行因果链编码，得到因果链筛选特征；根据图文编码特征和因果链筛选特征，利用预训练语言模型解码器，获取因果链节点预测文本；本发明通过初始化因果链向量的设置，实现因果思维链的结构化构建，利用初始化因果链向量中因果思维链的因果节点和边对应的向量与多模态特征进行融合计算和特征筛选，从而以文本模态描述生成式人工智能的因果思维链。
一种生成人工智能因果思维方法装置设备

[发明专利]一种核电主泵失效模式推理系统和方法-CN202310800760.X在审
发明人：马再超;孟晋;詹阳烈;张福海;王欣;昌正科 -专利权人：核电运行研究（上海）有限公司
申请日： 2023-06-30 - 公布日： 2023-10-10 - 主分类号： G06N5/04 文献下载
摘要：本发明提供了一种核电主泵失效模式推理系统，包括：人机接口模块，用于系统和用户交互；数据读写模块，用于实现在内存、数据库中读写数据，系统完成推理后，将推理结果推送至人机接口模块；历史检索模块，用于查询失效模式推理的历史记录；失效推理模块，当没有历史记录时，用于实现失效模式推理；数据库模块，用于存储和管理失效模式推理过程中的相关数据。本发明提供的。本发明根据主泵运行特征，快速准确推理出潜在的运行状态，为业务专家决策提供可靠的失效推理信息。本发明建立了失效规则知识库和失效推理机制，能实现主泵失效模式的快速推理。
一种核电失效模式推理系统方法

[发明专利]事件检测模型的解释方法、装置、电子设备及存储介质-CN202310705109.4在审
发明人：李涓子;关勇;侯磊;李亚坤;孟斌杰;唐杰;许斌 -专利权人：清华大学
申请日： 2023-06-14 - 公布日： 2023-10-10 - 主分类号： G06N5/045 文献下载
摘要：本发明提供一种事件检测模型的解释方法、装置、电子设备及存储介质，其中的方法包括：基于待检测语句和预先训练的事件检测模型，抽取待解释的隐层表示；优化待解释的隐层表示，得到优化隐层表示；根据优化隐层表示，以及给定的事件结构信息集合，获取目标事件结构信息；其中，目标事件结构信息为与优化隐层表示最相关的事件触发词或事件论元。该方法通过将事件结构信息自然地融入至事件检测模型的解释过程中，克服了现有事件检测模型解释方法因忽略事件本身具有的结构信息，导致事件检测模型的可解释性能力不高的缺陷，有效提升了事件检测模型的可解释性能力，亦有助于理解事件检测模型的决策过程。
事件检测模型解释方法装置电子设备存储介质

[发明专利]数据归一化方法、装置、电子设备及存储介质-CN202210306854.7在审
发明人：郭烈强 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-03-25 - 公布日： 2023-10-10 - 主分类号： G06N5/04 文献下载
摘要：本申请涉及一种数据归一化方法、装置、电子设备及存储介质，属于深度学习技术领域。方法包括：通过对目标神经网络进行训练，确定目标神经网络的归一化层的标准差参数；响应于接收到待处理的特征数据，基于特征数据，确定目标神经网络的归一化层的平均值参数；基于标准差参数和平均值参数，通过目标神经网络的归一化层对特征数据进行归一化处理。通过本方案，在进行归一化处理时，由于采用了实时确定平均值参数的方法，使得归一化结果能够进一步保持特征数据的特点，同时将神经网络中的运算复杂的标准差参数固定，从而减小了归一化过程的计算量，进而提高了神经网络的推理速度。
数据归一化方法装置电子设备存储介质

[发明专利]数据标注的方法、AI开发平台、计算设备集群和存储介质-CN202210855348.3在审
发明人：李明磊;糜飞;陈志毅;王雅圣;邓晓峰;怀宝兴 -专利权人：华为云计算技术有限公司
申请日： 2022-07-19 - 公布日： 2023-10-10 - 主分类号： G06N5/043 文献下载
摘要：本申请提供了一种数据标注的方法、AI开发平台、计算设备集群，方法可以由AI开发平台执行，首先，AI开发平台可以基于用户输入的提示模板和提前部署AI平台中的基础模型，对第一数据集进行数据标注，然后，生成显示界面以向所述第一用户显示第一数据集中的难例集，最后，AI平台根据所述第一用户对所述第一难例集的标注进行确认后的结果，对所述基础模型进行训练，以得到更新后的基础模型。该方法可以降低对初始标注数据的依赖、数据标注所需的人力成本，该方法还能通过难例挖掘的确认结果，对部署在AI开发平台中的这个基础模型进行更新，让基础模型持续新知识，使得基础模型能力越来越强，推理效率越来越高。
数据标注方法 ai 开发平台计算设备集群存储介质

[发明专利]基于预训练语言模型的因果图像生成方法、装置及设备-CN202311118770.1在审
发明人：李晓川;李仁刚;赵雅倩;范宝余;郭振华;王丽 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2023-09-01 - 公布日： 2023-10-03 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于预训练语言模型的因果图像生成方法、装置及设备，涉及生成式人工智能技术领域，以解决因果图像难以生成的问题，该方法包括：获取待预测图像和问题文本；根据待预测图像和问题文本，利用预训练语言模型编码器，得到图文推理特征；根据待预测图像和图文推理特征，利用图像生成器，生成因果推理图像；本发明通过根据待预测图像和问题文本，利用预训练语言模型编码器，得到图文推理特征，利用预训练语言模型的因果推理能力，生成图文推理特征来指导图像生成器的图像生成计算，以弥补图像生成器不具备推理能力的缺陷，实现多模态输入的因果图像生成，从而能够以图像模态直观且具体地描述因果推理结果。
基于训练语言模型因果图像生成方法装置设备

[发明专利]无人机战队对抗中个体失效率与战队胜率的关系确定方法-CN202010296174.2有效
发明人：白桦;陈冬梅;王群勇;阳辉 -专利权人：北京圣涛平试验工程技术研究院有限责任公司
申请日： 2020-04-15 - 公布日： 2023-10-03 - 主分类号： G06N5/04 文献下载
摘要：本发明实施例提供一种无人机战队对抗中个体失效率与战队胜率的关系确定方法，该方法包括：通过确定第一无人机战队与第二无人机战队在没有个体失效率的情况下的自对弈博弈中第一无人机战队的胜率p作为胜率基线；然后，再通过MC‑MC仿真方法，确定第一无人机战队与第二无人机战队在不同的个体失效率的取值下的第一无人机战队的胜率；最后，通过胜率基线和在不同的个体失效率的取值下的第一无人机战队的胜率确定无人机战队对抗中个体失效率与战队胜率的关系。本发明实施例提供的方法，实现了无人机战队对抗中个体失效率与战队胜率的关系的确定。
无人机对抗个体失效胜率关系确定方法

[发明专利]深度学习模型的推理方法、装置、电子设备和存储介质-CN202211462564.8有效
发明人：丛士钧;王桂彬;徐扬凯 -专利权人：北京百度网讯科技有限公司
申请日： 2022-11-17 - 公布日： 2023-10-03 - 主分类号： G06N5/04 文献下载
摘要：本公开提供了一种深度学习模型的推理方法、装置、电子设备和存储介质，涉及人工智能技术领域，尤其涉及深度学习技术领域。具体实现方案为：响应于接收到模型推理请求，基于模型推理请求包括的目标模型的模型标识，从托管存储单元获取与目标模型关联的模型运算图和线程块配置文件，其中，模型推理请求还包括待处理数据，模型运算图包括多个节点，多个节点各自表示目标模型的多个功能模块，多个节点之间的边表示多个功能模块的运行顺序，线程块配置文件表示计算单元中的多个线程块与功能模块的对应关系；以及基于模型运算图和线程块配置文件，依次运行多个线程块来处理待处理数据，得到目标模型的模型推理结果。
深度学习模型推理方法装置电子设备存储介质