“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]一种基于相关性的故障诊断方法-CN202211397016.1在审
发明人：郎国伟;李兴旺;付海燕;刘敏;阮育铭 -专利权人：中国航空工业集团公司上海航空测控技术研究所
申请日： 2022-11-09 - 公布日： 2023-01-31 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于相关性的故障诊断方法。涉及航空系统故障诊断领域，包含故障字典建立阶段以及诊断阶断，在故障字典建立阶段建立被诊断系统的各故障之间的相关性模型，生成故障和测试之间的相关性矩阵；对相关性矩阵中的各故障发生时测试的结果进行离散化定义，形成测试向量从而得到被诊断系统的故障字典；诊断阶段，按照相关性模型将测试的结果进行排列形成测试向量，比对故障字典，从而得到诊断结果。本发明通过故障字典的查找，进而减少了机载软件的推理过程，在故障诊断过程中具有速度快、准确率高并改善推理虚警问题。
一种基于相关性故障诊断方法

[发明专利]一种适用于测试仪器的神经网络高效推理方法-CN202211162161.1在审
发明人：季桓勇;李飞;韩顺利 -专利权人：中国电子科技集团公司第四十一研究所
申请日： 2022-09-23 - 公布日： 2023-01-24 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种适用于测试仪器的神经网络高效推理方法，属于测试技术领域。本发明方法采用了神经网络层融合的技术，可有效降低卷积‑池化‑非线性这种网络单元的计算量；在内存利用方面，引入了内存复用机制，可对内存进行有效地复用，极大提升测试仪器尤其是小型手持式仪器的智能能力；在整体模型部署方面，本方法预先检测CPU相关的算力情况、CPU使用情况，合理分配线程数目；在模型预推理方面，转换后的模型将在推理前进行预先推理以验证模型转换后的正确性和对硬件资源的利用率，通过推理框架内置的预推理模块，完成模型预推理并给出神经网络各个算子时间损耗。本方法可以有效地解决在测试仪器领域神经网络高效推理问题。
一种适用于测试仪器神经网络高效推理方法

[发明专利]一种基于分散训练的标签推理攻击的防御方法和装置-CN202211395710.X在审
发明人：方黎明;王伊蕾;吕庆喆;李涛;逯兆博 -专利权人：杭州量安科技有限公司
申请日： 2022-11-09 - 公布日： 2023-01-20 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于分散训练的标签推理攻击的防御方法和装置，包括以下步骤：步骤S1：初始化参与方的底层模型；步骤S2：所述参与方根据各自的训练集和各自的参数进行训练得到底层模型参数；步骤S3：得到底层模型的所有的输出；步骤S4：更新顶层模型；步骤S5：利用训练后的顶层模型参数和顶层模型的标签进行损失函数的计算，得到顶层模型的梯度，顶层模型将梯度下传给恶意参与方A和诚实参与方B；步骤S6：重复步骤S1‑S5直至顶层模型和底层模型收敛。本发明可以将纵向联邦学习的标签推理攻击的效果降低到随机猜测的程度，避免在联邦学习训练时标签信息的泄露，有效防御纵向联邦学习中的标签推理攻击。
一种基于分散训练标签推理攻击防御方法装置

[发明专利]一种数据处理方法及相关装置-CN202211214436.1在审
发明人：郭威;张恒煜;郭慧丰;唐睿明 -专利权人：华为技术有限公司
申请日： 2022-09-30 - 公布日： 2023-01-17 - 主分类号： G06N5/04 文献下载
摘要：一种数据处理方法，可以应用于人工智能领域，方法包括：获取用户的第一日志数据以及第二日志数据；所述第一日志数据包括第一物品的第一属性信息，所述第二日志数据包括第二物品的第二属性信息；所述第一日志数据的发生时间早于所述第二日志数据；通过第一编码器处理所述第一属性信息对应的第一嵌入，得到第一特征表示；通过第二编码器处理所述第二属性信息对应的第二嵌入，得到第二特征表示；所述第一特征表示和所述第二嵌入之间的差异、以及所述第二特征表示和所述第一嵌入之间的差异用于构建损失；根据所述损失更新所述第一编码器以及所述第二编码器。本申请可以提高模型的预测精度。
一种数据处理方法相关装置

[发明专利]一种基于弱证据聚合的常识因果推理方法及系统-CN202110410952.0有效
发明人：谢志鹏;李国荣 -专利权人：复旦大学
申请日： 2021-04-16 - 公布日： 2023-01-17 - 主分类号： G06N5/04 文献下载
摘要：本发明提供了一种基于弱证据聚合的常识因果推理方法及系统，利用弱因果证据以及常识因果知识对用户的因果推理问题进行推理，从而得到因果句子对，其特征在于，包括如下步骤：获取因果推理问题，并根据该因果推理问题确定对应的问题类型、问题前提以及候选项；对问题类型进行识别得到识别结果，并根据该识别结果对问题前提以及候选项进行预处理得到预处理数据；将预处理数据输入预先训练好的常识因果推理模型中，得到因果句子对从而让用户根据该因果句子做出判断，其中，常识因果推理模型不仅兼顾了因果证据的覆盖率与准确率，而且融合了各种稀疏的包含常识因果知识的弱证据聚合模型，具有较好的因果推理效果。
一种基于证据聚合常识因果推理方法系统

[发明专利]针对序列推荐系统成员推断攻击推理系统及方法-CN202211278586.9在审
发明人：张旭东;王赞;王岚君 -专利权人：天津大学
申请日： 2022-10-19 - 公布日： 2023-01-13 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种针对序列推荐系统成员推断攻击推理系统及方法，包括标签数据生成模块、差异特征构造模块以及攻击模型训练模块；步骤1、进行标签数据生成；步骤2、进行成员和非成员的差异特征构造；步骤3、进行攻击模型的训练。与现有技术相比，本发明可以在更广泛的场景下保证用户的数据隐私；填补了更严格场景下进行成员推断攻击的空白；显著提高了攻击推断效果。
针对序列推荐系统成员推断攻击推理方法

[发明专利]深度学习模型推理方法、装置、设备及存储介质-CN202211221736.2在审
发明人：苏政鹏 -专利权人：浙江大华技术股份有限公司
申请日： 2022-10-08 - 公布日： 2023-01-13 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种深度学习模型推理方法、装置、设备及存储介质，涉及深度学习技术领域，该方法通过将模型推理中所涉及到的芯片资源管理部分进行单独设计，实现了其他模块的复用，保证AI芯片的快速导入与适配，并根据AI芯片和推理模型对计算图进行优化，以此充分利用AI芯片的硬件资源，提高了资源利用率和推理效率，通过芯片资源管理对模型推理所需的硬件资源在推理开始前进行申请，在推理结束后进行释放，避免了模型运行中对硬件资源的反复申请、释放，进一步提高了运行效率。
深度学习模型推理方法装置设备存储介质

[发明专利]基于态势场的无人车任务分配博弈方法及装置-CN202210116279.4有效
发明人：韩泽宇;王建强;刘艺璁;许庆 -专利权人：清华大学
申请日： 2022-01-30 - 公布日： 2023-01-10 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种基于态势场的无人车任务分配博弈方法及装置，其中，方法包括：基于当前环境态势，计算安保双方各单位的威胁度和重要程度；根据安保双方各单位的策略集合，分别建立至少一个目标下的双方策略博弈矩阵；以及求解双方策略博弈矩阵，直至满足决策需求，并计算多阶段任务分配的多个策略建议，且获取每个策略建议下的对方可能响应的同时，展示双方策略博弈矩阵的求解结果，确定最佳策略建议。由此，解决了相关技术整体态势分析效果较差，无法针对另一方安保策略做出合理响应，且无法充分体现决策者的作用，任务耗时、资源消耗较多等问题。
基于态势无人任务分配博弈方法装置

[发明专利]面向目标功能实现的系统成功路径规划方法、系统、设备及介质-CN202211081911.2在审
发明人：杨军;薛友;蒋陈煜;何展宇;马浩铭 -专利权人：华南理工大学
申请日： 2022-09-06 - 公布日： 2023-01-06 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种面向目标功能实现的系统成功路径规划方法、系统、电子设备及存储介质，所述方法包括：根据系统功能目标及当前系统运行状态确定任务目标，根据任务目标和对系统功能目标参数的监测，确定操纵任务响应要求，并沿系统结构流方向生成结构化系统成功路径，结合设备状态与过程参数之间的耦合和作用关系，反向推理实现对设备操控动作的细致规划，进一步形成序列化系统成功路径，通过任务复杂性和可靠性综合评价，最终完成对潜在系统成功路径在人机界面上的优化排序显示，从而辅助并指引操纵员执行有效的应急操作响应。
面向目标功能实现系统成功路径规划方法设备介质

[发明专利]面向芯粒的神经网络推理开销估计方法及装置、电子设备-CN202211108864.6有效
发明人：潘秋红;许慧卿;汤昭荣;毛旷;杨佳宁;王颖 -专利权人：之江实验室
申请日： 2022-09-13 - 公布日： 2023-01-06 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了面向芯粒的神经网络推理开销估计方法及装置、电子设备，其中面向芯粒的神经网络推理开销估计方法包括神经网络参数和芯粒拓扑结构获取、并行组内开销估计、并行组间网络传输开销估计及神经网络推理开销估计四个步骤。使得推理开销估计适用于神经网络在芯粒上并行调度的实际场景，神经网络推理开销估计能够适用于芯粒这样的拓扑结构，充分考虑芯粒上小芯片单元内外的带宽、小芯片单元内路由转发延迟和小芯片单元外路由转发延迟，使得神经网络在芯粒上的推理开销估计达到较高的精度，从而为神经网络在芯粒上加速推理所需的高性能调度策略奠定良好基础。
面向神经网络推理开销估计方法装置电子设备

[发明专利]一种数据分级方法、装置、计算机设备和可读存储介质-CN202211144678.8在审
发明人：王甬琪 -专利权人：大箴（杭州）科技有限公司
申请日： 2022-09-20 - 公布日： 2023-01-03 - 主分类号： G06N5/04 文献下载
摘要：本申请涉数据处理技术领域，提供了一种数据分级方法、装置、计算机设备和可读存储介质，该方法包括：获取待分级数据，并计算待分级数据中的单类别数据的推理能力，以及计算待分级数据中的多类别数据的推理能力，其中，多类别数据为单类别数据进行两两组合所得；根据单类别数据的推理能力和多类别数据的推理能力，计算单类别数据之间的耦合增强系数，并利用单类别数据的推理能力和耦合增强系数，构建数据耦合关联网络；基于数据耦合关联网络，计算待分级数据中的目标分级数据的包含耦合能力的数据推理能力评分，并根据数据推理能力评分对目标分级数据进行数据分级。
一种数据分级方法装置计算机设备可读存储介质

[发明专利]推理装置、程序和推理方法-CN202080100701.6在审
发明人：池田久美子;田中宏治;小路悠介;小林克希 -专利权人：三菱电机株式会社
申请日： 2020-05-28 - 公布日： 2022-12-30 - 主分类号： G06N5/04 文献下载
摘要：具有：知识库部(112)，其存储用于进行针对请求的回答的推理的知识库；信息取得部(113)，其取得状况信息和响应信息，状况信息是包含来自用户的请求即用户请求的信息，响应信息包含用户针对推理的结果即推理结果的响应；推理部(114)，其针对状况信息中包含的用户请求，使用知识库进行推理；信息输出部(115)，其输出推理结果；反馈信息提取部(116)，其根据响应信息，针对用户请求确定用户期望的结果即期望结果；以及更新部(117)，其以使期望结果容易成为推理结果的方式对知识库进行更新。
推理装置程序方法

[发明专利]一种基于知识学习的数学应用题智能解题方法及系统-CN202210978505.X有效
发明人：陈恩红;黄振亚;刘嘉聿;刘淇;林鑫 -专利权人：中国科学技术大学
申请日： 2022-08-16 - 公布日： 2022-12-30 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于知识学习的数学应用题智能解题方法及系统，将数学知识学习过程与应用题求解过程有机耦合，以助于在改善学习得到的知识质量的同时提高问题求解能力。相关方案中：设计了认知框架与知识学习过程，构建了更接近通用型人工智能目标的智能系统，系统可以作为一种通用框架，融合多种机器学习任务，为实现强人工智能提供了一定的基础；并且，建立了引入知识学习的数学应用题求解方法，有助于提高应用题求解的准确性与可解释性。同时，学习到的数学知识具有一定的实际应用价值，可以作为众多机器学习任务的先验信息改善任务表现，也可进一步辅助教育平台搭建知识图谱，并基于此提供更好的个性化教育服务。
一种基于知识学习数学应用题智能解题方法系统

[发明专利]神经网络模型推理的加速方法、装置、电子设备和介质-CN202211133732.9在审
发明人：高钰舒;屈树谦;代稳;孔凯文 -专利权人：南京地平线集成电路有限公司
申请日： 2022-09-16 - 公布日： 2022-12-27 - 主分类号： G06N5/04 文献下载
摘要：本公开实施例公开了一种神经网络模型推理的加速方法、装置、电子设备和存储介质，其中，方法包括：获取图像训练数据、文本训练数据或语音训练数据；确定待加速的第一神经网络模型；将第一神经网络模型中的预设网络层的预设运算转换为第一运算获得第二神经网络模型，第一运算用于模拟目标运算的运算逻辑；基于图像训练数据、文本训练数据或语音训练数据，对第二神经网络模型按照预设位宽进行量化感知训练，得到量化后的第三神经网络模型；将第三神经网络模型的第一运算转换为目标运算，获得第一神经网络模型对应的加速后的目标神经网络模型。本公开实施例通过在训练过程模拟简化运算带来的误差，实现在降低模型计算量的条件下保证较高的模型精度。
神经网络模型推理加速方法装置电子设备介质

[发明专利]基于智能体动态路径补全策略的知识推理方法及系统-CN202211168516.8在审
发明人：夏毅;罗军勇;兰明敬;周刚;陈晓慧;卢记仓;刘铄;章梦礼;黄宁博;李顺航;李珠峰 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2022-09-24 - 公布日： 2022-12-27 - 主分类号： G06N5/04 文献下载
摘要：本发明属于知识图谱技术领域，特别涉及一种基于智能体动态路径补全策略的知识推理方法及系统，通过提取目标知识图谱中的实体及实体间关系，并挖掘目标知识图谱中的规则及规则对应的置信度得分；构建强化学习智能体，根据当前实体状态和历史路径信息通过规则动态引导智能体进行知识图谱路径补全，并依据智能体命中目标实体时的命中奖励和智能体推理路径符合规则时的规则奖励来计算智能体总奖励，通过最大化智能体总奖励的期望值来训练智能体的策略网路；针对给定的待查询目标条件，利用训练后的智能体通过在知识图谱中进行路径推理来获取对应的知识推理结果。本发明通过动态路径补全策略对推理过程中最有可能的路径进行动态补全来得到完整的推理路径，解决稀疏知识图谱缺失路径所带来的推理截断问题。
基于智能动态路径策略知识推理方法系统