“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]推论模型部署系统及推论模型部署方法-CN202211606474.1在审
发明人：张森皓;郑捷轩 -专利权人：和硕联合科技股份有限公司
申请日： 2022-12-12 - 公布日： 2023-08-25 - 主分类号： G06N5/04 文献下载
摘要：本公开提供一种推论模型部署系统及推论模型部署方法。所述方法包括：取得推论模型的多个模型设定每一者的预估资源用量；取得产能需求；基于产能需求、边缘计算装置的装置规格以及各模型设定的预估资源用量，挑选所述多个模型设定的其中之一作为特定模型设定；以及将经组态为特定模型设定的推论模型部署至边缘计算装置。由此，本公开实施例的作法可更为准确地评估适合部署至边缘计算装置的推论模型。
推论模型部署系统方法

[发明专利]一种基于TransH-Bert的网络安全知识图谱推理方法-CN202310588933.6在审
发明人：冯永新;赵运弢;袁艺 -专利权人：沈阳理工大学
申请日： 2023-05-24 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明设计一种基于TransH‑Bert的网络安全知识图谱推理方法，属于网络安全和人工智能领域；首先提出CWE、CVE、CAPEC知识库构建出基础网络安全知识图谱，然后使用TransH模型刻画网络安全知识实体在向量空间中的位置信息，利用Bert预训练模型刻画网络安全知识实体的语义信息，最后提出通过融合TransH模型刻画出的位置信息和Bert预训练模型刻画的语义信息来执行知识推理任务，即使用TransH模型输出的位置数据和Bert预训练模型输出的关系概率矩阵计算知识推理的得分，使用计算出的得分来执行知识推理任务，有效提高了知识推理模型的准确率。
一种基于 transh bert 网络安全知识图谱推理方法

[发明专利]基于知识蒸馏的知识图谱补全方法、系统、设备及介质-CN202310567638.2在审
发明人：刘鑫;姚俊萍;李晓军;郭毅 -专利权人：中国人民解放军火箭军工程大学
申请日： 2023-05-19 - 公布日： 2023-08-22 - 主分类号： G06N5/045 文献下载
摘要：本发明公开了一种基于知识蒸馏的知识图谱补全方法、系统、设备及介质，涉及知识图谱技术领域，该方法包括根据知识图谱补全模型和待补全知识图谱确定待补充信息，并基于待补充信息得到补全知识图谱；其中，知识图谱补全模型的训练过程为：根据关系邻接矩阵和所述标签数据，采用知识蒸馏技术训练基于关系图卷积网络的教师网络模型；根据关系邻接矩阵、标签数据以及基于关系图卷积网络的教师网络模型的逻辑输出，采用知识蒸馏技术训练基于软决策树的学生网络模型得到知识图谱补全模型。本发明在实现规模缩小的基础上，具备了可解释性，达到了知识图谱补全的目的。
基于知识蒸馏图谱方法系统设备介质

[发明专利]一种基于模糊推理的电气故障诊断方法及系统-CN202310605977.5在审
发明人：汪冬冬;侯加文;温运岭;张坤峰;刘昂;张胜利;杨从干;郑玉忠;李谧;葛峰 -专利权人：河南中烟工业有限责任公司
申请日： 2023-05-23 - 公布日： 2023-08-22 - 主分类号： G06N5/048 文献下载
摘要：本发明公开了一种基于模糊推理的电气故障诊断方法及系统，所述方法包括：确定故障现象隶属度，通过隶属度函数建立故障现象向量；确定模糊关系矩阵元素值，根据故障现象和故障原因之间的关系强度建立模糊关系矩阵；利用模糊关系合成算法合成模糊关系，将故障现象隶属度输入模糊关系矩阵中，得出故障原因隶属度数据；故障原因模糊综合评判，根据故障原因隶属度数据的输出结果，基于最大隶属度原则，对故障原因进行分类整合和排序，得出电气故障诊断结果。本发明的基于模糊推理的电气故障诊断方法及系统，以模糊逻辑描述故障原因与故障现象之间的模糊关系，经过模糊综合评价得出最终故障原因，提高故障定位准确率，降低企业生产成本，提高经济效益。
一种基于模糊推理电气故障诊断方法系统

[发明专利]基于本体学习和注意力机制的知识推理方法-CN202310224363.2在审
发明人：许书铌;赵一铮 -专利权人：南京大学
申请日： 2023-03-09 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于本体学习和注意力机制的知识推理方法，以本体作为语义网形式化的知识表示，对本体进行表示学习，从而进行知识推理，本方法适用于优化大型复杂结构本体的知识推理效率，通过挖掘本体中结构和语义的信息，将本体中的概念嵌入到向量空间，使用唯一向量来表示该概念，更好地表示概念之间的关系，应用于下游任务，并且基于推理规则，根据注意力机制，建立适用于序列预测的神经网络模型，充分学习推理成功的序列特性，针对需求中的概念集合，预测出可行的推理路径，针对一些较为困难、传统算法复杂度较高的推理问题。
基于本体学习注意力机制知识推理方法

[发明专利]一种基于深度网络的模型抽象推理泛化能力评价方法-CN202310585213.4在审
发明人：张焱;张海峰;黄庆卿;韩延 -专利权人：重庆邮电大学
申请日： 2023-05-23 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明属于机器学习技术领域，具体涉及一种基于深度网络的模型抽象推理泛化能力评价方法，包括：获取的抽象元素，设置预设规则；采用预设规则对抽象元素进行变换，得到少量样本；将少量样本输入到深度模型中生成大量样本；将大量样本输入到训练好的被测推理模型中进行测试，得到模型抽象推理泛化能力评价结果；本发明根据预设规则可以自动且灵活的构建出用于深度网络抽象推理能力评价所需的抽象推理数据集，并且可以在少量样本中通过样本中的基本元素构建出大量基于原始抽象元素的新样本作为测试集来评价深度网络的泛化能力，提高了模型抽象推理泛化能力评价的效率。
一种基于深度网络模型抽象推理泛化能力评价方法

[发明专利]一种基于路径搜索的可解释时间图推理方法-CN202310470213.X在审
发明人：李青;吴冠中;鲍建烁 -专利权人：西北工业大学
申请日： 2023-04-27 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明提供一种基于路径搜索的可解释时间图推理方法，包括：S1.从历史时间图中搜索查询实体到目标实体的可达关系路径；S2.通过自注意力机制对每条路径进行评分；S3.使用GRU建模可达关系路径表示；S4.优化目标实体和路径嵌入表示；S5.使用成对关系向量对每个静态子图的逆关系建模；S6.利用路径向量评分和逆关系评分预测目标节点。本发明提高了模型准确性和可解释性。
一种基于路径搜索可解释时间推理方法

[发明专利]面向边缘智能应用的深度神经网络多路径推理加速方法-CN202010180260.7有效
发明人：东方;王慧田;沈典;蔡光兴;黄兆武 -专利权人：东南大学
申请日： 2020-03-16 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明公开一种面向边缘智能应用的深度神经网络多路径推理加速方法，首先分析深度神经网络各层设置提前退出分支出口的分类能力与计算成本，选择推理效益最大的出口组合添加至原模型；然后在出口与主干层之间设置门限单元并加以训练，判断任务是否能在当前出口退出；对于无法在终端层提前退出而必须传输至边缘层的任务，压缩其中间特征数据；最后在边缘计算环境下在线监测分析网络负载和终端、边缘设备的计算能力，以最小化推理时延为目标对多路径模型进行切割，模型切块分别部署在终端层与边缘层，最终形成多路径推理加速框架。此种方法能够提高推理的灵活性，保证准确率，降低推理总时延，满足边缘智能应用的实时性与高精度需求。
面向边缘智能应用深度神经网络路径推理加速方法

[发明专利]基于神经网络的工具变量生成与手写数字识别方法及装置-CN202011493947.2有效
发明人：况琨;袁俊坤;吴飞;林兰芬 -专利权人：浙江大学
申请日： 2020-12-16 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于神经网络的工具变量生成与反事实推理方法及装置。针对之前的基于工具变量的反事实推理(如手写数字识别)方法需要预先定义和可获取的工具变量的问题，本发明直接从可观测变量中学习和解耦出工具变量，大大提升了因果推断效率，节省了时间和成本。本发明首次自动地从可观测变量中提取出工具变量，在算法和运用上有独创性和独特性。将本发明应用于现有的基于工具变量的反事实预测方法，与使用真实工具变量的方法相比性能因果推断有明显提升。本发明着重于从可观测变量中解耦出工具变量的表征，解决了基于工具变量的反事实预测技术需要预先使用先验知识和高昂成本获取工具变量数据的难题，提升了手写数字识别等领域精度。
基于神经网络工具变量生成手写数字识别方法装置

[发明专利]一种模型推理交互方法、电子设备、可读存储介质-CN202310645642.6有效
发明人：王宏升;陈光 -专利权人：之江实验室
申请日： 2023-06-02 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明涉及一种模型推理交互方法、电子设备、可读存储介质，所述方法应用于服务端，包括如下步骤：接收推理请求信息，从包括多个中间表示形式的深度学习模型的模型仓库中加载所述推理请求信息中指定的深度学习模型；根据所述推理请求信息从包括多个推理引擎的推理引擎库中加载指定的推理引擎，将中间表示形式的深度学习模型转换为与所述推理引擎匹配的形式；采用所述推理引擎对所述深度学习模型进行推理，发送与所述推理请求信息要求的形式相匹配的输出张量信息。与现有技术相比，本发明能够实现基于服务端的，针对深度学习模型的高效和灵活推理，同时具有安全性高、吞吐量大、调用方便、响应速度快等优点。
一种模型推理交互方法电子设备可读存储介质

[发明专利]一种提高隐私推理效率的方法-CN202310544034.6在审
发明人：王靖午;罗晨晨;蔡帅 -专利权人：方盈金泰科技（北京）有限公司
申请日： 2023-05-15 - 公布日： 2023-08-18 - 主分类号： G06N5/04 文献下载
摘要：一种提高隐私推理效率的方法包括：获取数据集；将数据集中的样本数据进行预处理，得到预处理后样本数据；将预处理后样本数据输入至机器学习模型中进行训练，得到训练好的机器学习模型参数；客户端和服务端共同运行密码协议：客户端将待推理数据经预处理后输入至密码协议中，服务端将训练好的机器学习模型参数输入至密码协议中；客户端得到推理结果作为输出，服务端得到空输出，客户端无法得到服务端机器学习模型参数，服务端也无法得到客户端的隐私输入，从而保障了客户隐私数据的安全性。本发明提供了一种提高隐私推理效率的方法以达到提高基于密码协议隐私保护机器学习推理系统计算效率和通信效率的目的。
一种提高隐私推理效率方法

[发明专利]数字农业信息的分层因果发现方法、装置、介质及设备-CN202310540168.0在审
发明人：姜京池;王勃然;沈汝佳;关毅;刘劼 -专利权人：哈尔滨工业大学
申请日： 2023-05-12 - 公布日： 2023-08-18 - 主分类号： G06N5/04 文献下载
摘要：本发明提供了一种数字农业信息的分层因果发现方法、装置、介质及设备，属于农业信息化技术领域，所述方法包括：获取数字农业信息的数据集；构建包括高层策略和低层策略两层分层结构的因果发现框架；通过高层策略获取数据集的因果分割集合，根据因果分割集合，将数据集转换为多个因果变量子集合组成的因果变量子集族；通过低层策略对每一个因果变量子集合进行因果发现，获取每一个因果变量子集合的因果发现结果；通过高层策略将所有因果发现结果合并，获取数据集中全部变量的因果关系；获取所述数字农业信息中不同变量的因果关系。本发明能够有效降低独立性测试的复杂性，能够显著提高大规模变量情况下的因果发现效率。
数字农业信息分层因果发现方法装置介质设备

[发明专利]基于概率灰数模糊Petri网的泡沫浮选过程工况恶化溯因方法-CN202310646801.4在审
发明人：谢世文;李伊君;谢永芳;唐朝晖 -专利权人：中南大学
申请日： 2023-06-02 - 公布日： 2023-08-18 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于概率灰数模糊Petri网的泡沫浮选过程工况恶化溯因方法，包括对泡沫浮选的知识变量建立产生式规则来描述它们之间的因果逻辑关系；将规则概率灰色化后转换为概率灰数模糊Petri网(PGFPN)模型；对获得的知识节点结合实际生产过程得到其状态值和事件发生的可能性，从而初始化变量值和建立关联矩阵进行并行推理，最终得到浮选过程工况恶化的根源。本发明克服了决策环境的主观性和复杂性。提出的PGFPN知识表示模型将操作变量与工况参数间的因果关系图形化以及显性化，使得溯因模型的可解释性更加明显，对浮选过程工况恶化的溯因，助于工人敏捷应对工况变化为操作人员调整操作提供帮助，有助于浮选过程更高效、稳定的运行。
基于概率模糊 petri 泡沫浮选过程工况恶化方法

[发明专利]信息处理装置、预测判别系统以及预测判别方法-CN202010283149.0有效
发明人：西纳修一;前田真彰;樱井祐市;矢崎彻 -专利权人：株式会社日立制作所
申请日： 2020-04-10 - 公布日： 2023-08-18 - 主分类号： G06N5/046 文献下载
摘要：本发明涉及信息处理装置、预测判别系统以及预测判别方法。能进行应用性高的因果模型的推定。具备：因果模型推定部，将包含从判别对象得到的说明变量以及目的变量的测量数据作为输入，来推定表示说明变量与目的变量之间的关系性的一个或多个因果模型；评价部，使用表示针对目的变量的预测或判别的性能的指标来评价一个或多个因果模型，并输出该评价的结果满足给定的条件的因果模型；和编辑部，将评价部输出的因果模型、和评价的结果输出到显示部。
信息处理装置预测判别系统以及方法

[发明专利]调整Rete网络结构的方法、装置和计算机设备-CN202010408592.6有效
发明人：李桃 -专利权人：平安科技（深圳）有限公司
申请日： 2020-05-14 - 公布日： 2023-08-18 - 主分类号： G06N5/047 文献下载
摘要：本申请涉及智能预测领域，揭示了调整Rete网络结构的方法，包括：获取包括当前时刻的指定时间段内，Rete网络内的数据变化率的变化趋势；根据所述变化趋势选择与所述数据变化率的变化趋势相适应的指定判别器；将所述Rete网络中的节点数据输入到所述指定判别器中，计算节点耗时数据；根据所述节点耗时数据判断是否需要调整Rete网络结构；若是，则调整Rete网络结构。通过在自适应Rete算法中加入判别器，当判别器判定当前可进行调整Rete网络结构，才启动自适应Rete算法调整Rete网络结构，否则不启动自适应Rete算法调整Rete网络结构，以避免Rete网络结构频繁变更，导致规则引擎系统的性能下降。
调整 rete 网络结构方法装置计算机设备