“严骏驰”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果84个，建议您升级VIP下载更多相关专利

[发明专利]基于二阶段学习路径规划的芯片全局布线实现方法-CN202310907381.0在审
发明人：杜星波;严骏驰;王崇华;钟睿哲 -专利权人：上海交通大学
申请日： 2023-07-24 - 公布日： 2023-10-27 - 主分类号： G06F30/3947 文献下载
摘要：一种基于二阶段学习路径规划的芯片全局布线实现方法，在离线阶段构建并训练二阶段学习路径规划模型，在在线阶段，将布线及其引脚以及构造的条纹掩模输入二阶段学习路径规划模型，得到全局布线结果。本发明通过二阶段的学习框架，通过深度生成模型生成枢纽点；并将连接问题转化为RSMT问题，实现枢纽点和引脚的连接，确保所生成的全局布线的连通性，从而不需要更加耗时的后处理搜索，能够将PRNet生成路径的连通率从78％提升到100％，且线长率从1.008降低到1.004，且推断时间节省约50％。
基于阶段学习路径规划芯片全局布线实现方法

[发明专利]基于策略约束通信的强化学习多车协同系统及方法-CN202311107763.1在审
发明人：何弢;严骏驰;廖文龙;李奇峰 -专利权人：酷哇科技有限公司;上海酷移机器人有限公司
申请日： 2023-08-29 - 公布日： 2023-10-20 - 主分类号： B60W60/00 文献下载
摘要：本发明公开了基于策略约束通信的强化学习多车协同系统及方法，包括：通讯模块和通讯控制模块；通讯模块获取本地的观测及其他可通信的车辆的观测编码；通讯控制模块建立通信拓扑，计算通信权重，获取通信消息；并生成本地个体动作价值估计；然后估计分布化生成本地策略，计算策略相似性权重；基于相似性权重计算约束，反向更新模型参数；最后将本地策略与权重生成器应用到具体场景。本发明提出的利用车辆本地状态生成通信权重的方法，基于状态信息的相关性生成权重值进行通信控制，可实现有限通信范围内的车辆自适应通信，促进车辆自发协作。同时基于自动驾驶个体策略倾向对通信进行有效约束，显式促进智能体进行分组协同从而有效提高交通效率。
基于策略约束通信强化学习协同系统方法

[发明专利]生成式可解释的路径规划方法及设备-CN202310866276.7在审
发明人：何弢;严骏驰;廖文龙;杜星波 -专利权人：酷哇科技有限公司;上海酷移机器人有限公司
申请日： 2023-07-14 - 公布日： 2023-10-13 - 主分类号： G01C21/34 文献下载
摘要：本发明公开一种生成式可解释的路径规划方法及设备，路径规划方法包括：步骤S1：准备训练样本，训练样本包括：若干真实路径样本、条件样本以及语义样本；步骤S2：构建具有语义层的深度生成式模型，深度生成式模型能够生成路径及对应该生成路径的语义解释；步骤S3：使用训练样本训练深度生成式模型，并利用优化算法进行优化，得到训练后的深度生成式模型；步骤S4：当进行路径规划时，将给定条件输入训练后的深度生成式模型，输出规划路径及对应该规划路径的语义解释。本发明在深度生成式模型添加语义层，使深度生成式模型生成的结果能够被语义信息表达，以此在给出决策的同时，给出决策的理由。
生成可解释路径规划方法设备

[发明专利]端到端自动驾驶模型训练方法及装置-CN202310811453.1在审
发明人：李弘扬;贾萧松;陈立;严骏驰;乔宇 -专利权人：上海人工智能创新中心
申请日： 2023-07-04 - 公布日： 2023-10-03 - 主分类号： G06F18/214 文献下载
摘要：本申请涉及计算机视觉技术领域，公开了一种端到端自动驾驶模型训练方法及装置。所述方法将预先采集的样本输入学生模型，输出鸟瞰图语义分割和鸟瞰图特征；所述样本包括原始图像及对应的点云数据；然后将所述鸟瞰图语义分割和所述鸟瞰图特征输入教师模型，输出获得控制信号，可以尽可能避免行为克隆导致的因果倒置问题，进而提高端到端自动驾驶模型输出结果的准确性，提高端到端自动驾驶的可行性。
端到端自动驾驶模型训练方法装置

[发明专利]面向先导化合物合成与筛选的三维分子结构仿真方法-CN202310699460.7在审
发明人：严格;严骏驰 -专利权人：上海交通大学
申请日： 2023-06-13 - 公布日： 2023-09-12 - 主分类号： G16C20/50 文献下载
摘要：一种面向先导化合物合成与筛选的三维分子结构仿真方法，将分子的三维空间结构建模为三维图结构，选取三维图的中心原子节点及其邻居节点的编码输入含参数的量子参数电路中，基于量子机器学习技术从图结构中得到完整的分子表示；再将分子表示进行分子性质预测和/或解决三维分子几何生成问题，对药物生成中的先导化合物进行筛选和预合成，实现仿真。本发明能够带来参数化量子电路最主要的性能提升，即参数量的大幅度下降，借用指数级别的希尔伯特空间对编码的特征进行映射，使能够仅用很少的参数就完成学习的同时避免量子层析带来的巨大开销，高效获得实数域的分子表征。
面向先导化合物合成筛选三维分子结构仿真方法

[发明专利]基于机器学习的快速虚拟网络映射方法、介质及电子设备-CN202310588779.2在审
发明人： 严骏驰;耿皓宇;吴飞 -专利权人：上海浙江大学高等研究院
申请日： 2023-05-23 - 公布日： 2023-09-12 - 主分类号： H04L41/14 文献下载
摘要：本发明公开了一种基于机器学习的快速虚拟网络映射方法、介质及电子设备。本发明利用神经网络代替启发式算法中图的随机游走，利用单步求解器代替逐步求解器，实现求解速度的大幅提升。单步求解相对于现有强化学习的自回归求解范式，可大幅减少网络的前向调用，降低求解复杂度。本发明在对启发式算法模仿监督训练的基础上，在排序‑搜索的求解范式中通过强化学习实现端到端的学习，能够显著提升虚拟网络映射问题的多个指标，使得框架更加灵活。本发明考虑了序贯决策问题中前后问题对与资源占用的影响，提出基于全局强化学习的学习算法，能够提升长期的总体求解指标。
基于机器学习快速虚拟网络映射方法介质电子设备

[发明专利]异构微服务集群中服务处理方法及系统、终端及存储介质-CN202211599505.5在审
发明人：王月;孙奇;叶志欣;严骏驰;古英杰;初瑞;舒敏根 -专利权人：中移信息技术有限公司;中国移动通信集团有限公司
申请日： 2022-12-12 - 公布日： 2023-08-25 - 主分类号： H04L67/10 文献下载
摘要：本发明实施例公开了一种异构微服务集群中服务处理系统及方法、终端及存储介质，该系统包括：全局注册中心集群、至少两个注册中心集群以及至少两个微服务集群；其中，微服务集群与对应的注册中心集群连接；全局注册中心集群与至少两个注册中心集群分别连接，用于获取至少一个注册中心集群的第一服务列表；并对至少一个第一服务列表进行格式转换，以获得第一全局服务列表；全局注册中心集群与至少两个微服务集群分别连接，用于将第一全局服务列表发送给至少一个微服务集群。本发明实施例可以实现全局注册中心集群中第一全局服务列表与微服务集群中第一服务列表的同步，可以减少对原有的注册中心集群的服务列表的破坏。
微服集群服务处理方法系统终端存储介质

[发明专利]用于光流预测的方法、装置、设备以及可读存储介质-CN201910174419.1有效
发明人：任哲;罗文寒;严骏驰;刘威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-03-08 - 公布日： 2023-08-25 - 主分类号： G06T7/269 文献下载
摘要：本公开提供了一种用于光流预测的方法，包括：利用神经网络根据输入图像生成第一光流预测数据；将所述第一光流预测数据中的一部分数据点确定为第二光流预测数据；扩展所述第二光流预测数据，以获得第三光流预测数据，其中，所述第三光流预测数据中的数据点的数目与所述第一光流预测数据中的数据点的数目相同；以及基于所述第三光流预测数据对所述神经网络进行训练，利用经过所述训练的神经网络根据所述输入图像生成第四光流预测数据，作为光流预测结果。
用于预测方法装置设备以及可读存储介质

[发明专利]行人生成模型的训练方法、装置及存储介质-CN201910398152.4有效
发明人： 严骏驰;罗文寒;马林;杨昭 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-05-14 - 公布日： 2023-08-25 - 主分类号： G06V40/10 文献下载
摘要：本申请是关于一种行人生成模型的训练方法。该方法包括：获取训练数据，所述训练数据包括真实行人图像和第一自然语言描述信息；根据所述训练数据以及目标行人姿态信息训练行人生成对抗网络，所述行人生成对抗网络包括行人生成网络和行人判别网络；将训练后的所述行人生成网络获取为行人生成模型。本申请通过真实行人图像及其自然语言描述，结合目标行人姿态，通过生成对抗网络进行对抗训练，获得行人生成模型，由于在此过程中学习了对行人图像的自然语言描述，后续行人生成模型可以生成更多的对应某一自然语言描述的行人图像，从而扩展基于自然语言进行行人识别的训练数据，以提高后续训练出行人识别模型的准确性。
行人生成模型训练方法装置存储介质

[发明专利]一种具有鲁棒性保证的目标检测方法、系统、设备及介质-CN202310539710.0在审
发明人：邵华青;王岚君;严骏驰 -专利权人：上海人工智能创新中心
申请日： 2023-05-12 - 公布日： 2023-08-22 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及计算机视觉技术领域，特别涉及一种具有鲁棒性保证的目标检测方法、系统、设备及介质，该方法包括以下步骤：基于高斯分布噪声以及目标检测模型，构建平滑检测模型；将待检测数据输入至平滑检测模型中，得到目标检测结果；基于距离度量函数，将输出空间看作半度量空间，划分出安全区域；将待检测数据、目标检测结果以及安全区域的半径输入至鲁棒性计算模型中，得到鲁棒性保证范围；输出目标检测结果和鲁棒性保证范围；当对抗样本位于所述鲁棒性保证范围内，目标检测结果始终位于所述安全区域内。本申请的目标检测方法，在输出目标检测结果的同时对鲁棒性进行定量描述，当对输入的扰动在一个固定范围内，输出的检测结果具有高相似度。
一种具有鲁棒性保证目标检测方法系统设备介质

[发明专利]一种数据增广方法及相关装置-CN202310310023.1在审
发明人：黄俊华;罗万千;李希君;甄慧玲;郦洋;严骏驰 -专利权人：华为技术有限公司
申请日： 2023-03-21 - 公布日： 2023-07-25 - 主分类号： G06F11/22 文献下载
摘要：一种数据增广方法，应用于人工智能技术领域。在该方法中，针对于作为模型输入数据的合取范式，对合取范式的变量约束图中的约束节点进行拆分，且在拆分过程中保持导致合取范式无解的约束节点不拆分，并在拆分后得到的子图中对导致合取范式无解的约束节点执行变换操作，再将变换后的子图进行合并，进而得到新的合取范式。通过这种拆分‑变换‑合并的操作，能够在改变原始数据的同时，保证生成的增广数据与原始数据的求解难度接近，实现了模型训练数据的增广，有利于提高最终训练得到的模型的性能。
一种数据增广方法相关装置

[发明专利]数据处理方法及装置-CN202310464555.0在审
发明人：汪润中;严骏驰;杨小康;徐武将;高艳涛;陈林勋;赵云安;郭晓波 -专利权人：浙江网商银行股份有限公司
申请日： 2023-04-24 - 公布日： 2023-07-21 - 主分类号： G06F16/9535 文献下载
摘要：本说明书实施例提供数据处理方法及装置，其中所述数据处理方法包括：接收至少两个项目推荐对象的推荐行为数据；将所述推荐行为数据输入至分配预测模型，确定所述至少两个项目推荐对象的预测收益数据以及预测执行状态数据；根据所述预测收益数据和所述预测执行状态数据，获得为所述至少两个项目推荐对象进行资源分配的资源分配数据。从而后续能够基于该资源分配数据对该至少两个项目推荐对象对应的资源进行分配，达到统筹分配资源的目的，避免了由于资源分配不均导致进行项目推荐的效率较低的问题，同时也避免了推广资源的浪费。
数据处理方法装置

[发明专利]一种基于后处理的端到端强化学习混合尺度布局方法-CN202310404878.0在审
发明人：程若愚;严骏驰;乔宇 -专利权人：上海人工智能创新中心
申请日： 2023-04-17 - 公布日： 2023-07-11 - 主分类号： G06F30/392 文献下载
摘要：本发明公开了一种基于后处理的端到端强化学习混合尺度布局方法。该方法包括：针对目标元件在芯片上的布局问题构建强化学习布局模型，其中，所述强化学习布局模型包含策略网络和后处理模块，所述目标元件包含宏元件和标准元件；利用所述策略网络实现所有宏元件的整体布局；所述后处理模块以减小元件间重叠面积为目标，对所有目标元件一起进行贴边后处理，得到所有目标元件的布局结果；利用设定的奖励函数计算所述布局结果对应的奖励值，并周期地更新策略网络，直到满足设定的优化目标。本发明减小了布局结果的重叠面积，并同时改善了元件规整度等指标。
一种基于处理端到端强化学习混合尺度布局方法

[发明专利]一种基于数值预测回归模型的证件票据定位检测方法-CN201911287230.X有效
发明人：王刚;严骏驰 -专利权人：上海交通大学
申请日： 2019-12-14 - 公布日： 2023-07-11 - 主分类号： G06V30/412 文献下载
摘要：本发明涉及一种基于数值预测回归模型的证件票据定位检测方法，该方法包括如下步骤：(1)获取训练样本；(2)构建数值预测回归模型，所述的数值预测回归模型包括串联的轻量神经网络和空间变换网络，所述的轻量神经网络输入为待定位图像，输出为特征卷积图，所述的空间变换网络输入为所述的特征卷积图，输出为待检测图像中证件票据四个关键点的坐标；(3)设计损失函数；(4)利用步骤(1)的训练样本训练数值预测回归模型；(5)将待定位图像输入至训练好的数值预测回归模型，获取待检测图像中证件票据四个关键点的坐标；(6)根据证件票据四个关键点的坐标圈选出证件票据图像。与现有技术相比，本发明结果准确可靠。
一种基于数值预测回归模型证件票据定位检测方法

[发明专利]一种基于线路生成和顺序选择的强化学习全局布线方法-CN202310378097.9在审
发明人：杜星波;严骏驰;乔宇 -专利权人：上海人工智能创新中心
申请日： 2023-04-07 - 公布日： 2023-07-07 - 主分类号： G06F30/3947 文献下载
摘要：本发明公开一种基于线路生成和顺序选择的强化学习全局布线方法。该方法包括：将目标芯片划分为多个网格，形成网格图，该网格图包含多个节点，每个节点表示一个单元；利用构建的强化学习布线模型，确定连接所述网格图中各节点的路径，以实现目标芯片的全局布线；其中所述强化学习模型包含第一智能体和第二智能体，第一智能体针对所述网格图完成各网络的初步布线结果，第二智能体从第一智能体生成的初步布线结果中选择一条网络进行拆除，进而利用第一智能体重新生成该网络的布线结果并计算更新的奖励值，第二智能体根据所述更新的奖励值优化对应的策略网络。本发明通过联合优化两个智能体实现全局布线，提升了芯片设计的性能和效率。
一种基于线路生成顺序选择强化学习全局布线方法

1
2
3
4
5
6
下一页»
尾页
共 84 条