“任永坚”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60个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多路并行处理的多集查找插入与查找优化方法-CN202310904005.6在审
发明人：黄钰淦;薛梅婷;曾艳;任永坚;张纪林;袁俊峰 -专利权人：杭州电子科技大学
申请日： 2023-07-24 - 公布日： 2023-10-10 - 主分类号： G06F16/2453 文献下载
摘要：本发明公开了一种基于多路并行处理的多集查找插入与查找优化方法，该方法首先初始化多集查找结构操作，设置多集查找结构的各项参数，并分配相应的内存空间。其次向完成初始化的多集查找结构中插入元素数据，多集查找结构中插入数据的格式为键值对，其中不同元素的“值”必须不同，但是“键”可以为同一值。最后多集查找结构接收待查询数据，待查询数据在进入结构前被组织为一个队列，随后进入结构进行多路查询处理，处理完成的数据将被输出。本发明提升了多集查找的查询速度，减少了大数据场景下待查询数据积压的情况，在提高了整体结构的紧凑型同时还保持了较高的精度。
一种基于并行处理查找插入优化方法

[发明专利]一种渔船动态编组方法及装置、设备、存储介质-CN202310454575.X在审
发明人：李铎仕;任永坚;袁俊峰;张纪林;曾艳;薛梅婷 -专利权人：杭州电子科技大学
申请日： 2023-04-25 - 公布日： 2023-08-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种渔船动态编组方法，包括如下步骤：S1、数据采集，渔船作业一般有很多区域，同一作业区域的船舶轨迹具有有非常相似的运动模式，选定感兴趣的作业区域，选定作业区域有利于对该区域作业渔船轨迹做更好的分析；S2、对渔船轨迹数据进行预处理；S3、构建Transformer模型；S4、将作业区域所有渔船轨迹数据输入到Transformer模型获得预测轨迹，计算预测轨迹相似度获得轨迹距离矩阵，最后通过轨迹聚类获得动态编组。该方法通过改进Transformer模型预测渔船轨迹发现潜在的运动模式，再对预测轨迹进行轨迹相似度计算和轨迹聚类，实现动态编组。
一种渔船动态编组方法装置设备存储介质

[发明专利]一种针对物理神经网络的改进网络的调优方法和装置-CN202310332005.3在审
发明人：赵路;聂宁明;任永坚;王宗国;王珏;王彦棡;张纪林;曾艳 -专利权人：中国科学院计算机网络信息中心;杭州电子科技大学
申请日： 2023-03-30 - 公布日： 2023-08-08 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种针对物理神经网络的改进网络的调优方法和装置。该方法包括：为所述基础的物理神经网络添加输入放缩层，输出放缩层和特征层，构建改进的物理神经网络；使用若干观测点和所述改进的物理神经网络作差作为第一损失函数对所述改进的物理神经网络进行第一训练；将所述微分方程组的残差项加入到所述第一损失函数得到第二损失函数进行第二训练。实现了使用物理神经网络求解强刚性的速率理论方程组的可行性，添加观测点作为有监督训练项并进行预训练，确定模型的优化方向，使模型训练具有更高的训练效率。采用均衡各残差权重的优化方法，让改进的网络具有更好的正则化效果。
一种针对物理神经网络改进网络方法装置

[发明专利]一种基于图像分割的场景文本检测方法-CN202310464879.4在审
发明人：路子恒;任永坚;周仁杰;张纪林;万健;邓飞;杨畅;马强;姚越 -专利权人：杭州电子科技大学
申请日： 2023-04-27 - 公布日： 2023-07-25 - 主分类号： G06V20/62 文献下载
摘要：本发明公开了一种基于图像分割的场景文本检测方法，属于计算机视觉领域。本发明首先获取包含文本的自然场景图像，对其进行预处理，并通过特征提取组件对预处理后的自然场景图像进行特征提取得到特征图。其次根据特征图，通过特征金字塔增强组件让特征图中不同尺寸的特征信息充分融合，得到深层特征。然后通过特征聚焦组件对来自特征金字塔增强组件的多个不同尺寸的特征图融合，并进行特征聚焦操作。最后通过文本框预测组件对特征聚焦组件输出的特征图进行预测，找出文本所在位置。本发明增大特征图感受视野和文本特征的表达能力，有效提高场景文本检测的精度。
一种基于图像分割场景文本检测方法

[发明专利]一种基于负载均衡的模型自动并行方法、设备及存储介质-CN202310306346.3在审
发明人：曾艳;倪益杰;张纪林;任永坚;袁俊峰;万健 -专利权人：杭州电子科技大学
申请日： 2023-03-27 - 公布日： 2023-07-07 - 主分类号： G06F9/38 文献下载
摘要：本发明公开了一种基于负载均衡的模型自动并行方法、设备及存储介质。本发明首先分析影响算子和模型执行性能的关键因素（算子出入度大小、张量的形状以及张量的数据类型），提出了基于算子特征构建性能评估模型的方法，以评估算子计算、通信以及综合代价和模型的训练性能代价；然后，以各设备综合代价负载均衡为目标，利用基于拓扑排序的按层划分方法将神经网络模型快速切分成多个综合代价均衡的子模型，实现粗粒度的划分；最后，基于模型的训练性能评估模型，根据算子间的通信特征，利用基于通信优化的细粒度模型切分和调度方法，针对粗粒度切分好的子模型，进行细粒度的调整，降低跨设备通信张量传输量的大小，以实现全局模型最优化调度。
一种基于负载均衡模型自动并行方法设备存储介质

[发明专利]一种基于AC强化学习的神经网络分布式自动并行训练方法-CN202310067939.9在审
发明人：李湘干;曾艳;任永坚;张纪林;万健 -专利权人：杭州电子科技大学
申请日： 2023-02-06 - 公布日： 2023-06-23 - 主分类号： G06N3/092 文献下载
摘要：本发明公开了一种基于AC强化学习的神经网络分布式自动并行训练方法。本发明首先基于性能分析方法对神经网络模型进行性能数据采样分析，提取模型算子的性能数据，实现算子分组融合。其次实现消息传递的计算图全局特征向量表示，构建强化学习的状态搜索空间。然后采用基于时序差分采样的AC算法完成强化学习模型的迭代优化，以搜索最优分布式并行策略。最后构建基于事件驱动的多线程模拟执行器，模拟神经网络模型的计算过程。本发明降低AC强化学习的状态搜索空间规模，提高并行策略的搜索性能和通用性，并且减少策略迭代执行时间，降低迭代搜索过程中的硬件执行成本。
一种基于 ac 强化学习神经网络分布式自动并行训练方法

[发明专利]一种基于块分解的时序知识图谱补全方法-CN202310216132.7在审
发明人：曾艳;岳鲁鹏;袁俊峰;任永坚;张纪林;万健 -专利权人：杭州电子科技大学
申请日： 2023-03-08 - 公布日： 2023-06-06 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于块分解的时序知识图谱补全方法，使其在大规模复杂场景下有效提升预测缺失事实的准确率。本发明首先根据时序知识图谱中的时间戳标注划分为若干知识集合，并通过每个知识集合中的知识构建若干知识子图，为寻找不同知识子图之间的依赖信息以补全缺失知识提供支持；其次，将知识子图输入块分解模型中，并构建对偶化因子矩阵和位置编码化核心张量，得到知识子图的嵌入向量表示以构建不同知识之间的潜在联系；最后，根据知识子图的嵌入向量表示计算缺失知识的置信度分数，添加置信度分数最大的知识到时序知识图谱中，以提高预测缺失事实的准确率。本发明能够对不完整的时序知识图谱作出更精准的补全。
一种基于分解时序知识图谱方法

[发明专利]一种基于压缩与激励神经网络的场景文本识别方法-CN202211610577.5在审
发明人： 任永坚;路子恒;周仁杰;张纪林;万健;邓飞;杨畅;马强;姚越 -专利权人：杭州电子科技大学
申请日： 2022-12-12 - 公布日： 2023-05-12 - 主分类号： G06V30/18 文献下载
摘要：本发明公开一种基于压缩与激励神经网络的场景文本识别方法。该方法通过在输入层对包含文字的自然场景图像进行预处理得到文本块图像，然后通过压缩与激励神经网络组成的特征提取层对文本块图像进行特征提取，然后把提取到的特征图经过特征变换为多个特征序列，此时每个特征序列对应原始图像一个感受野，再把特征序列送入时序信息学习层，时序信息学习层使用双层双向门控循环神经网络提取特征图时序信息，最后使用连接时间分类网络CTC进行转录翻译得到预测文本。本发明不仅识别准确度高，并且模型的尺寸小，可移植和可应用性高，也具有很好的泛化能力。
一种基于压缩激励神经网络场景文本识别方法

[发明专利]一种基于硬件监测自适应分布式机器学习训练加速方法-CN202310026021.X在审
发明人：徐沛然;薛梅婷;任永坚;张纪林;曾艳;袁俊峰 -专利权人：杭州电子科技大学
申请日： 2023-01-09 - 公布日： 2023-04-04 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于硬件监测自适应分布式机器学习训练加速方法，首先建立基于参数服务器的分布式神经网络训练系统，并利用工具建立资源探测系统获取操作系统级别的硬件信息以及资源利用情况。其次参数服务器通过性能监测模型得到工作节点的性能参数，参数服务器以收集到的性能参数为依据，预测集群中各节点未来训练走向，选择最优同步时机作为同步标记，使得此时刻进行全局同步所产生的同步时延最小。最后如果工作节点到达了同步标记，则进行全局同步，如果没有，则继续训练本地模型，直至机器学习模型收敛。本发明有效得减少了各节点的同步等待时间，从而有效缓解了滞后问题，大大提高了机器学习模型训练的性能。
一种基于硬件监测自适应分布式机器学习训练加速方法

[发明专利]基于时空融合与自注意力机制的交通流量修复方法及系统-CN202211493241.5在审
发明人：周丽;邵衢进;周仁杰;张纪林;万健;任永坚;王玮;邓飞;王星 -专利权人：杭州电子科技大学
申请日： 2022-11-25 - 公布日： 2023-03-28 - 主分类号： G06F18/25 文献下载
摘要：本发明公开基于时空融合与自注意力机制的交通流量修复方法及系统。本发明提出了时空结合及时空剔除的交通流修复方法，时空结合使得模型在使用自注意力机制时，将空间信息、时间信息及数值相加并看为一个整体，充分利用了道路中的路网的空间信息及时间的前后关系，提高了道路图信息的利用率；提出了用于交通流量修复的时空融合与自注意力机制。时空融合与自注意力机制通过结合空间与时间信息，使得模型能够提取到不同道路之间车流量的隐含关系，学习道路图的历史流量特征；提出了正序逆序两种序列数据修复融合的方法。通过正序逆序两种遍历方法得到两种序列，提取不同序列的多种信息，提高修复准确率。
基于时空融合注意力机制交通流量修复方法系统

[发明专利]一种改进型的多模态多目标狼群优化方法及装置-CN202211463901.5在审
发明人：王东兴;任永坚 -专利权人：珠海信核数据科技有限公司
申请日： 2022-11-21 - 公布日： 2023-02-28 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种改进型的多模态多目标狼群优化方法及装置，该优化方法具体包括如下步骤：随机自适应收缩网格搜索策略；全局最优记录奔袭策略；MMO‑WPOA‑RASGS‑GBA算法流程具体包括：MMO‑WPOA‑RASGS‑WPOA的初始化、循环迭代的优化过程和记录数据，本发明基于随机自适应收缩网格搜索(Random Adaptive Shrinking Grid Search，RASGS)和朝向全局最优奔袭策略(Raid for Global Best Archive，GBA)的狼群优化算法来丰富WPOA求解多模态多目标优化问题(MMOPs)的方法体系，其采用RASGS增强了算法在局部区域的开发，并定位了更多的Pareto最优解，此外借助现有的由非支配排序方案和特殊拥挤距离组成的排序方法，引入了GBA策略以获取和维护种群的历史全局最优解，并诱导种群探索更好的解，与当前现有的方法相比，本发明具有明显优越的Pareto sets proximity(PSP)和Hyper‑volume(Hv)，整体性能最好。
一种改进型多模态多目标狼群优化方法装置

[发明专利]一种基于二阶导数解决联邦学习中数据不平衡问题的方法-CN202110917450.7有效
发明人：燕忠毅;曾艳;赵乃良;张纪林;任永坚;万健;沈鸿辉 -专利权人：杭州电子科技大学
申请日： 2021-08-11 - 公布日： 2023-02-07 - 主分类号： H04L67/1023 文献下载
摘要：本发明提出一种基于二阶导数解决联邦学习中数据不平衡问题的方法，可以解决局部和全局不平衡对全局模型训练的影响，本发明包括：云端服务器通过计算损失函数关于全局模型参数的二阶导数获得全局模型参数重要性权重，该权重可以反映参数对任务的重要程度，用于构造正则项；边缘客户端利用接收到的信息构建正则项添加到预先设置的优化目标，对重要的参数设置大的惩罚，对不那么重要的参数设置小的惩罚，从而达到如下效果：1）防止本地模型与全局模型差异过大；2）降低大类对全局模型的贡献；3）尽可能地将关于不同边缘客户端的知识集成到全局模型中；云端服务器利用接收到的本地模型更新全局模型。以次往复，直到全局模型精度达到预设要求。
一种基于导数解决联邦学习数据不平衡问题方法

[发明专利]一种利用动态图注意力网络的恶意软件检测方法-CN202210907548.9在审
发明人：李传昆;寇亮;张纪林;任永坚;袁俊峰 -专利权人：杭州电子科技大学
申请日： 2022-07-29 - 公布日： 2022-12-27 - 主分类号： G06F21/56 文献下载
摘要：本发明公开一种利用动态图注意力网络的恶意软件检测方法。本发明对API序列进行分段，构建API图快照序列，使用多个快照记录了软件API调用图的变化过程，以此间接表示软件行为动作发生的顺序与过程，使模型能更好地理解软件行为。本发明将通过图注意力神经网络模块更新注意力系数，同时通过门控循环神经网络模块更新隐藏状态,使得模型能捕获调用图局部恶意行为信息与调用图结构的演变过程，更加适应非典型的恶意软件检测。
一种利用动态注意力网络恶意软件检测方法

[发明专利]一种基于遗传算法的神经网络自适应分布式并行训练方法-CN202210963656.8在审
发明人：倪益杰;曾艳;张纪林;任永坚;袁俊峰;韩猛;徐梦楚 -专利权人：杭州电子科技大学
申请日： 2022-08-11 - 公布日： 2022-09-27 - 主分类号： G06N3/12 文献下载
摘要：本发明公开了一种基于遗传算法的神经网络自适应分布式并行训练方法。本方法首先将模型并行中算子放置问题转化整数线性规划问题，构建解空间，并简化解空间的规模。其次构建代价评估模型，评估线性规划问题解的优劣，指导两个种群之间进行迭代更新两组放置策略。然后当到达迭代更新的终止条件后，将两组放置策略转化为数据流图的算子放置策略，算子放置策略对模型进行训练，以选取最优分布式调度策略。最后利用得到的分布式调度策略，对待训练的模型进行分布式调度，并将数据集输入到的神经网络中进行分布式训练。本发明在保证解空间质量的前提下加快算法搜索速度，以细粒度评估算子放置策略的执行性能，有效避免陷入局部最优情况。
一种基于遗传算法神经网络自适应分布式并行训练方法

[发明专利]一种多媒体流分布式同步方法-CN202011578440.7有效
发明人：曾艳;路锦;张纪林;任永坚;赵乃良 -专利权人：杭州电子科技大学
申请日： 2020-12-28 - 公布日： 2022-08-30 - 主分类号： H04N21/436 文献下载
摘要：本发明公开了从终端设备通过局域网一对多投放音频或视频流，同时保持多个接收设备间同步的方法。本发明在Source端和Sink端之间建立起数据和控制流通道，提出了基于自适应RTT预测技术，可支持多设备间分布式计算开始处理时间，并且采用Sink端多设备帧组为粒度的同步方法和Sink端单设备帧组内自适应调整处理频率两项关键技术，有效改善了分布式架构中多媒体流不同步及延迟大等问题，确保在低通信开销的情况下，多设备之间多媒体流处理的一致性，降低丢帧、快进、花屏出现概率。该发明可在普适场景下，保持媒体在多个接收设备间的同步，以实现多媒体立体播放最佳体验。
一种多媒体分布式同步方法

1
2
3
4
下一页»
尾页
共 60 条