“权重矩阵”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果203552个，建议您升级VIP下载更多相关专利

[发明专利]一种卷积神经网络的轻量化方法及装置-CN201711123049.6在审
发明人：傅鸿;闾凡兵;尹纪军;钮玉晓;王栋梁;丁继强 -专利权人：贵阳海信网络科技有限公司
申请日： 2017-11-14 - 公布日： 2018-03-23 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种卷积神经网络的轻量化方法及装置，所述方法包括获取卷积神经网络模型中每层卷积层中的每个卷积核的权重系数矩阵；针对任意一个权重系数矩阵，将该权重系数矩阵中绝对值小于预设阈值的权重系数值置为零，获得第一矩阵以及第二矩阵；所述第一矩阵中包括该权重系数矩阵中所有非零的权重系数，所述第二矩阵中包括该权重系数矩阵中所有非零的权重系数在该权重系数矩阵中的下标值；将所述第一矩阵以及所述第二矩阵作为压缩后的该权重系数矩阵；根据所述卷积神经网络模型中每层卷积层中的每个卷积核压缩后的权重系数矩阵对输入的图像进行交通拥堵识别。
一种卷积神经网络量化方法装置

[发明专利]网络模型计算方法、电子设备和存储介质-CN202210316776.9在审
发明人：李与超;王梦娣;林明宝;张玉鑫;晁飞;纪荣嵘;李深 -专利权人：阿里云计算有限公司
申请日： 2022-03-28 - 公布日： 2022-08-05 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例提供一种网络模型计算方法、电子设备和存储介质，该方法包括：获取深度学习模型的原始权重矩阵，并对原始权重矩阵进行划分，以得到多个第一数据块。基于划分结果对原始权重矩阵的稀疏处理，以得到稀疏权重矩阵。最终，对输入深度学习模型的待处理矩阵和上述的稀疏权重矩阵进行计算。相比于原始权重矩阵，稀疏权重矩阵中非0权重数据的数量会大大减少，从而提高模型对待处理矩阵的计算速度。并且第一数据块包含原始权重矩阵中相邻多列的权重数据且第一数据块的行数小于原始权重矩阵的行数，因此，对第一数据块进行稀疏处理后，出现原始权重矩阵中一整列的权重数据都不能被保留的情况的可能性很小，还能够保证模型精度
网络模型计算方法电子设备存储介质

[发明专利]权重矩阵数据存储方法、数据获取方法和装置、电子设备-CN202110585872.9在审
发明人：吴臻志;杨鸣鹤 -专利权人：北京灵汐科技有限公司
申请日： 2021-05-27 - 公布日： 2022-05-24 - 主分类号： G06F3/06 文献下载
摘要：本公开提供了一种权重矩阵的数据存储的方法，其包括：根据权重矩阵生成连接矩阵、数据类型表、特殊值表；存储连接矩阵、数据类型表、特殊值表；其中，连接矩阵与权重矩阵结构相同，其每个元素为权重矩阵中对应元素的权重值的连接类型；连接类型分为有效连接和无效连接；数据类型表包括依次设置的、权重矩阵中有效连接的权重值对应的数据类型；数据类型包括特殊值型和多个预设值型，每个预设值型对应一个有效连接的预设权重值，特殊值型对应特殊权重值，除预设权重值外的其它有效连接的权重值均为特殊权重值；特殊值表包括依次设置的、权重矩阵中的所有特殊权重值。本公开还提供了一种权重矩阵的数据获取的方法和装置、电子设备。
权重矩阵数据存储方法获取装置电子设备

[发明专利]权重矩阵数据存储方法、数据获取方法和装置、电子设备-CN202110585727.0在审
发明人：吴臻志;杨鸣鹤 -专利权人：北京灵汐科技有限公司
申请日： 2021-05-27 - 公布日： 2022-05-27 - 主分类号： G06F3/06 文献下载
摘要：本公开提供了一种权重矩阵的数据存储的方法，其包括：根据权重矩阵生成类型矩阵和特殊值表；存储所述类型矩阵和特殊值表；其中，所述类型矩阵与权重矩阵结构相同，其每个元素为权重矩阵中对应元素的权重值对应的类型，一个类型的数据量小于一个权重值的数据量；所述类型包括特殊值型和多个预设值型；每个所述预设值型对应一个预设权重值，所述特殊值型对应特殊权重值，除所述预设权重值外的其它权重值均为特殊权重值；所述特殊值表包括依次设置的、权重矩阵中的所有特殊权重值。本公开还提供了一种权重矩阵的数据获取的方法和装置、电子设备。
权重矩阵数据存储方法获取装置电子设备

[发明专利]一种语音处理方法、装置、终端及存储介质-CN202310152509.7在审
发明人：涂宏斌;章翔;张鲁峰;徐学明;赵瑞敏;谭洋;张馨月;高晨 -专利权人：中国长城科技集团股份有限公司
申请日： 2023-02-08 - 公布日： 2023-06-09 - 主分类号： G10L25/30 文献下载
摘要：本申请适用于神经网络技术领域，提供一种语音处理方法、装置、终端及存储介质，其中方法包括：基于长短期记忆LSTM神经网络的权重矩阵，构成第一权重矩阵块，所述第一权重矩阵块的大小为N*H*D；对所述第一权重矩阵块中的每个权重序列进行时间演化建模，得到对应的所述权重序列的描述符矩阵；基于每个所述权重序列的描述符矩阵，删除所述第一权重矩阵块中具有相似动态的权重序列，得到第二权重矩阵块；对所述第二权重矩阵块进行稀疏化，得到第三权重矩阵块；将待处理语音数据输入所述LSTM神经网络，以基于所述第三权重矩阵块对所述待处理语音数据进行处理，得到对应的语音处理结果。
一种语音处理方法装置终端存储介质

[发明专利]caffemodel模型压缩方法、系统、设备及介质-CN201810836366.0在审
发明人：罗壮 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2018-07-26 - 公布日： 2018-12-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种caffemodel模型压缩方法、系统、设备及介质，其中caffemodel模型压缩方法包括：利用caffe框架导入一训练后的caffemodel模型；获取第一权重矩阵；生成掩码矩阵；利用训练集训练caffemodel模型，迭代后，fc6层和/或fc7层的权重矩阵为第二权重矩阵；将第二权重矩阵中的每项元素与掩码矩阵中对应的每项元素相乘生成第三权重矩阵，将fc6层和/或fc7层的权重矩阵设置为第三权重矩阵；迭代结束，将第三权重矩阵转化为对应的csr稀疏矩阵格式生成压缩权重矩阵。
权重矩阵模型压缩掩码矩阵存储空间迭代结束格式生成稀疏矩阵元素相乘训练集迭代压缩转化

[发明专利]一种神经网络模型的压缩方法、装置及电子设备-CN202310338386.6在审
发明人：李欣;杨国庆 -专利权人：熠芯（宁波）智能科技有限公司
申请日： 2023-03-31 - 公布日： 2023-08-11 - 主分类号： G06N3/082 文献下载
摘要：本申请提供了一种神经网络模型的压缩方法、装置及电子设备，方法包括：确定神经网络模型中参与第i次压缩处理的待优化权重矩阵；从中筛选出权重值接近与0的矩阵元素，并将筛选的矩阵元素的权重值修改为0，以及确定权重值修改为0的矩阵元素在待优化权重矩阵的位置并为所有的该位置分配相同的第一标记值；保持剩余矩阵元素的权重值不变，并确定权重值保持不变的矩阵元素在待优化权重矩阵的位置并为所有的该位置分配相同的第二标记值；根据分配的第一标记值和第二标记值，生成第一标记值矩阵；根据第一标记值矩阵以及待优化权重矩阵，生成第一优化权重矩阵。
一种神经网络模型压缩方法装置电子设备

[发明专利]视频推荐方法及装置-CN202011014502.1有效
发明人：彭一;唐广宇;喻俊 -专利权人：湖南快乐阳光互动娱乐传媒有限公司
申请日： 2020-09-24 - 公布日： 2022-06-07 - 主分类号： H04N21/466 文献下载
摘要：本发明提供一种视频推荐方法及装置，该方法包括：在到达当前计算周期的结束节点时，确定与当前计算周期对应的初始标签权重矩阵，得到对初始标签权重矩阵衰减后的权重衰减矩阵；基于与当前计算周期对应的视频播放日志数据生成视频播放矩阵；获取视频标签矩阵，基于视频标签矩阵、视频播放矩阵和权重衰减矩阵得到标签权重矩阵，并将标签权重矩阵作为下一计算周期的初始标签权重矩阵；基于标签权重矩阵得到视频推荐矩阵，并基于视频推荐矩阵中的每个用户对每个视频的观看权重值
视频推荐方法装置

[发明专利]一种异构多应用服务器系统的负载均衡方法及系统-CN201910752494.1在审
发明人：罗威;王宝海;于浩;谢小军;金鑫;钱俊;姜元建;高亮;赵高峰;李洋;刘金锁;殷炜俊;蔡万升;王斌;龚亮亮 -专利权人：南京南瑞信息通信科技有限公司;国网安徽省电力有限公司信息通信分公司;国家电网有限公司
申请日： 2019-08-15 - 公布日： 2019-11-29 - 主分类号： H04L29/08 文献下载
摘要：本发明公开了一种异构多应用服务器系统的负载均衡方法，包括构建内含权重矩阵的系统模型；其中，权重矩阵中的元素为某项服务触发某一AS的条件概率；根据系统模型求解权重矩阵；基于权重矩阵执行服务触发。本发明通过系统模型求解权重矩阵，权重矩阵中的元素为服务触发AS的条件概率，基于权重矩阵执行服务触发，实现了系统的负载均衡。
权重矩阵服务触发系统模型负载均衡条件概率求解服务器系统多应用构建异构

[发明专利]信号处理的系统和方法-CN201710525239.4有效
发明人：许若圣 -专利权人：华为技术有限公司
申请日： 2017-06-30 - 公布日： 2022-04-05 - 主分类号： G06N3/063 文献下载
摘要：本申请实施例公开了一种信号处理方法以及装置，包括：输入模块，用于接收输入信号矩阵和权重矩阵；第一交织模块，用于交织输入信号矩阵，得到交织信号矩阵；第一分块模块，用于分块该交织信号矩阵；第二交织模块，用于交织权重矩阵，得到交织权重矩阵；处理模块，用于处理该交织权重矩阵，得到多个稀疏化分块权重矩阵；矩阵乘模块，用于实现多个稀疏化分块权重矩阵与多个分块信号矩阵对应矩阵乘，得到多个矩阵乘运算结果；输出模块，用于输出信号处理结果该方法及相关装置解决了关键权重分布不均匀导致的负载不均衡问题，提高了神经网络的运算效率。
信号处理系统方法

[发明专利]基于忆阻器阵列的循环神经网络的训练方法以及装置-CN202210015968.6在审
发明人：吴华强;周姝;唐建石;张清天;钱鹤;高滨 -专利权人：清华大学
申请日： 2022-01-07 - 公布日： 2023-07-18 - 主分类号： G06N3/08 文献下载
摘要：该方法包括：进行至少一次训练操作以得到对象权重矩阵；对对象权重矩阵进行量化处理以得到量化后对象权重矩阵；将量化后对象权重矩阵映射到忆阻器阵列。每次训练操作包括：获取初始权重矩阵；对初始权重矩阵进行量化处理、前向传播处理，得到前向计算结果；基于初始权重矩阵中的各个权重单元的当前权重值来获得惩罚项；基于前向处理结果使用损失函数获得初始损失值，使用惩罚项对初始损失值进行惩罚项处理以得到处理后损失值；使用处理后损失值进行后向传播以更新权重矩阵得到更新后权重矩阵。
基于忆阻器阵列循环神经网络训练方法以及装置

[发明专利]低时延矩阵乘法部件-CN201880004576.1有效
发明人：安德鲁·埃弗里特·菲尔普斯;诺曼·保罗·约皮 -专利权人：谷歌有限责任公司
申请日： 2018-05-17 - 公布日： 2023-05-23 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了被实施为脉动单元阵列的矩阵乘法部件的方法、系统和设备。所述矩阵乘法的每个单元包括：权重矩阵寄存器，所述权重矩阵寄存器被配置为接收来自转置或者非转置权重移位寄存器的权重输入；转置权重移位寄存器，所述转置权重移位寄存器被配置为接收来自水平方向的要被存储在所述权重矩阵寄存器中的权重输入；非转置权重移位寄存器，所述非转置权重移位寄存器被配置为接收来自垂直方向的要被存储在所述权重矩阵寄存器中的权重输入；以及乘法部件，所述乘法部件耦合至所述权重矩阵寄存器并且被配置为使所述权重矩阵寄存器的所述权重输入与矢量数据输入相乘以获得乘法结果
低时延矩阵乘法部件

[发明专利]低时延矩阵乘法部件-CN202310556021.0在审
发明人：安德鲁·埃弗里特·菲尔普斯;诺曼·保罗·约皮 -专利权人：谷歌有限责任公司
申请日： 2018-05-17 - 公布日： 2023-08-29 - 主分类号： G06F7/523 文献下载
摘要：公开了低时延矩阵乘法部件。本发明公开了被实施为脉动单元阵列的矩阵乘法部件的方法、系统和设备。所述矩阵乘法的每个单元包括：权重矩阵寄存器，所述权重矩阵寄存器被配置为接收来自转置或者非转置权重移位寄存器的权重输入；转置权重移位寄存器，所述转置权重移位寄存器被配置为接收来自水平方向的要被存储在所述权重矩阵寄存器中的权重输入；非转置权重移位寄存器，所述非转置权重移位寄存器被配置为接收来自垂直方向的要被存储在所述权重矩阵寄存器中的权重输入；以及乘法部件，所述乘法部件耦合至所述权重矩阵寄存器并且被配置为使所述权重矩阵寄存器的所述权重输入与矢量数据输入相乘以获得乘法结果
低时延矩阵乘法部件

[发明专利]一种轮辋多工序成形参数优化方法、装置及可读介质-CN202310590170.9在审
发明人：路平;袁鹏飞;刘斌;马峰;曹伟;江开勇;黄常标;林俊义;颜丙功 -专利权人：华侨大学
申请日： 2023-05-24 - 公布日： 2023-08-22 - 主分类号： G06F30/23 文献下载
摘要：涉及智能制造领域，通过构建随机森林模型并训练，得到经训练的随机森林模型，获取轮辋加工过程中的加工参数，将加工参数输入经训练的随机森林模型，得到加工参数对应的后处理参数；采用AHP群决策对后处理参数进行权重计算，得到第一权重矩阵，采用熵权法对后处理参数进行权重计算，得到第二权重矩阵，采用优序图法对各个工序进行权重计算，得到第三权重矩阵；根据第一权重矩阵和第二权重矩阵计算出第一综合权重矩阵，根据第一综合权重矩阵和第三权重矩阵计算出第二综合权重矩阵；基于第二综合权重矩阵采用逼近理想解排序法对所有加工参数进行求解排序，获取最优加工参数，解决轮辋成形参数优化成本高，指导难度大等问题。
一种轮辋多工序成形参数优化方法装置可读介质

[发明专利]一种神经网络训练方法及装置-CN201810702883.9有效
发明人：张悠慧;张优扬;刘鹤;毕舒展;鲁芳敏;杨弢;程捷 -专利权人：华为技术有限公司;清华大学
申请日： 2018-06-30 - 公布日： 2022-05-17 - 主分类号： G06N3/063 文献下载
摘要：该方法可以包括：将第一权重矩阵中绝对值小于或者等于预设门限的元素进行剪枝操作获取第二权重矩阵；对于第二权重矩阵的每个元素加噪音获取第三权重矩阵；将根据第三权重矩阵进行前向传播的结果与目标值进行比较，获得损失值；根据损失值与第一权重矩阵进行反向传播获取目标权重矩阵；其中第一权重矩阵为预设权重矩阵。
一种神经网络训练方法装置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条