“权重量化”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1307370个，建议您升级VIP下载更多相关专利

[发明专利]一种卷积层量化方法及其装置-CN202010109185.5在审
发明人：韩凯;杨朝晖;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-02-21 - 公布日： 2020-07-03 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种卷积层量化方法，应用于人工智能领域，包括：获取图像数据、标注值、第一卷积神经网络以及N个候选量化值，第一卷积神经网络包括目标卷积层，目标卷积层包括权重值，权重值对应于N个概率值，N个概率值中的每个概率值对应一个候选量化值，权重值为根据N个概率值和N个候选量化值确定的量化期望值；通过第一卷积神经网络对图像数据进行处理，得到第二卷积神经网络，第二卷积神经网络包括更新后的权重值；对更新后的权重值进行权重量化，得到第三卷积神经网络
一种卷积量化方法及其装置

[发明专利]一种基于层次分析法的指标权重量化方法及系统-CN201710009808.X在审
发明人：潘鸣宇;梁飞宇;张禄;田贺平;崔燃 -专利权人：国网北京市电力公司;北京中电普华信息技术有限公司;国网信息通信产业集团有限公司;国家电网公司
申请日： 2017-01-06 - 公布日： 2017-05-17 - 主分类号： G06F19/00 文献下载
摘要：本申请公开了一种基于层次分析法的指标权重量化方法，包括：构造指标体系层次结构模型；利用层次分析法，分别确定出指标体系层次结构模型中每个指标所对应的权重，得到每个指标各自对应的初始指标权重；分别计算指标体系层次结构模型中每个指标的信息熵；分别利用每个指标的信息熵，对每个指标各自对应的初始指标权重进行修正，得到每个指标各自对应的修正后指标权重。本申请基于层次分析法以及结合指标的信息熵来确定每个指标最终的指标权重，这个过程中无需涉及过多的人为因素，提高了权重分配过程的分配效率，并且提高了权重分配结果的合理性。另外，本申请还公开了一种指标权重量化系统。
一种基于层次分析指标权重量化方法系统

[发明专利]基于非线性影响权重量化模型实现复杂IT系统状态观测的方法、装置、处理器及存储介质-CN202210679277.6在审
发明人：俞枫;曾宏祥;毛梦非;冯一欣;叶璞钰;王厦;吴康;李凯;徐毅平 -专利权人：国泰君安证券股份有限公司
申请日： 2022-06-16 - 公布日： 2022-09-09 - 主分类号： G06F11/34 文献下载
摘要：本发明涉及一种基于非线性影响权重量化模型实现复杂IT系统状态观测的方法，包括以下步骤：将复杂IT系统进行功能分层；建立功能节点间的拓扑关系；确定功能节点的输入指标和输出指标；构建指标层级交互框架；采集每个功能节点的输入指标和输出指标的测量数据；分析输入指标对输入指标的非线性影响权重；分析功能节点的局部故障影响因素。本发明还涉及一种基于非线性影响权重量化模型实现复杂IT系统状态观测的装置、处理器及其计算机可读存储介质。采用了本发明的基于非线性影响权重量化模型实现复杂IT系统状态观测的方法、装置、处理器及其计算机可读存储介质，准确把握系统的运行状况，实时监控系统状态，评估系统健康水平，预测/诊断系统故障。
基于非线性影响权重量化模型实现复杂 it 系统状态观测方法装置处理器存储

[发明专利]一种强化学习自动感知权重分布的卷积神经网络量化方法-CN202110134308.5在审
发明人：任鹏举;涂志俊;马建;夏天;赵文哲;陈飞;郑南宁 -专利权人：西安交通大学
申请日： 2021-02-01 - 公布日： 2021-04-30 - 主分类号： G06K9/62 文献下载
摘要：公开了一种强化学习自动感知权重分布的卷积神经网络量化方法，方法中，将每层批处理操作的参数与卷积操作的权重融合得到融合后的权重和偏置，获取浮点卷积神经网络模型中每一层融合后的权重的分布信息；根据每层权重的分布信息强化学习自动搜索最优的每层权重缩放系数，基于每层权重缩放系数将浮点权重量化成INT8类型数据；输入校准数据集，每输入一组数据记录每层输出特征图，选取众数作为每层输出特征图的缩放系数，根据每层权重的缩放系数和每层输出特征图的缩放系数计算得到每层偏置的缩放系数以将浮点的偏置量化为INT32类型的偏置，基于INT8类型数据、INT32类型的偏置和总的缩放系数构建前向推理过程完成量化。
一种强化学习自动感知权重分布卷积神经网络量化方法

[发明专利]用于声纹识别的硬件友好的权重三值化神经网络训练方法-CN202210553923.4在审
发明人：刘波;张轩豪;吴海舸;林鹏旭;郭力模;张作为;郭雷;黄苏畅;蔡浩;杨军 -专利权人：东南大学
申请日： 2022-05-19 - 公布日： 2022-08-30 - 主分类号： G10L17/18 文献下载
摘要：本发明公开了一种用于声纹识别的硬件友好的权重三值化神经网络训练方法。对前端硅麦采集到的语音音频按比例添加噪声并进行混合后，通过梅尔频率倒谱系数特征提取处理模块处理，得到混合噪声的语音数据集。使用该数据集以硬件友好为目标进行神经网络训练，训练过程中权重和量化阈值同步更新，并使用量化阈值将权重量化为三值权重，训练完成后将权重二次量化为±1和0的标准三值，以得到训练完成的硬件友好的三值权重神经网络以硬件友好为原则，使用本方法训练得到的神经网络权重被量化为标准三值，神经网络推理计算过程中的乘法操作少，且可以适应多背景噪声的环境，并且适合于在硬件环境上进行部署。
用于声纹识别硬件友好权重三值化神经网络训练方法

[发明专利]神经网络的量化方法、装置、服务器和存储介质-CN202010934398.1在审
发明人：李品逸;蔡志文;陈腊梅 -专利权人：广州小鹏自动驾驶科技有限公司
申请日： 2020-09-08 - 公布日： 2020-12-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种神经网络的量化方法、装置、服务器和存储介质。神经网络的量化方法包括：利用原始权重初始化量化权重；设置目标函数，所述目标函数包括所述量化权重与所述原始权重之间的夹角、共享权重值和权重分配索引；求解所述目标函数以最小化所述量化权重与所述原始权重之间的夹角，并得到所述共享权重值及所述权重分配索引；根据所述共享权重值及所述权重分配索引获得所述量化权重。上述神经网络的量化方法，是基于向量方向来优化神经网络量化问题的方法，通过最小化量化权重与原始权重之间的夹角，使得量化权重能够尽可能的保存原始权重信息，从而降低量化所带来的信息损失。
神经网络量化方法装置服务器存储介质

[发明专利]针对基于CNN的立体匹配算法的量化方法-CN202010558891.8在审
发明人：鲁志敏;王君鹏;陈松 -专利权人：中国科学技术大学
申请日： 2020-06-18 - 公布日： 2020-09-22 - 主分类号： G06T7/593 文献下载
摘要：本发明公开了一种针对基于CNN的立体匹配算法的量化方法，包括：在推理过程中，采用线性定点化的方式，将浮点形式的权重量化为整数值；单个卷积运算中，将量化后的输入特征图与量化后的权重进行整数运算，整数运算使用累加器进行乘积累加，累加器中引入了带量化的偏置加法，偏置项使用与权重相同的方式量化；累加器的输出进入激活层，激活层采用ReLU6()函数将最终输出控制在设定的范围内。
针对基于 cnn 立体匹配算法量化方法

[发明专利]一种保持量化推理与训练端数据一致性的方法-CN202111101043.5在审
发明人：周飞飞 -专利权人：合肥君正科技有限公司
申请日： 2021-09-18 - 公布日： 2023-03-24 - 主分类号： G06N3/0495 文献下载
摘要：本发明提供一种保持量化推理与训练端数据一致性的方法，所述方法包括以下步骤：S1，求取float数据的权重；S2，求取整个权重数据的最大值，由于权重的数据既有正数与负数，所以对权重求取绝对值abs()函数的最大值，权重除以最大值，数值分布于‑1,1之间；S3，在GPU训练端对数据进行量化时，对数据进行截取4位操作；S4，输入round()函数操作乘以128数值，由于int8数值取值范围为‑128到127，所以选择128数值进行相乘；S5，进行最后一步的clip(‑128,127)函数，最终使得模型由float数据量化至‑128到127之间的离散数据。本方法基于对权重量化时结果不一致的分析，提出对权重数据的处理，降低模型推理与训练数据之间的差异性，确保板端数据结果的正确。
一种保持量化推理训练数据一致性方法

[发明专利]基于层次分析法的管垢吸附重金属影响因素量化评价方法-CN201811489561.7在审
发明人：田一梅;赵伟高;刘春彤;郑国磊 -专利权人：天津大学
申请日： 2018-12-06 - 公布日： 2019-05-21 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于层次分析法的管垢吸附重金属影响因素量化评价方法，该方法主要步骤包括：选定影响因素，建立影响因素层次结构模型；构造判断矩阵；层次单排序及其一致性检验；层次总排序及一致性检验；得到各影响因素对上一层某因素及目标层(最高层)的相对权重量化排序。本发明基于层次分析理论，结合实际管垢吸附重金属的过程，全面具体的评价吸附过程的多方面影响因素权重，评价结果合理可靠，为管垢吸附重金属影响因素权重量化评价提供了一种新的方法和思路。
影响因素管垢吸附重金属影响排序层次分析法一致性检验量化评价权重量化矩阵层次结构模型层次分析构造判断吸附过程目标层重金属权重

[发明专利]一种处理模型后量化时权重异常值的方法-CN202210028737.9在审
发明人：张东 -专利权人：合肥君正科技有限公司
申请日： 2022-01-11 - 公布日： 2023-07-21 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种处理模型后量化时权重异常值的方法，所述方法对于出现权重异常值的层做特殊处理，即提供一个计算Sw临界值的方法，其中，时，其中，Sx为输入特征值Feature的尺度Scale，在权重和Feature量化为8比特时，Wint最大值为128，Xint最大值为255，此时输出的量化结果由bi决定为主，将权重量化为0并将Sw设为1，从而避免由于权重出现异常值导致量化结果不对。解决在模型后量化过程中，由于权重数据异常导致计算出来的量化超参溢出从而导致最终模型精度损失的问题，提供提高模型量化精度的方法。
一种处理模型量化权重异常方法

[发明专利]一种基于模型稀疏化与权重量化的联邦学习模型压缩方法-CN202110291738.8有效
发明人：赵中原;王屹东;纪晓东;陈柏平;周惠宣 -专利权人：北京邮电大学
申请日： 2021-03-18 - 公布日： 2023-06-20 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种基于模型稀疏化与权重量化的联邦学习模型压缩方法，所述方法包括以下步骤：步骤1，客户端使用本地数据集进行本地模型训练；步骤2，客户端对本地模型训练生成的权重矩阵进行模型稀疏化；步骤3，客户端对稀疏化之后的矩阵进行权重量化；步骤4，客户端将完成压缩后的模型通过无线信道传输到服务器；步骤5，服务器对接收到的权重矩阵进行解压缩，并完成联邦学习聚合。
一种基于模型稀疏权重量化联邦学习压缩方法

[发明专利]一种基于幂指数量化的深度神经网络硬件加速器-CN201910554531.8有效
发明人：陆生礼;庞伟;武瑞利;樊迎博;刘昊;黄成 -专利权人：东南大学
申请日： 2019-06-25 - 公布日： 2021-04-06 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于幂指数量化的深度神经网络硬件加速器，涉及深度神经网络卷积计算硬件加速的处理器结构，属于计算、推算、计数的技术领域。硬件加速器包括：AXI‑4总线接口、输入缓存区、输出缓存区、权重缓存区、权重索引缓存区、编码模块、可配置状态控制器模块、PE阵列。输入缓存区和输出缓存区设计成行缓存结构；编码器依据有序量化集对权重编码，该量化集存放所有权重量化后的绝对值可能取值。加速器计算时，PE单元从输入缓存区、权重索引缓存区读取数据进行移位计算，将计算结果送至输出缓存区。
一种基于指数量化深度神经网络硬件加速器

[发明专利]一种神经网络压缩方法-CN201811284341.0在审
发明人：高岩;郝虹;姜凯;于治楼 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2018-10-31 - 公布日： 2019-02-26 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种神经网络压缩方法，属于模型计算技术领域，具体利用了本发明提出的剪枝方法和权重量化方法。对神经网络模型剪枝，能够减少模型的连接数，即减少模型的参数数量。对神经网络模型进行量化，能够降低模型内部权重占用的存储空间，提升模型计算速度。
神经网络模型模型计算神经网络剪枝压缩存储空间权重量化连接数权重量化占用

[发明专利]一种神经网络8比特量化压缩方法-CN202011210713.2在审
发明人：不公告发明人 -专利权人：珠海亿智电子科技有限公司
申请日： 2020-11-03 - 公布日： 2021-03-12 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络8比特量化压缩方法，压缩方法技术领域，包括权重量化：对于神经网络的每一层，统计其权重，遍历的所有可能取值，根据取值对权重进行量化，计算量化前和量化后的散度，取散度最小时对应的作为其最终量化时采用的值；以及输出量化：选取校准数据集，针对具体任务定义其精度指标，对于网络的每一层，遍历FLo的可能取值，对网络进行定点前向运算，应用所定义的精度指标上表现最优的FLo作为该层的量化参数取值。本发明提供一种神经网络8比特量化压缩方法，将深度学习神经网络量化到8比特的同时保留较高的计算精度，使得神经网络可以在嵌入式设备上进行部署。
一种神经网络比特量化压缩方法

[发明专利]页岩油资源量计算中评价单元保存系数权重量化赋值方法-CN201910618385.0有效
发明人：林会喜;王圣柱;汪誉新;曲彦胜;马雪洁;于洪洲;张奎华;张关龙;赵建成;牛晓燕 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司勘探开发研究院
申请日： 2019-07-09 - 公布日： 2022-07-08 - 主分类号： E21B49/00 文献下载
摘要：本发明提供一种页岩油资源量计算中评价单元保存系数权重量化赋值方法，包括：步骤1，根据研究区实际地质结构及保存条件特点，划分不同的评价单元；步骤2，选取典型钻井或露头剖面；步骤3，建立不同评价单元、不同岩性岩相的有机质丰度与含油率参数关系图版；步骤4，建立不同评价单元、分岩相保存系数权重赋值量化模型；步骤5，分评价单元、分岩相类型计算资源量。该页岩油资源量计算中评价单元保存系数权重量化赋值方法更加科学，结果更加客观，解决了以往针对改造盆地页岩油资源量评价不准的问题，可为页岩油实际勘探工作提供技术支撑。
页岩资源计算评价单元保存系数权重量化赋值方法