“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_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

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]基于卷积神经网络模型的图像处理方法和装置-CN201810250867.0有效
发明人：胡慧 -专利权人：华为技术有限公司
申请日： 2018-03-26 - 公布日： 2021-09-21 - 主分类号： G06N3/04 文献下载
摘要：该方法包括：获取神经网络层对应的第一权重参数集，第一权重参数集中包括N1个第一权重参数，其中，N1为大于或等于1的整数；分别计算N1个第一权重参数与第一数值m的比值，得到N1个第二权重参数，其中|Wmax|≤m≤2|Wmax|，Wmax为第一权重参数集中绝对值最大的权重参数；将N1个第二权重参数分别量化成至少两个2的Q次方的和，得到N1个第三权重参数，其中，Q≤0，且Q为整数；获取待处理图像；根据N1个第三权重参数对待处理图像进行处理，以得到输出图像。本申请能够降低权重量化带来的误差，从而减小精度损失。
基于卷积神经网络模型图像处理方法装置

[发明专利]包含量化或逆量化程序的信号处理装置及信号处理方法-CN201510020105.8有效
发明人：王颂文;童怡新 -专利权人：晨星半导体股份有限公司
申请日： 2015-01-15 - 公布日： 2018-06-12 - 主分类号： H04N19/61 文献下载
摘要：本发明涉及包含量化或逆量化程序的信号处理装置及信号处理方法。根据本发明的信号处理装置，包含一记忆模块与一展开模块。该记忆模块中储存有多个初始系数。该展开模块用以将该多个初始系数中的N个初始系数映射至一量化表格中，做为N个参考量化权重。N为大于2的整数。该N个参考量化权重于该量化表格中并非排列于同一直线上。该展开模块考量待决定的一目标量化权重于该量化表格中与该N个参考量化权重间各自的一概略距离，并据此利用该N个参考量化权重内插产生该目标量化权重。
量化权重信号处理装置初始系数参考记忆模块目标量化信号处理逆量化同一直线内插映射

[发明专利]一种构造卷积神经网络（CNN）模型的方法和系统-CN201910312776.X在审
发明人：崔裕镇;M.埃-卡哈米;李正元 -专利权人：三星电子株式会社
申请日： 2019-04-18 - 公布日： 2019-11-22 - 主分类号： G06N3/04 文献下载
摘要：该方法包括正则化空间域权重，提供空间域权重的量化，修剪空间域中的小权重或零权重，微调量化码本，压缩来自量化码本的量化输出，以及解压缩空间域权重并在修剪Winograd域权重之后使用稀疏空间域卷积和稀疏Winograd
权重空间域量化码本卷积稀疏修剪卷积神经网络量化解压缩正则化微调压缩输出

[发明专利]基于LSQ量化的知识蒸馏方法-CN202211271826.2在审
发明人：谭钦红;文洪伟;黄俊 -专利权人：重庆邮电大学
申请日： 2022-10-18 - 公布日： 2022-12-13 - 主分类号： G06N3/08 文献下载
摘要：本发明提供的基于LSQ量化的知识蒸馏方法，通过LSQ算法量化模型，得到量化模型，并通过自学习初始化量化模型的权重、权重步长和激活步长，缓解了陷入量化感知训练陷入局部极小值。第1阶段只训练量化模型的权重和权重步长。第2阶段训练量化模型的权重和激活步长。从而进一步缓解了陷入量化感知训练陷入局部极小值。
基于 lsq 量化知识蒸馏方法

[发明专利]热点事件状态评估方法-CN202111011061.4在审
发明人：潘磊;代翔;廖泓舟;高翔;陈伟晴 -专利权人：西南电子技术研究所(中国电子科技集团公司第十研究所)
申请日： 2021-08-31 - 公布日： 2021-12-10 - 主分类号： G06F16/33 文献下载
摘要：本发明公开的一种热点事件状态评估方法，能够改善评估模型精确性，提高计算效率，本发明通过下述技术方案实现：量化评估模型生成：构建多层次多粒度评估指标体系，基于评估指标体系和评估结论，结合专家知识完成评估指标对评估结论支撑度的判定，生成量化评估模型；语义匹配评估：以量化评估模型为基础，通过指标数据与评估指标的匹配得到量化矩阵图，对每个结论对应的量化权重统计与归一化计算，得到当前热点事件状态的初步定量估计；深度分类评估：根据新矩阵图输出的指标数据+量化标签进行深度分类模型训练，利用分类模型进行指标数据分类权重量化，自动计算指标数据对事件状态的支撑度，完成事件状态的深度自动化定量估计。
热点事件状态评估方法

[发明专利]对神经网络系统中的数据处理方法和神经网络系统-CN201910619898.3在审
发明人：蒋磊;程捷;杨文斌 -专利权人：华为技术有限公司
申请日： 2019-07-10 - 公布日： 2021-01-12 - 主分类号： G06N3/04 文献下载
摘要：该方法能够根据目标量化位宽以及待量化的权重值集合中的权重值的范围，确定量化方式，并根据确定的量化方式对待量化的权重值集合中的权重值进行量化。其中，待量化的权重值集合包括神经网络系统中的多个卷积核组中的一个卷积核组的初始权重值，所述卷积核组包括不同卷积层中的多个卷积核，或包括同一卷积层中的部分卷积核，并基于量化后的权重值集合中的权重值对输入神经网络系统中的数据进行计算该方法能够提升神经网络系统中进行低位宽量化后的数据精度。
神经网络系统中的数据处理方法

[发明专利]一种提高低比特量化模型性能的方法和系统-CN202210400848.8在审
发明人：杜力;郭若凡;杜源 -专利权人：南京大学
申请日： 2022-04-18 - 公布日： 2022-05-17 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及神经网络量化领域，具体地，涉及一种提高低比特量化模型性能的方法包括：采用预设的算法对预设的图像矩阵和预设的第一权重进行迭代计算，获得图像向量；对第一权重进行量化获得第二权重；对第一权重和第二权重进行计算，获得第一权重的量化误差正则项数据；将量化误差正则项数据视为对第一权重的数据分布情况的约束结果；获得约束结果；获得总损失函数模型；对所述总损失函数模型进行反向梯度传播，获得第一权重的优化数据结果，迭代步骤，直至神经网络收敛；在实际应用过程中，使用了量化误差正则项，避免了量化感知训练中的训练不稳定的缺点；量化误差正则项可以直接在模型的微调阶段加入，相较于量化感知训练有更少的计算量。
一种提高比特量化模型性能方法系统

[发明专利]基于幂次权重量化的神经网络前向运算硬件结构-CN201610388694.X在审
发明人：汪玉;唐天琪;费旭东;杨华中 -专利权人：华为技术有限公司;清华大学
申请日： 2016-06-02 - 公布日： 2016-11-02 - 主分类号： G06F7/523 文献下载
摘要：本发明提出一种基于幂次权重量化的神经网络前向运算硬件结构，包括：输入缓存模块，输入缓存模块用于缓存从全局存储器中搬运到片上的输入数据和神经网络幂次权重，其中，神经网络幂次权重包括卷积核和全连接矩阵；计算模块，计算模块用于进行基于幂次权重量化的卷积和全连接矩阵向量乘运算；输出缓存模块，输出缓存模块用于缓存计算模块得到的卷积或全连接矩阵向量乘的运算结果；以及控制模块，控制模块用于对输入缓存模块、运算模块和输出缓存模块进行数据搬运和运算资源调度
基于权重量化神经网络运算硬件结构

[发明专利]数据计算方法、装置、存储介质和设备-CN202210424489.X在审
发明人：李恭政 -专利权人：网易（杭州）网络有限公司
申请日： 2022-04-22 - 公布日： 2022-08-05 - 主分类号： G06N3/08 文献下载
摘要：该方法包括：获取待参与目标矩阵乘法运算的浮点类型的目标激活值以及目标权重；对所述目标激活值和所述目标权重分别进行量化处理，得到与所述目标激活值对应的定点类型的量化激活值以及与所述目标权重对应的定点类型的量化权重；采用所述量化激活值与所述量化权重进行所述目标矩阵乘法运算；根据所述目标激活值或所述目标权重的量化方式将所述目标矩阵乘法运算的结果进行反量化处理，得到浮点类型的目标输出数据。通过对符合条件的有限数量的目标激活值和目标权重进行量化，本申请使得计算时消耗的资源和时间减少，节约显存，且不降低计算精度。
数据计算方法装置存储介质设备

[发明专利]一种适合FPGA的神经网络量化方法及装置-CN202211456706.X在审
发明人：吕文浩;支小莉;童维勤 -专利权人：上海大学
申请日： 2022-11-21 - 公布日： 2023-03-28 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种适合FPGA的神经网络量化方法及装置。该方法包括以下步骤：在前向传播过程中，对神经网络模型中每层网络的权重参数进行第一次移位量化；根据权重参数的第一次移位量化的量化误差对这些参数进行分组处理，得到量化后的权重参数值；根据量化后的权重参数值计算每一层的卷积结果该装置包括量化模块，权重分组模块和重训练模块。本发明将乘法运算转化为移位运算，降低了在FPGA等硬件设备上的计算成本和部署难度，有效提高了量化精度，增加了权重表示的灵活性。
一种适合 fpga 神经网络量化方法装置

[发明专利]一种图像分类方法、装置、设备及计算机可读存储介质-CN201911041052.2有效
发明人：梁玲燕;董刚;赵雅倩;曹其春 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2019-10-25 - 公布日： 2023-07-14 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种图像分类方法，包括：接收待分类图像信息；利用通过对比裁剪量化误差和max量化误差选取得到的量化阈值进行权重参数量化后的深度神经网络模型，对待分类图像信息进行分类操作，得到图像分类结果；其中，裁剪量化误差为基于深度神经网络模型的原权重参数计算得到的裁剪阈值进行权重参数量化得到，max量化误差为基于深度神经网络模型的原权重参数计算得到的最大绝对值权重阈值进行权重参数量化得到；输出图像分类结果
一种图像分类方法装置设备计算机可读存储介质

[发明专利]量化训练的长短期记忆神经网络-CN201980071230.8在审
发明人： R.A.格瓦拉 -专利权人：谷歌有限责任公司
申请日： 2019-10-30 - 公布日： 2021-06-11 - 主分类号： G06N3/04 文献下载
摘要：用于量化具有多个权重的训练的长短期记忆(LSTM)神经网络的方法，所述方法包括：获得为训练的LSTM神经网络的每个权重指定训练的浮点值的数据，所述训练的LSTM神经网络包括一个或多个LSTM层，每个LSTM层具有多个门且多个门中的每个门与输入权重矩阵和循环权重矩阵相关联；量化训练的LSTM神经网络，包括：对每个门，将输入权重矩阵的元素量化到目标固定比特宽度；对每个门，将循环权重矩阵的元素量化到目标固定比特宽度；以及提供指定量化神经网络的数据以用于执行量化的推断。
量化训练短期记忆神经网络

[发明专利]一种基于嵌入式设备的行人检测推理方法-CN202210512803.X在审
发明人：陈其宾;李锐;张晖 -专利权人：山东浪潮科学研究院有限公司
申请日： 2022-05-12 - 公布日： 2022-07-29 - 主分类号： G06V40/10 文献下载
摘要：获取训练数据，并训练行人检测模型MobileNetV1‑SSD；计算模型权重的量化因子；通过最小化均方误差计算得到每层的激活值量化因子；对模型中的每个算子进行量化，将浮点类型模型权重量化成int8数据类型，并将激活值量化成uint8数据类型；模型推理以及逆量化，将推理结果逆量化为int32数据类型；在MCU开发板上进行编译，运行模型。
一种基于嵌入式设备行人检测推理方法

[发明专利]一种风险量化方法及装置-CN201710114260.5在审
发明人：陈友琨;李亚玲 -专利权人：新华三技术有限公司
申请日： 2017-02-28 - 公布日： 2017-06-20 - 主分类号： H04L29/06 文献下载
摘要：本发明提供一种风险量化方法，该方法包括接收风险显示请求，所述风险显示请求携带风险量化类型；当所述风险量化类型为单资产风险量化时，获取单个资产的风险权重信息，所述风险权重信息包括攻击权重值、漏洞权重值以及价值权重值；根据资产的风险权重信息得到资产的风险评分；将资产的风险评分映射为资产的风险级别，以用于资产风险显示。
一种风险量化方法装置

[发明专利]点云的编码方法、解码方法、编码器以及解码器-CN202080108037.X在审
发明人：元辉;王晓辉;王璐;刘祺;李明 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-12-22 - 公布日： 2023-09-19 - 主分类号： H04N19/105 文献下载
摘要：编码方法包括：对点云中的目标点的属性信息进行处理，得到所述目标点的属性信息的预测残差值；基于所述目标点的量化权重和所述目标点的量化步长，对所述预测残差值进行量化，得到所述目标点的属性信息的量化残差值，所述目标点的量化权重为对所述目标点的量化步长进行加权时采用的权重；对所述量化残差值进行编码，得到码流。本申请提供的方案中，通过引入目标点的量化权重，相当于基于所述目标点的量化权重对所述目标点的量化步长进行了修正，能够提升其预测的准确性。
编码方法解码编码器以及解码器

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top