钻瓜专利网为您找到相关结果
87 个，建议您
升级VIP 下载更多相关专利
[发明专利] 用平均平滑使图像到图像模型压缩 -CN202280018987.2 在审
发明人：
任健 ;柴梦蕾 ;谢尔盖·图利亚科夫 ;金庆
- 专利权人：
斯纳普公司
申请日：
2022-02-25
-
公布日：
2023-10-27
-
主分类号：
G06N3/0475 文献下载
摘要： 用于使图像到图像模型压缩的系统和方法。生成式对抗网络(Generative Adversarial Network,GAN)在生成高保真图像方面取得了成功。一种图像压缩系统和方法向类依赖参数(CLADE)添加一种新的变体，称为CLADE‑Avg，其在不引入额外计算成本的情况下恢复图像质量。在参数层和归一化层之间执行额外的平均平滑层。与CLADE相比，该图像压缩系统和方法使突变边界平滑，并引入更多可能的缩放和移位值。此外，用于平均平滑的内核尺寸可以被选择为超参数，例如3×3的内核尺寸。该方法不引入额外的乘法，而只引入加法，因此不会引入较多计算开销，因为除法可以在训练后被吸收到参数中。平均 平滑 图像 模型 压缩
[发明专利] 时间预测模型训练方法、时间预测方法及装置 -CN202210375350.0 在审
发明人：
姜正申
- 专利权人：
腾讯科技（深圳）有限公司
申请日：
2022-04-11
-
公布日：
2023-10-27
-
主分类号：
G06N3/0475 文献下载
摘要： 本发明公开了一种时间预测模型训练方法、时间预测方法及装置，在提取路线特征集合的第一路线特征向量之后，对第一路线特征向量进行维度转换得到第二路线特征向量，根据第一路线特征向量和第二路线特征向量进行时间预测得到预估到达时间，以及对第二路线特征向量进行向量拟合得到路线重建特征向量，然后根据预估到达时间和实际到达时间得到时间预测损失值，以及根据路线重建特征向量和所有路段特征信息得到重建损失值，接着根据时间预测损失值和重建损失值对时间预测模型的参数进行修正。本发明实施例能够提高对预估到达时间的预测准确性。本发明可以广泛应用于例如云技术、人工智能、智慧交通、辅助驾驶等各种场景的信息处理技术中。时间 预测 模型 训练 方法 装置
[发明专利] 一种基于GAN的遗忘衡量模型及其工作方法 -CN202310739381.4 在审
发明人：
左知微 ;唐卓 ;李肯立 ;肖雄 ;向婷 ;刘梦涵
- 专利权人：
湖南大学
申请日：
2023-06-21
-
公布日：
2023-09-29
-
主分类号：
G06N3/0475 文献下载
摘要： 本发明公开了一种基于GAN的遗忘衡量模型，包括依次连接的自编码器、使用训练集训练ResNet18得到的原始模型、以及在原始模型上应用遗忘策略之后得到的遗忘模型，自编码器包含一个编码器和一个解码器，编码器的第一层是二维卷积层，输入的通道数为3，输出通道数为64。卷积核的大小为3x3，步长为1，填充为1。激活函数为LeakyReLU，当输入值小于0，将输出设置为输入值的0.2倍，第二层是二维卷积层，输入的通道数为64，输出的通道数为128。卷积核的大小为4x4，步长为2。本发明能够解决现有遗忘衡量模型存在的准确率、召回率并不能精确地衡量特定数据被遗忘后，模型对该数据的处理能力是否完全消除，现有指标无法精确衡量模型对以往数据的处理能力的变化的技术问题。一种 基于 gan 遗忘 衡量 模型 及其 工作 方法
[发明专利] 生物大脑中意识学习的发展网络模型 -CN202310285729.7 在审
发明人：
翁巨扬
- 专利权人：
间尼赛码（深圳）科技有限公司
申请日：
2023-03-22
-
公布日：
2023-09-26
-
主分类号：
G06N3/0475 文献下载
摘要： 本发明涉及一种生物大脑中意识学习的发展网络模型。大脑是如何工作的、学习的？它的意识是如何产生的？学习需要意识吗？这四个问题的整体计算模型在很大程度上仍然缺失。为了整体地和近似地解决以上四个问题，本发明由一个发育网络3(DN‑3)组成，它从单个细胞开始生长并经历产前发育和产后发育，具有适用于任何意识的完全流动的系统结构。大脑排版在封闭的颅骨内自动地进行。此网络通过即时活动变得越来越有意识。本发明提供了一个令人惊讶的洞察力，即意识是如何为大脑在每个瞬间的学习所递归必要的，称为“意识学习”。本生物模型在视觉、听觉、自然语言理解和规划方面得到了DN‑1和DN‑2机器学习实验的计算支持——所有这些实验都没有称为后选择的协议缺陷。生物 大脑 意识 学习 发展 网络 模型
