“G06N3/04”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果9067个，建议您升级VIP下载更多相关专利

[发明专利]基于变分自编码器深度聚类纵向联邦学习方法-CN202310246409.0在审
发明人：赵中楠;梁晓亮;周舟 -专利权人：哈尔滨理工大学
申请日： 2023-03-15 - 公布日： 2023-09-29 - 主分类号： G06N3/0455 文献下载
摘要：本发明涉及联邦学习领域，提出一种基于变分自编码器深度聚类纵向联邦学习方法。现有的纵向联邦学习训练过程需要对数据进行加密样本对齐，即在不公开各自数据的前提下确认双方的公共用户，使用公共用户的特征进行建模。然而在不同的建模训练中不互相重叠的用户占比不在少数，这部分数据并没有参加模型训练，可能会让联邦学习训练模型效果下降。为此，本发明结合深度聚类算法，挖掘样本数据间相关性，对缺失方数据进行过滤和补全操作，进而增加可训练数据集，提高了联邦学习效率。本发明在实验中产生了较好的效果，有一定创新性和可行性。
基于编码器深度纵向联邦学习方法

[发明专利]一种微型网络算法、存储介质以及计算机-CN202310184821.4在审
发明人：李灯熬;刘萍;赵菊敏;刘秉文 -专利权人：太原理工大学
申请日： 2023-03-01 - 公布日： 2023-09-29 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及数据处理技术领域，具体涉及一种微型网络算法、存储介质以及计算机，所述算法通过仅在最佳分辨率下使用的特征图的数量，且放弃通道数量加倍后得到的卷积核在每个分辨率深度；能够与全尺寸网络具有相似的性能，同时具有更快的训练时间和更低的内存需求的优势，可以降低在资源紧张的环境下训练深度学习模型的成本。
一种微型网络算法存储介质以及计算机

[发明专利]环境舒适度的预测方法、装置、处理器以及电子设备-CN202310840810.7在审
发明人：周迎新 -专利权人：中国工商银行股份有限公司
申请日： 2023-07-10 - 公布日： 2023-09-29 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种环境舒适度的预测方法、装置、处理器以及电子设备。涉及人工智能领域，该方法包括：确定室内空间的M个采样点，并从每个采样点采集N个环境影响指标的数据，得到M组环境指标数据，其中，M、N为正整数；将M组环境指标数据中每组环境指标数据分别输入神经网络模型，输出M个采样点的初始舒适度级别；将M个采样点的空间坐标以及初始舒适度级别共同输入克里金模型，得到室内空间的舒适度信息。通过本申请，解决了相关技术中对室内空间舒适度进行预测时的准确性低的问题。
环境舒适预测方法装置处理器以及电子设备

[发明专利]变分自编码器的训练、图像处理以及所有权检测方法-CN202311093854.4在审
发明人：刘华罗;刘绍腾 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-08-29 - 公布日： 2023-09-29 - 主分类号： G06N3/0455 文献下载
摘要：本申请提供了一种变分自编码器的训练、图像处理以及所有权检测方法，属于人工智能技术领域。方法包括：获取样本图像的参考所有权信息；基于样本图像，通过变分自编码器中的编码模块得到样本图像的第一隐变量，变分自编码器用于在图像中嵌入所有权信息；基于样本图像的参考所有权信息和第一隐变量，通过变分自编码器中的解码模块，得到样本图像的预测图像，预测图像携带所有权信息；基于样本图像、预测图像、参考所有权信息和预测图像携带的所有权信息确定损失值；基于损失值对变分自编码器进行训练。该方法提高了在图像中嵌入所有权信息的便捷性以及提高了在图像中嵌入所有权信息时对图像的处理效率，且提高了在图像中嵌入的所有权信息的鲁棒性。
编码器训练图像处理以及所有权检测方法

[发明专利]一种基于时变循环神经网络的时序预测方法-CN202310285123.3在审
发明人：颜成钢;赵健祥;陆雯;何敏;王帅;高宇涵;孙垚棋;朱尊杰;王鸿奎;王廷宇;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学
申请日： 2023-03-22 - 公布日： 2023-09-29 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种基于时变循环神经网络的时序预测方法，首先使用基展开构造动态时变矩阵；然后通过动态时变矩阵替换循环神经网络中的固定矩阵，使之成为时变循环神经网络；最后将改进的时变循环神经网络应用在时序预测任务上，得到更好的性能。本发明方法结合了功能数据分析(FDA)实践中常用的基展开技术，以生成独特的动态时变矩阵，更能体现输入数据的动态特性，将其应用在时序预测的实验中，预测性能得到了提高。
一种基于循环神经网络时序预测方法

[发明专利]一种基于Transformer模型的机械钻速时序特征的预测方法、系统、设备及介质-CN202310991374.3在审
发明人：王彬;张富强;杨硕鹏;伍佳 -专利权人：西安石油大学
申请日： 2023-08-08 - 公布日： 2023-09-29 - 主分类号： G06N3/0455 文献下载
摘要：一种基于Transformer模型的机械钻速时序特征的预测方法、系统、设备及介质，方法包括：任意选择一个油井区块，在该油井区块内采集多个油井的数据，将这些数据进行划分，得到三维矩阵形式的数据集；将得到的数据集中的异常值进行重采样，将重采样后的数据进行归一化，得到预处理后的数据集；构建Transformer模型；将得到的预处理后的数据集划分成训练集和测试集，将训练集输入到构建的Transformer模型中，得到训练后Transformer模型，将测试集输入到训练后的Transformer模型中，得到机械钻速时序特征的预测结果；系统、设备及介质，用于实现基于Transformer模型的机械钻速时序特征的预测方法；本发明具有数据完整准确、构建的模型能快速响应、高效计算能力好、预测结果准确的特点。
一种基于 transformer 模型机械时序特征预测方法系统设备介质

[发明专利]一种基于欠收敛神经网络的加速度计冲击信号降噪方法-CN202310782117.9在审
发明人：张振海;张文一 -专利权人：北京理工大学
申请日： 2023-06-29 - 公布日： 2023-09-29 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开的一种基于欠收敛神经网络的加速度计冲击信号降噪方法，属于加速度计冲击信号处理领域。本发明实现方法为：使用CEEMD处理原始加速度计冲击信号得到IMF分量和残差，计算超频频率，将主成分频率小于超频频率的IMF分量和残差相加获得过度去噪的加速度计信号；搭建CNN‑LSTM神经网络，使用小数量的训练样本和较低的训练轮数、训练步长和学习率来训练出欠收敛的神经网络，得到权重参数；对待处理的加速度计冲击信号进行降噪处理，利用收敛速度有限的CNN‑LSTM神经网络将降噪结果保持在原始加速度计冲击信号和使用CEEMD处理得到的过度去噪的加速度计信号之间，得到更接近纯净的无噪声的加速度计冲击信号的降噪结果信号。
一种基于收敛神经网络加速度计冲击信号方法

[发明专利]基于对比学习的疾病分类ICD自动编码方法和装置-CN202310801045.8在审
发明人：鹿文鹏;赵直倬;张鑫;张国标;管红娇;董祥军 -专利权人：齐鲁工业大学（山东省科学院）
申请日： 2023-07-03 - 公布日： 2023-09-29 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了基于对比学习的疾病分类ICD自动编码方法和装置，属于自然语言处理及人工智能领域。本发明要解决的技术问题为如何使用自然语言处理技术为患者的电子病历文本匹配相对应的诊断编码即疾病分类编码，以减少医疗人员的工作量，提高自动编码匹配正确率，提高匹配速度，采用的技术方案为：①一种基于对比学习的疾病分类ICD自动编码方法，该方法包括如下步骤：S1、构建ICD自动编码模型训练数据集；S2、构建ICD自动编码模型；S3、训练ICD自动编码模型。②一种基于对比学习的疾病分类ICD自动编码装置，该装置包括，ICD自动编码模型训练数据集构建单元、ICD自动编码模型构建单元、ICD自动编码模型训练单元。
基于对比学习疾病分类 icd 自动编码方法装置

[发明专利]时间序列表示学习中的锚窗口大小和位置选择-CN202280012030.7在审
发明人： V·N·帕乌鲁里;D·苏布拉曼尼亚;张元极;武龙;T·R·丁格 -专利权人：国际商业机器公司
申请日： 2022-01-25 - 公布日： 2023-09-29 - 主分类号： G06N3/0442 文献下载
摘要：一种使用计算设备来确定变量时间序列数据中的窗口大小的方法，包括：由计算设备接收与机器学习模型相关联的变量时间序列数据。该计算设备设置变量时间序列数据的移动窗口大小和标准偏差。该计算设备还计算变量时间序列数据的移动窗口平均值。该计算设备附加地计算跨所有变量时间序列数据的标准偏差。该计算设备对所计算的标准偏差按降序排序。该计算设备还对用于标准偏差的索引进行迭代，直到索引已经被至少一个锚访问为止。该计算设备迭代地扩展每个锚以覆盖邻居的已经被先前的锚访问的锚。该计算设备基于扩展后的锚，确定窗口大小。
时间序列表示学习中的窗口大小位置选择

[发明专利]用于确定数据的维度的技术-CN202280014038.7在审
发明人： V·格罗弗;A·J·柯林斯 -专利权人：辉达公司
申请日： 2022-10-14 - 公布日： 2023-09-29 - 主分类号： G06N3/0464 文献下载
摘要：用于确定一个或更多个数据集的维度的装置、系统和技术。在至少一个实施例中，处理器使得使用一个或更多个数据集的一个或更多个维度约束来确定所述一个或更多个数据集的一个或更多个维度。
用于确定数据维度技术

[发明专利]基于高斯过程的多任务神经网络模型性能预测方法-CN202310292683.1在审
发明人：李曙光;薛飞;陈光杰;邹佳俊 -专利权人：电子科技大学
申请日： 2023-03-23 - 公布日： 2023-09-29 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供一种基于高斯过程的多任务神经网络模型性能预测方法，在不需要训练待测神经网络的情况下，也能准确快速评估该神经网络性能的模型性能。先提取神经网络模型影响性能的主要参数：网络深度、自注意力头的数目、前向计算网络的膨胀系数以及变化范围；将参数量化并拼接到向量中，并在向量中加入表示位置信息的位置编码，得到神经网络编码向量；选择高斯过程作为回归模型，并根据设计的准确表征不同神经网络模型之间距离的核函数，对高斯过程回归模型进行迭代优化；针对多任务，将单任务高斯过程集成到多任务高斯过程模型中，得到多任务模型；计算不同多任务模型的组合方式，将性能排名前三的模型做集成学习，得到最终用于预测性能的模型。
基于过程任务神经网络模型性能预测方法

[发明专利]基于CNNs敏感神经元的自动测试用例构建方法及应用-CN202310628396.3在审
发明人：肖杰;韩东一;谢圣杰;高艳娇;黄彧豪;柴水亮;葛莹莹 -专利权人：浙江工业大学
申请日： 2023-05-30 - 公布日： 2023-09-29 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及一种基于CNNs敏感神经元的自动测试用例构建方法及应用，分析在不同输入条件下CNNs的正向激活神经元与反向激活神经元的统计学差异以标记非敏感性神经元，构建基于遗传算法的敏感神经元筛选器以提取高敏感性的神经元，构建面向敏感神经元的测试用例集；实现快速有效对CNNs自动测试。本发明基于遗传算法筛选出具有高敏感度的神经元，可以快速准确定位神经网络中的敏感单元，并深入了解网络的内部机制；基于这些敏感神经元构建自动测试用例，不仅有助于研究人员快速检测网络的敏感部位以验证其可靠性，而且还可以利用这些测试用例重新训练网络，从而提高其鲁棒性。
基于 cnns 敏感神经元自动测试构建方法应用

[发明专利]法律咨询回复方法、法律领域生成式大模型训练方法-CN202311107545.8在审
发明人：吴雅萱;任梦星;刘迎建;彭菲 -专利权人：汉王科技股份有限公司
申请日： 2023-08-30 - 公布日： 2023-09-29 - 主分类号： G06N3/0475 文献下载
摘要：本申请公开了一种法律咨询回复方法、法律领域生成式大模型训练方法，属于自然语言处理技术领域。所述方法包括：基于非结构化法律文本数据和通用中文数据，对预设的生成式大模型进行预训练，得到第一微调大模型；基于针对各法律细分领域预先构建的指令数据集，对第一微调大模型进行低秩矩阵增量权重训练，得到法律细分领域对应的第二微调大模型；根据预先构建的评分排序数据集和第二微调大模型，构建奖励模型；以第二微调大模型作为智能体，以奖励模型作为环境，对第二微调大模型进行强化学习训练，得到法律领域生成式大模型。在采用本方法训练得到的法律领域生成式大模型，进行法律咨询回复时，可以提升大模型生成回复文本的专业性。
法律咨询回复方法法律领域生成模型训练

[发明专利]一种用于自注意力神经网络的归一化方案-CN202180092730.7在审
发明人：阿拉丁·维尔莫;乔治·达苏拉斯;凯文·斯卡曼 -专利权人：华为技术有限公司
申请日： 2021-02-04 - 公布日： 2023-09-29 - 主分类号： G06N3/042 文献下载
摘要：描述了一种数据处理设备(700)，用于对图神经网络执行基于注意力的操作。所述设备用于接收一个或多个输入图，每个输入图具有多个节点(201、202、203、204、205、206)，并且对于所述输入图中的至少一个，还用于执行以下操作：形成(601)所述相应输入图中的每个节点的输入节点表示，其中，可以为每个输入节点表示定义相应的范数；形成(602)一组注意力参数；将所述输入节点表示中的每一个与所述一组注意力参数相乘(603)，以形成所述相应输入图的得分函数；基于所述输入节点表示的范数中的最大值，对所述得分函数进行归一化(604)，以形成归一化得分函数；通过所述归一化得分函数的相应元素对所述相应输入图中的每个节点进行加权，来形成(605)加权节点表示。所述得分函数的所述归一化可以通过加强利普希茨连续性使得基于注意力的深度神经网络表现更好。
一种用于注意力神经网络归一化方案

[发明专利]电动助力转向中的马达控制-CN202180092747.2在审
发明人： X-D·孙 -专利权人：采埃孚汽车英国有限公司
申请日： 2021-12-30 - 公布日： 2023-09-29 - 主分类号： G06N3/0499 文献下载
摘要：一种用于车辆的电动助力转向系统，包括：电马达，被配置为向转向组件的一部分施加辅助扭矩以辅助车辆的驾驶员转动方向盘；用于马达的驱动电路，其选择性地将马达相连接到电源以使电流在马达相中流动，由马达施加的辅助扭矩的量是在马达相中流动的电流的函数，以及控制电路，其生成施加到马达驱动级的控制信号，该控制信号指示马达各相中所需的电流，其中控制电路包括：PID控制器，其在输入端处接收指示马达的所需行为的需求信号，并在输出端处提供被馈送到马达的驱动级的控制信号，控制器与马达被布置在闭环中，并被配置为最小化包括如由需求信号所指示的所需行为与马达的实际行为之间的差异的误差值，以及神经网络，其具有神经元的输入层、神经元的至少一个隐藏层以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的控制信号以及误差值，并且其中神经网络被配置为确定PID控制器使用的P增益、I增益和D增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为附加前馈项。
电动助力转向中的马达控制