“严恩勖”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网_中国专利网

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10个，建议您升级VIP下载更多相关专利

[发明专利]经层式分析的神经网络剪枝方法和系统-CN202180092350.3在审
发明人： 严恩勖;胥栋宽;刘嘉超 -专利权人：墨芯国际有限公司
申请日： 2021-10-28 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本公开实施例允许神经网络被剪枝。通过参考神经网络生成的输入和输出用于剪枝该参考神经网络。经剪枝的神经网络可以具有该参考神经网络中的权重子集。
经层式分析神经网络剪枝方法系统

[发明专利]用于具有工作负载平衡的激活稀疏性的卷积的方法和系统-CN202180075198.8在审
发明人：肖志斌;严恩勖;芦勇;王维 -专利权人：墨芯国际有限公司
申请日： 2021-11-05 - 公布日： 2023-08-04 - 主分类号： G06F7/544 文献下载
摘要：描述用于具有工作负载平衡的激活稀疏性的卷积的方法、系统以及设备，所述设备包含在计算机存储媒体上编码的计算机程序。示例性方法包括：将卷积层处的输入张量和权重张量分配到多个处理器中以基于所述输入张量和所述权重张量并行地执行乘积累加(MAC)运算；基于所述MAC运算的结果获得多个输出值；基于所述多个输出值构建输出值的一或多个库；对于所述库中的每一个，对所述库中的所述一或多个输出值执行top‑K排序以获得K个输出值；通过将所述每一库中除所述所获得的K个输出值以外的所述一或多个输出值设置为零来修剪所述库中的每一个；以及基于所述所修剪的库构建所述卷积层的输出张量。
用于具有工作负载平衡激活稀疏卷积方法系统

[发明专利]用于神经网络模型的组平衡式稀疏激活特征图-CN202180072504.2在审
发明人： 严恩勖;胥栋宽;刘嘉超 -专利权人：墨芯国际有限公司
申请日： 2021-09-17 - 公布日： 2023-07-18 - 主分类号： G06N3/04 文献下载
摘要：实施例公开了组平衡式稀疏激活神经网络模型和生成组平衡式稀疏激活神经网络模型的方法。根据一个实施例，神经网络稀疏化引擎确定具有两个或更多个隐藏层的第一深度神经网络(DNN)模型。该引擎确定组大小、组布局和目标稀疏性。该引擎基于组大小和组布局将激活特征图分割成多个组。该引擎通过基于目标稀疏性增加每个激活特征图组的稀疏性来生成第二DNN模型，其中第二DNN模型被用于推理。
用于神经网络模型平衡稀疏激活特征

[发明专利]用于特定领域神经网络修剪的系统和方法-CN202180070870.4在审
发明人：刘嘉超;严恩勖 -专利权人：墨芯国际有限公司
申请日： 2021-12-17 - 公布日： 2023-07-14 - 主分类号： G06N3/082 文献下载
摘要：描述了包括用于特定领域修剪神经网络的、在计算机存储介质上编码的计算机程序的方法、系统和装置。示例性方法包括获得基于第一训练数据集训练的第一神经网络；分别从一个或多个领域获得一个或多个第二训练数据集；基于该第一神经网络及该一个或多个第二训练数据集训练第二神经网络，该第二神经网络包括该第一神经网络及从该第一神经网络扩展的一个或多个分支。该一个或多个分支分别对应于该一个或多个领域，且每个分支包括基于一个或多个第二训练集的一个训练的一个或多个层。该方法可进一步包括：通过减少活动神经元的数量来修剪该第二神经网络；以及将经修剪的第二神经网络应用于一个或多个领域中进行推断。
用于特定领域神经网络修剪系统方法

[发明专利]用于知识保存式神经网络剪枝的系统和方法-CN202280006801.1在审
发明人： 严恩勖;胥栋宽;肖志斌 -专利权人：墨芯国际有限公司
申请日： 2022-03-10 - 公布日： 2023-06-27 - 主分类号： G06N3/082 文献下载
摘要：本文描述了用于以知识保存式的方式对神经网络进行稀疏剪枝的方法、系统和设备，包括编码在计算机存储介质上的计算机程序。示例性方法包括获得基于多个通用训练数据训练的预训练机器学习模型；通过基于与任务相对应的多个特定任务训练数据微调该预训练机器学习模型来训练特定任务机器学习模型；基于该特定任务机器学习模型构建学生网络；同时执行(1)从作为教师网络的经训练的该特定任务机器学习模型到该学生网络的知识蒸馏和(2)对该学生网络进行网络剪枝；和获得用于服务该任务的经训练的该学生网络。
用于知识保存神经网络剪枝系统方法

[发明专利]用于双稀疏卷积处理和并行化的方法和系统-CN202080101977.6在审
发明人： 严恩勖;芦勇;王维;肖志斌;刘嘉超;熊恒昌 -专利权人：墨芯国际有限公司
申请日： 2020-06-12 - 公布日： 2023-06-13 - 主分类号： G06N3/082 文献下载
摘要：本文公开了方法、系统和设备，包括编码在计算机存储介质上的计算机程序，用于并行化卷积处理。示例性方法包括：将输入张量分割成多个子张量，将多个过滤器分割成多个子过滤器组；分别将由子张量和子过滤器组构成的多个组合分配给多个处理器；由多个处理器中的每个处理器将分配的组合中的子张量和子过滤器组的非零值存储为索引‑值对；由多个处理器在多次迭代中并行执行基于索引‑值对的乘法和累加(MAC)操作，以获得多个输出，其中子过滤器组的索引‑值对在多次迭代中在多个处理器之间旋转；并将多个输出汇总为输出张量。
用于稀疏卷积处理并行方法系统

[发明专利]用于神经网络的组平衡式稀疏激活和联合激活权重稀疏训练的系统和方法-CN202280005926.2在审
发明人： 严恩勖 -专利权人：墨芯国际有限公司
申请日： 2022-08-15 - 公布日： 2023-05-23 - 主分类号： G06N3/084 文献下载
摘要：本文描述了用于优化神经网络训练的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。该方法可包括：在神经网络的当前层的前向传播期间，基于当前层的稀疏输入张量和稀疏权重张量生成密集输出张量，和稀疏化密集输出张量以获得稀疏输出张量；在神经网络的当前层的后向传播期间：基于稀疏输出张量确定第一稀疏导数张量，基于第一稀疏导数张量和当前层的稀疏权重张量获得密集导数张量，和稀疏化密集导数张量以获得第二稀疏导数张量；和基于第一稀疏导数张量和第二稀疏导数张量训练神经网络的权重张量。
用于神经网络平衡稀疏激活联合权重训练系统方法

[发明专利]用于均衡权重稀疏卷积处理的方法及系统-CN202180028639.9在审
发明人：肖志斌;严恩勖;王维;芦勇 -专利权人：墨子国际有限公司
申请日： 2021-06-30 - 公布日： 2022-12-23 - 主分类号： G06N3/04 文献下载
摘要：用于均衡权重稀疏卷积处理的方法、系统、及装置，包含编码于计算机存储介质上的计算机程序。例示性方法包括：获得输入张量及复数个过滤器；根据可用处理器的数目来将输入张量分割成复数个子张量；将复数个过滤器中的每个过滤器分割成一个或多个子过滤器以获得复数个子过滤器；将复数个子张量及子过滤器分别指派给可用处理器；针对可用处理器中的每个可用处理器，迭代每个索引‑值对且基于索引‑值对来识别所指派的子张量中的对应输入值，以执行乘法及累加(MAC)运算从而产生部分和；通过在复数个处理器中间轮换复数个子过滤器来将复数个子过滤器重新指派给可用处理器；以及累加复数个部分和以获得输出张量。
用于均衡权重稀疏卷积处理方法系统

[发明专利]用于分层权重稀疏卷积处理的方法和系统-CN202180028638.4在审
发明人：肖志斌;严恩勖;王维;芦勇 -专利权人：墨子国际有限公司
申请日： 2021-08-23 - 公布日： 2022-12-16 - 主分类号： G06N3/04 文献下载
摘要：描述了用于分层权重稀疏卷积处理的方法、系统、及装置，包括编码于计算机存储介质上的计算机程序。一种例示性方法包括：在神经网络的卷积层获得输入张量及复数个过滤器；将输入张量分割成复数个子张量且将复数个子张量指派给复数个处理器；针对复数个过滤器中的每个过滤器，产生该过滤器中的复数个非零权重的分层位表示，其中该分层位表示包括指示子过滤器是否具有至少一个非零权重的复数个位以及对应于该过滤器中的复数个非零权重的复数个键‑值对；基于分层位表示来识别复数个非零权重中的一个或多个及来自所指派的子张量的对应输入值，以执行乘法及累加(MAC)运算。
用于分层权重稀疏卷积处理方法系统

[发明专利]利用激活稀疏化的神经网络加速和嵌入压缩系统和方法-CN201980054375.7在审
发明人： 严恩勖;王维 -专利权人：墨芯人工智能有限公司
申请日： 2019-06-21 - 公布日： 2021-03-30 - 主分类号： G06N3/02 文献下载
摘要：用于(i)加快深度神经网络(DNN)的推理速度和(ii)将DNN产生的矢量表示从各种输入数据(诸如，图像、音频、视频，以及文本)中压缩出来的系统、方法，以及计算机可读介质。方法实施例将神经网络架构和与任务相关的损失函数作为输入，测量神经网络在训练数据集上的性能，并输出具有稀疏神经元激活的深度神经网络。本发明的流程利用正则化项增强了DNN现有训练目标函数，促进神经元的稀疏激活，并通过利用各种算法来解决优化问题来对DNN进行压缩。本公开还示出了如何在DNN推断过程中利用激活的稀疏化，从而可以使算术运算的次数成比例地减少，以及如何使用由DNN产生的稀疏表示来构建高效的搜索引擎。
利用激活稀疏神经网络加速嵌入压缩系统方法

1
共 10 条

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