“权值参数”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757925个，建议您升级VIP下载更多相关专利

[发明专利]天线权值参数的优化方法及装置-CN202111659374.0在审
发明人：詹仙园;王勇;杨爱东 -专利权人：清华大学;亚信科技（中国）有限公司
申请日： 2021-12-30 - 公布日： 2022-05-20 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种天线权值参数的优化方法及装置，方法包括：获取待优化基站的状态信息和初始天线权值参数；基于状态信息和初始天线权值参数，通过预先构建的仿真环境模型和优化算法模型进行迭代寻优，得到最优天线权值参数；用最优天线权值参数替换初始天线权值参数。本发明提供的天线权值参数的优化方法及装置，通过仿真环境模型和优化算法模型对初始天线权值参数进行迭代寻优，从而快速求解得到最优天线权值参数，相比于传统的天线权值参数优化方法，可以更加高效、便捷的获得最优天线权值参数
天线参数优化方法装置

[发明专利]一种应用于图像处理的渐进式权值量化方法、装置、介质及设备-CN202011112351.3在审
发明人：姚志强;周曦;李连强;梁俊文 -专利权人：广州云从凯风科技有限公司
申请日： 2020-10-16 - 公布日： 2021-01-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种应用于图像处理的渐进式权值量化方法，包括：为深度神经网络模型中的每个待量化的权值参数确定对应的一个软掩码，软掩码用于表示所述权值参数的重要程度；迭代执行以下步骤，直至权值参数完成量化：基于权值参数的重要程度对待量化的权值参数进行分组，得到若干待量化权值组；对若干待量化权值组中重要程度最高的一组进行量化；基于量化后的权值参数以及待量化的权值参数重新训练深度神经网络模型，得到更新后的待量化的权值参数。本发明为权值参数设置一个软掩码，并基于软掩码对权值参数进行分组，然后采用渐进式的分组量化策略，先量化相对重要的权值参数，然后利用量化后的权值参数与待量化的权值参数重新训练所述深度神经网络，以弥补量化误差，避免了一次性量化所有网络参数带来的不可弥补的性能损失。
一种应用于图像处理渐进式权值量化方法装置介质设备

[发明专利]参数服务器、客户机、权值参数的处理方法及系统-CN201911273613.1在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2019-12-12 - 公布日： 2021-06-18 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种参数服务器、客户机、权值参数的处理方法及系统。所述参数服务器包括处理器和通信接口；所述通信接口，用于接收各客户机发送的梯度参数；所述处理器，用于根据各梯度参数，更新本地存储的待训练的神经网络模型的第一权值参数，得到第二权值参数；所述处理器，还用于根据预设的量化算法和数据格式转换算法，对所述第二权值参数进行量化处理和数据格式转换处理，得到第三权值参数；所述通信接口，还用于将所述第三权值参数发送至所述各客户机，以使所述各客户机将本地的待训练的神经网络模型的权值参数更新为所述第三权值参数
参数服务器客户机处理方法系统

[发明专利]一种模型训练方法、装置、设备及存储介质-CN201910893080.0有效
发明人：谢德平;钱玉磊;贾荣来;刘书聪;胡明清;丁瑞全;刘林;祁安龙;王岳 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2019-09-20 - 公布日： 2023-06-27 - 主分类号： G06F18/214 文献下载
摘要：具体实现方案为：获取样本数据对应的各特征数据；从外存中查询各特征数据分别对应的权值参数，根据查询结果确定各特征数据的权值参数，并将各特征数据与权值参数对应存储至显存中；其中，权值参数表征对应特征数据的重要程度；通过GPU从显存中读取各特征数据和各特征数据的权值参数，利用读取的数据进行模型训练，并根据训练结果更新显存中的各权值参数；获取显存中更新后的权值参数，并利用更新后的权值参数更新外存中对应的权值参数。
一种模型训练方法装置设备存储介质

[发明专利]参数服务器、主从客户机、权值参数的处理方法及系统-CN201911273627.3在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2019-12-12 - 公布日： 2021-06-18 - 主分类号： G06F9/50 文献下载
摘要：本申请涉及一种参数服务器、主从客户机、权值参数的处理方法及系统。所述主客户机包括处理器和通信接口；所述通信接口，用于接收参数服务器发送的第二权值参数；所述处理器，用于根据预设的量化算法和数据格式转换算法，对所述第二权值参数进行量化处理和数据格式转换处理，得到第三权值参数；所述通信接口，还用于将所述第三权值参数发送至所述各客户机中的从客户机，以使所述各从客户机将待训练的神经网络模型的权值参数更新为所述第三权值参数。
参数服务器主从客户机处理方法系统

[发明专利]用于管理信息化天线系统的方法、管理中心设备和系统-CN201480000106.X在审
发明人：王琳琳;赵建平;郭昕;杨朝辉 -专利权人：华为技术有限公司
申请日： 2014-03-07 - 公布日： 2014-08-20 - 主分类号： H04L12/24 文献下载
摘要：该管理中心设备包括：第一接收单元，用于从多个信息化天线系统分别接收多个权值参数信息，该权值参数信息包括业务端口权值映射表参数信息；发送单元，用于向网络优化中心发送多个权值参数信息；第二接收单元，用于接收网络优化中心对多个权值参数信息进行全局优化得到的多个优化权值参数信息；管理单元，用于根据多个优化权值参数信息，分别对多个信息化天线系统进行管理。本发明实施例接收整个网络中所有信息化天线系统的权值参数信息，作为网络优化中心的输入数据，结合整个网络中所有信息化天线系统进行权值优化，在保障优化效率的同时提高整个网络性能的优化效果。
用于管理信息化天线系统方法管理中心设备

[发明专利]一种基于幂指数量化的神经网络压缩方法-CN201910445413.3在审
发明人：陆生礼;庞伟;刘昊;樊迎博;花硕硕;缪烨昊 -专利权人：东南大学
申请日： 2019-05-27 - 公布日： 2019-09-17 - 主分类号： G06N3/08 文献下载
摘要：该方法，在外部数据集上训练卷积神经网络后获取该网络的初始化权值参数；根据权值参数绝对值的大小以及分组阈值将权值参数分为两组，绝对值超过阈值的一组基于预先设定的位宽及绝对值最大的权值参数量化大于分组阈值的一组权值参数，将权值参数量化为2的幂或者0；对小于分组阈值的权值参数再训练后执行分组再量化的循环操作，直至网络收敛。本发明在保证参数的取值范围不被压缩的同时在一定程度上减小量化对最终目标检测准确率的影响，解决了量化后准确率下降过多以及硬件实现难度大的问题。
权值参数量化分组神经网络幂指数准确率压缩人工智能神经网络卷积神经网络硬件实现难度目标检测外部数据网络收敛循环操作初始化减小两组位宽网络保证

[发明专利]一种天线权值调整方法及装置-CN201711465705.0有效
发明人：朱若萍;盛中来;刘桓;杨晓青;王刚 -专利权人：中国移动通信集团北京有限公司;中国移动通信集团公司
申请日： 2017-12-28 - 公布日： 2022-05-10 - 主分类号： H04W24/02 文献下载
摘要：本申请涉及移动通信技术领域，尤其涉及一种天线权值调整方法及装置，用以解决现有技术中在对天线权值进行统一优化时存在着人力成本高、优化效率低的问题；本申请实施例提供的天线权值调整方法包括：接收调整天线权值的指令，针对调整区域内的每一天线，均执行以下操作：对天线的每一权值参数按照预设幅度进行增大和减小的双向调整，并在各调整方向下对应的网络性能指标收益；判断是否存在大于预设值的网络性能指标收益；若存在，则选择最大网络性能指标收益对应的权值参数和权值参数的调整方向，继续按照调整方向对权值参数进行调整，直至权值参数超过预设门限和/或权值参数对应的网络性能指标收益小于或者等于预设值时，返回判断步骤。
一种天线调整方法装置

[发明专利]神经网络模型的压缩与加速方法、数据处理方法及装置-CN201910893276.X有效
发明人：金庆;杨林杰;廖震宇 -专利权人：字节跳动有限公司
申请日： 2019-09-20 - 公布日： 2023-03-31 - 主分类号： G06N3/0464 文献下载
摘要：神经网络模型包括线性层，神经网络模型的参数包括预备权值参数；压缩与加速方法包括：对神经网络模型的参数进行量化，以得到量化模型，量化模型的参数包括线性层的量化权值参数；以及，对量化模型进行尺度变换处理，以得到目标量化模型对量化模型进行尺度变换处理，包括：基于线性层的输出神经元的数量或线性层的预备权值参数的标准差，计算线性层的尺度变换参数；以及，基于线性层的尺度变换参数，对线性层的量化权值参数进行尺度变换处理，以得到线性层的标准量化权值参数
神经网络模型压缩加速方法数据处理装置

[发明专利]一种天线的权值参数的优化方法、装置及电子设备-CN201910728522.6有效
发明人：帅农村;陈标;梁建粦;钟柱明;杜铄 -专利权人：中国移动通信集团广东有限公司;中国移动通信集团有限公司
申请日： 2019-08-08 - 公布日： 2021-12-07 - 主分类号： H04B7/0413 文献下载
摘要：本发明实施例公开了一种天线的权值参数的优化方法、装置及电子设备，用于解决现有的3D‑MIMO基站天线的权值参数的配置往往需要耗费的人力资源，且人工配置很难达到最优的问题。所述方法包括：获取待优化的三维多输入多输出3D‑MIMO基站的覆盖范围内的用户分布情况和天线的权值参数；基于所述待优化的3D‑MIMO基站的覆盖范围内的用户分布情况、天线的权值参数、和预设的3D‑MIMO基站配置数据库，以天线增益最大化的原则迭代优化所述待优化的3D‑MIMO基站的天线的权值参数；当所述待优化的3D‑MIMO基站的天线增益满足所述迭代优化的收敛条件时，基于满足所述迭代优化的收敛条件的天线增益对应的权值参数，配置所述待优化的3D‑MIMO基站的天线的权值参数。
一种天线参数优化方法装置电子设备

[发明专利]分布式计算系统任务分配方法及相关设备-CN202010583551.0有效
发明人：刘宏亚 -专利权人：平安科技（深圳）有限公司
申请日： 2020-06-23 - 公布日： 2022-03-11 - 主分类号： G06F9/48 文献下载
摘要：确定每个计算节点的权重，计算每个计算节点的权重占比；构建包括输入层、隐藏层和输出层的神经网络模型，每个输入层节点和每个隐藏层节点对应一个计算任务，每个输出层节点对应一个计算节点；计算输入层节点和隐藏层节点之间的第一权值参数之和，根据第一权值参数之和确定隐藏层节点和输出层节点之间的第二权值参数；根据第二权值参数计算每个计算节点的任务分配误差；判断任务分配误差是否满足收敛条件；若任务分配误差不满足收敛条件，则调整第二权值参数；修改第一权值参数
分布式计算系统任务分配方法相关设备

[发明专利]波束权值参数调整方法、装置、设备及存储介质-CN202111253236.2有效
发明人：陈磊光;李诗扬;范娟;曾昭才;邹卫新;陈刚;吴梓颖;冯鹄志;肖昀珊;陈孟香 -专利权人：中国联合网络通信集团有限公司
申请日： 2021-10-27 - 公布日： 2023-03-24 - 主分类号： H04B7/0408 文献下载
摘要：本申请提供一种波束权值参数调整方法、装置、设备及存储介质。该方法包括：若监测到波束权值参数调整指令，则确定目标楼宇对应的当前各楼层用户数量以及用户在对应的楼层的驻留时长；根据目标楼宇对应的当前各楼层用户数量、用户在对应的楼层的驻留时长及基站信息确定目标楼宇当前状态信息；将目标楼宇当前状态信息输入至训练的强化学习模型中，获得目标楼宇对应的最优波束权值参数组合；根据最优波束权值参数组合对目标楼宇对应的基站的波束权值参数进行调整。本申请的方法，在波束权值参数调整时加入了用户在楼宇中所处楼层以及在楼层的停留时间，使得调整后的基站波束更好地覆盖楼宇，有效地提高下行平均速率。
波束参数调整方法装置设备存储介质

[发明专利]水下目标识别网络优化方法及装置-CN202011005421.5在审
发明人：位耀光;张景泽;安冬;李道亮;张佳龙 -专利权人：中国农业大学
申请日： 2020-09-22 - 公布日： 2020-12-25 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供一种水下目标识别网络优化方法及装置，所述方法包括：将水下视频图像数据输入到预先建立的水下目标识别网络进行训练，获取网络权值参数；对网络权值参数进行聚类，获取网络权值参数的聚类中心值；根据定点数法量化所述聚类中心值本发明提供的水下目标识别网络优化方法及装置，通过减少网络权值参数数量以及存储和计算代价，降低了设备的功耗要求，结合反向传播算法实现了对量化网络权值参数的更新，提高了识别网络的准确度。
水下目标识别网络优化方法装置

[发明专利]一种卷积神经网络加速系统及方法-CN202110872346.0在审
发明人：罗斌 -专利权人：南京广捷智能科技有限公司
申请日： 2021-07-30 - 公布日： 2021-11-02 - 主分类号： G06N3/04 文献下载
摘要：该卷积神经网络加速系统，包括输入处理模块、权值处理模块、输出处理模块与运算模块；所述输入处理模块，其被配置为存储输入特征谱数据，并对输入的特征谱数据进行编号处理；所述权值处理模块，其被配置为可配置权值参数数据，输入至运算模块，并存储；其中，所述权值参数数据包括卷积核的尺寸信息与卷积核的权值参数信息；所述运算模块，其被配置为用于接收带有编号的输入的特征谱数据，并将权值处理模块输入的权值参数数据基于卷积核的尺寸信息设立多个计算通道
一种卷积神经网络加速系统方法

[发明专利]一种基于感知器的自适应按需加权分簇方法-CN201610059876.2有效
发明人：余建国;汪钬柱;赵伦;闵平;陈雷;丁雅博 -专利权人：北京邮电大学
申请日： 2016-01-28 - 公布日： 2019-05-03 - 主分类号： H04W28/08 文献下载
摘要：本发明公开了一种基于感知器的自适应按需加权分簇方法，具体为：步骤一、通过感知器算法确定网络中投放的训练节点权值参数的系数；步骤二、针对网络中的待分簇节点，获取每个待分簇节点i的5个权值参数；步骤三、将待分簇节点i的5个权值参数归一化；步骤四、计算待分簇节点i的总权值W_i；步骤五、针对网络中所有待分簇节点，按每个待分簇节点的1跳邻居节点的个数从大到小排序，将排序后的待分簇节点序号存入iDes数组；步骤六、将网络中的待分簇节点按照iDes数组的先后顺序根据总权值的大小划分到具体的簇。优点在于：利用感知器算法去感知整个网络的权值参数系数，修正节点距离权值参数和相对移动性参数，改善了网络结构和提高网络的负载均衡因子。
一种基于感知自适应加权方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条