Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广东电网有限责任公司;广东电网有限责任公司电力科学研究院张凯获国家专利权

广东电网有限责任公司;广东电网有限责任公司电力科学研究院张凯获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司电力科学研究院申请的专利一种基于神经网络模型的计算机系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120832249B

龙图腾网通过国家知识产权局官网在2026-01-20发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511344390.9,技术领域涉及:G06F9/50;该发明授权一种基于神经网络模型的计算机系统是由张凯;周刚;谈树峰;徐思尧;杨强;陈阅设计研发完成,并于2025-09-19向国家知识产权局提交的专利申请。

一种基于神经网络模型的计算机系统在说明书摘要公布了:本发明申请提供了一种基于神经网络模型的计算机系统,属于神经网络领域,计算机系统将初始神经网络模型拆分为若干基础模型并分发至第一计算单元;获取第一计算单元存储器的特征参数并构建模型测试数据集,第一计算单元利用其对基础模型进行测试,获得每个基础模型的测试性能以及存储器的实时性能参数,可以使修改得到的优化模型适配存储器特性,这样后续组装的目标神经网络模型作为参考了第一计算单元存储器特征参数定制化的优化模型集合,可以在其被第二计算单元调用时,提升其与分布式系统中存储器的特征匹配程度,减少第二计算单元调用目标神经网络模型时因参数不匹配导致的性能损耗,有效优化了分布式计算系统的整体性能。

本发明授权一种基于神经网络模型的计算机系统在权利要求书中公布了:1.一种基于神经网络模型的计算机系统,其特征在于,包括模型拆分模块、分发模块、模型测试模块和模型调用模块;其中,所述计算机系统与分布式系统通信连接;所述分布式系统包括多个第一计算单元和多个第二计算单元,所述第一计算单元和第二计算单元均设有存储器; 所述模型拆分模块,用于将初始神经网络模型拆分为若干基础模型,获取所述基础模型的基础参数; 所述分发模块,用于将所述基础模型和对应的基础参数分发到所述多个第一计算单元; 所述模型测试模块,用于获取所述存储器的特征参数,根据所述特征参数构建模型测试数据集;向所述多个第一计算单元发送所述模型测试数据集;以使所述多个第一计算单元分别执行以下步骤:利用所述模型测试数据集对所述基础模型进行测试,获取所述基础模型的测试性能以及所述存储器的实时性能参数;根据所述测试性能和所述存储器的实时性能参数,计算得到所述基础参数的优化数据,并利用所述优化数据对所述基础模型进行修改,得到优化模型; 所述模型调用模块,用于接收所述第二计算单元的模型调用指令,响应所述模型调用指令,访问所述多个第一计算单元从而获取优化模型,进而基于所述优化模型组装得到目标神经网络模型,将所述目标神经网络模型传输到所述第二计算单元,以供所述第二计算单元进行调用; 每个所述基础模型包括多层神经元,所述存储器包括预先配置的缓存分区;所述第一计算单元利用所述模型测试数据集对所述基础模型进行测试,获取所述基础模型的测试性能以及所述存储器的实时性能参数,包括: 所述第一计算单元依据各层所述神经元的输入特征维度、数据精度要求及计算逻辑,将模型测试数据集拆分为与各层神经元对应的子测试数据集;其中,每个所述子测试数据集包含对应神经元在不同负载场景下的测试样本; 将各层神经元依次加载到所述缓存分区,并锁定缓存分区的资源调度优先级; 调用所述子测试数据集,针对当前加载的神经元进行多轮测试,并在每轮测试时记录神经元的分层测试指标,并将所述分层测试指标确定为所述基础模型的测试性能;在预设时间窗口内,采集神经元计算过程中存储器的实时性能参数; 所述第一计算单元根据所述测试性能和所述存储器的实时性能参数,计算得到所述基础参数的优化数据,并利用所述优化数据对所述基础模型进行修改,得到优化模型,包括: 所述第一计算单元分别计算每层神经元多轮测试的分层测试指标的平均值; 按照神经元的层的索引,对所述平均值与存储器的实时性能参数进行初步绑定,得到关联数据; 通过SHAP算法对所述关联数据进行分析,得到所述测试性能和所述存储器的实时性能参数之间的关联映射;所述关联映射关系用于反映神经元性能瓶颈和存储器参数之间的映射关系; 基于所述映射关系进行多维度计算,得到参数精度优化维度数据、权重分布优化维度数据和数据调度优化维度数据;并将参数精度优化维度数据、权重分布优化维度数据和数据调度优化维度数据确定为所述优化数据; 利用所述优化数据对所述基础模型进行修改,得到优化模型; 所述初始神经网络模型包括多层神经元;所述模型拆分模块将初始神经网络模型拆分为若干基础模型,获取所述基础模型的基础参数,包括: 所述模型拆分模块对所述初始神经网络模型的各层神经元的结构进行关联度分析,计算相邻层间的特征传递依赖系数; 根据所述特征传递依赖系数、第一计算单元的数量和各第一计算单元的存储器的数据处理能力,确定基础模型的拆分粒度; 基于所述拆分粒度对所述初始神经网络模型进行拆分,得到基础模型,并获取所述基础模型的基础参数。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人广东电网有限责任公司;广东电网有限责任公司电力科学研究院,其通讯地址为:510000 广东省广州市越秀区东风东路757号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。