Document
拖动滑块完成拼图
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
最新专利技术
  • 本发明涉及分布模型训练技术领域,提供一种模型分布并行化训练流程自动优化方法、系统及装置。包括以下步骤:根据神经网络模型的通信与算力定义任务平面,对任务平面进行划分,得到划分后的任务平面;根据划分后的任务平面构建训练耗时模型,得到总耗时;根据...
  • 本公开提供了一种分布式强化学习方法、系统及相关设备,涉及人工智能技术领域。该方法包括:根据分布式系统中各个智能体所处节点的局部状态信息,生成系统状态表征信息,其中,所述局部状态信息包含如下至少之一:环境状态信息、任务进度信息、资源占用信息;...
  • 本公开涉及一种模型训练方法及装置、电子设备、存储介质和程序产品,涉及人工智能技术领域,所述方法包括:获取文本模型的思维链;根据所述思维链确定奖励结果,所述奖励结果至少包括与所述思维链质量相关的第一奖励;根据所述奖励结果更新所述文本模型的参数...
  • 本发明公开了一种基于模型量化的联邦学习训练方法、基站及用户设备,该方法包括:S1:基站向被选用户设备集合广播全局模型参数、量化位宽设置方案和带宽分配方案,生成训练配置信息;S2:基于训练配置信息,被选用户设备执行本地模型训练得到更新后的本地...
  • 本发明公开了一种分段式的模型训练方法,包括:客户端根据服务器下发的一阶段全局泛化模型将泛化特征识别层更新为特化特征识别层,得到一阶段局部特化模型,对特化特征识别层参数冻结后进行本地训练,得到局部特化特征提取层参数上传至服务器。服务器根据客户...
  • 本发明公开了一种基于自注意力的多模态联邦学习方法,涉及数据处理领域,首先,在客户端设计多模态特征编码模块,分别基于Transformer架构对图像与文本模态进行深层语义建模,捕捉各模态内部结构信息;其次,引入局部跨模态自注意力建模模块,通过...
  • 本发明公开了一种基于知识图谱的联邦学习数据处理方法,本发明将不同参与方的结构化的数据构建成知识图谱,在联邦学习的框架下共享这些知识图谱,能够保证参与方在不直接交换各个参与方知识图谱的情况下,实现知识图谱的协同和共享,从而共同提升模型性能。同...
  • 本发明公开了一种基于多尺度对比学习的太阳动力学观测数据预训练方法,属于图像智能处理技术领域。本发明包括:对SDO观测数据进行预处理,构建自编码器与对比学习结合的预训练框架,包含重建损失与三层次对比目标:全局时间索引的类标记对齐、位置一致的跨...
  • 本发明公开了一种面向精准农业的对抗性注意力选择的特征蒸馏方法及系统,涉及计算机视觉与人工智能技术领域。针对现有技术在精准农业跨领域图像中存在的负迁移、边缘部署难、数据标注成本高问题,该技术方案在对抗性领域自适应与特征蒸馏统一框架中,引入领域...
  • 本发明涉及一种面向智慧城市的去中心化神经网络模型长期高可靠部署方法,按照以下步骤进行:1)基于城市环境的手机用户、车辆、摄像头等异构终端以及边缘服务器搭建去中心化联邦学习架构,该架构基于本地模型训练、簇内本地模型边缘聚合以及簇间边缘模型聚合...
  • 本发明公开了基于类激活图的可解释性无数据知识蒸馏方法,包括以下步骤:输入随机噪声至生成器,生成与目标数据集分布相似的合成图像;将合成图像分别输入经过结构调整的教师模型和学生模型;通过教师模型和学生模型分别生成对应的类激活图;将教师类激活图和...
  • 本发明提供一种基于梯度解耦的学生模型训练方法和装置,方法包括:基于教师模型和目标模型分别对训练样本进行的预测,计算差异损失,目标模型包括基于初始学生模型的网络结构确定的第一分支网络和第二分支网络,第一分支网络和第二分支网络之间设置有知识交互...
  • 本发明提供了一种模型训练方法、图像生成方法、装置、设备及存储介质,涉及计算机技术领域。本发明为了高效蒸馏教师模型的语义特征理解能力到学生模型上,提升学生模型对关键区域语义特征的复现能力,提出的模型训练方法包括:将样本图像输入预训练模型,得到...
  • 本发明属于人工智能技术领域,公开了一种基于对比学习的面向视觉‑语言预训练模型生成可迁移对抗样本方法,包括针对视觉‑语言预训练模型数据增强得到的图像‑文本对集合进行区分,得到正样本集合和负样本集合;在正样本引导对抗样本生成过程中,引入负样本进...
  • 本发明涉及智能体协作技术领域,公开了一种基于多智能体强化学习的人与集群交互的方法和系统。方法包括:基于多智能体强化学习算法构建无人移动平台集群的对抗策略模型;利用基于注意力机制的状态威胁评估模块处理对抗双方的状态,输出对敌方目标的威胁评估系...
  • 本申请涉及智能体学习训练方法、装置、计算机设备和存储介质,该方法包括:采用LLM模型将高层的意图转换为可执行代码,得到克隆数据集,将智能驾驶场景构建为马尔科夫决策过程并构建指令空间;构建智能体策略模型;将训练目标解耦为行为克隆和强化学习的目...
  • 本申请公开了一种强化学习方法、装置、设备、存储介质及产品,涉及人工智能技术领域,包括:根据模型处理轨迹数据对历史轨迹缓存进行更新,生成当前轨迹缓存;基于所述当前轨迹缓存、当前模型梯度以及先验知识数据构建方向性梯度修正;根据所述当前模型梯度以...
  • 本申请公开了一种内容审核模型处理方法、装置、电子设备及介质,该方法包括:将目标模态的样本待审核内容和预设审核提示信息输入待训练内容审核模型进行异常内容检测,得到多条内容审核结果,预设审核提示信息用于提示目标模态的异常内容检测项对应的归因定位...
  • 本发明公开了一种基于动态去噪分类器的偏好强化学习鲁棒性提升方法,涉及人工智能与机器学习技术领域。本发明包括:构建动态去噪奖励模型,所述动态去噪奖励模型包括基础奖励预测器和动态去噪分类器;从偏好数据集中采样训练数据,将训练数据输入基础奖励预测...
  • 本发明公开了一种基于演化深度强化学习的复杂网络瓦解方法。该方法构建了一个融合了图卷积神经网络与深度Q网络的编码器‑解码器模型,用于高效提取复杂网络中节点的重要性特征,并据此实现节点拆解顺序的动态决策。为优化模型参数并提升搜索能力,引入了演化...
技术分类