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
  • 本发明涉及时空预测的技术领域,具体涉及一种时空图引导的专家路由集成方法及系统,步骤S1,构建时空单一模型库,库中的单一模型以历史时空图为输入,从而生成单一模型预测结果;步骤S2,建立局部‑全局双分支时空图表示学习模块,用于学习时空图结点的局...
  • 本公开提供一种模型量化方法、装置、设备、存储介质及程序产品,涉及到人工智能技术领域。方法包括:获取利用模型处理一个或多个输入序列得到的至少一个注意力矩阵,每个注意力向量包括多组待量化数据;对于每个输入序列,确定第一量化系数矩阵,多个第一量化...
  • 本发明公开了基于LoRA技术优化的电力系统大型语言模型调优方法、系统、设备及介质,属于电力系统大型语言模型技术领域,包括:获取电力系统运行过程中形成的历史语言数据,转换为训练样本;基于训练样本构建任务数据集合;构建预训练语言模型;接收待处理...
  • 本发明涉及大模型技术领域,且公开了一种多维度量化评分的大语言模型动态选择方法,包括对所有候选模型进行标记并排序;进行模型能力与精度的评分;进行网络延迟与地理位置的评分;进行数据安全等级评分;进行支持的上下文长度评分;进行服务费用与Token...
  • 本发明公开了基于Informer深度学习的桥梁温度场预测方法,包括:获取桥梁结构的温度场数据及对应的气象数据,对温度场数据进行分解,得到分解指标,其中,分解指标包括有效温度、横向温度增长率、竖向温度增长率和自平衡温度;基于分解指标及对应的气...
  • 本发明公开了一种基于参数分解重组学习基因的轻量化端侧模型计算方法、产品及部署方法,包括:选取与端侧任务匹配的基础网络模型;对基础网络模型进行预训练,并在预训练过程中将基础网络模型的参数矩阵因子分解为共享参数矩阵、层特定参数矩阵和核心张量,将...
  • 本申请提供一种机器人模型训练方法、装置、设备及介质,涉及机器人模型训练技术领域,能够解决现有机器人模型在训练过程中所存在的泛化性较差和准确率较低的问题。训练方法,包括:根据任务匹配值、及其各自对应的模型效率值,确定多个目标值,并确定待训练模...
  • 本申请公开了一种通用神经网络加速引擎、神经网络处理子系统及计算机设备,属于神经网络加速器技术领域,包括卷积神经网络矩阵计算单元,包含卷积运算控制单元,并在卷积运算控制单元控制下进行矩阵运算;非卷积神经网络计算单元,包含非卷积运算控制单元;顶...
  • 本发明公开了一种动触头组件缺陷视觉检测的自适应进化神经网络方法,包括:采集包含动触头缺陷视觉标签的图像构成数据集;利用数据集对随机初始化后的第g代种群中的个体进行迭代训练评估,并基于训练好的个体的准确率及参数量确定其双目标适应度值,在迭代训...
  • 本发明属于量子计算与人工智能交叉技术领域,具体涉及一种量子神经网络架构搜索优化方法、系统及其在农业图像分类上的应用。本发明采用量子粗筛‑经典精调的方法,通过Grover量子预筛选高效排除搜索空间中性能低劣或不符合资源约束的架构,将搜索漏斗快...
  • 本发明公开了一种特征融合的可干预权重一维卷积神经网络及其方法。神经网络包括多特征输入层、可干预权重接口、加权拼接模块和降维融合模块。加权拼接模块对输入的多个一维特征向量分别进行卷积处理和标量权重相乘,再经特征拼接层拼接;降维融合模块对拼接后...
  • 本发明提供一种长程投射神经元形态的无条件自动生成方法,包括如下步骤:整体结构预测步骤,采用基于去噪扩散概率模型(DDPM)的点云生成模块进行端到端点云生成;骨架化连接步骤,先由L1‑medial骨架提取器采用迭代优化算法从点云中提取中轴线特...
  • 本申请实施例提供一种人工神经网络模型的转换方法、存储介质和程序产品,涉及人工智能技术领域,该方法包括:在获取预训练得到的人工神经网络模型之后,将人工神经网络模型中的各非线性算子转换为对应的脉冲模块,其中,脉冲模块包括差分期望补偿模块,差分期...
  • 本发明提供一种计算图冗余节点的剪枝方法及装置,方法包括:获取初始计算图的节点处理序列;基于节点处理序列中的任一节点的局部计算序列,分别与融合规则集中的每个融合模式进行匹配,得到任一节点的融合属性;任一节点的局部计算序列基于任一节点和任一节点...
  • 本发明公开了一种降低多任务网络量化训练过程中的梯度偏差的方法,涉及图像处理技术领域,包括以下步骤:在将图像作为输入对多任务网络进行量化训练的过程中,获取需要融合的图像浅层特征和图像深层特征;将图像浅层特征和图像深层特征分别与可学习权重相乘;...
  • 本发明提供的一种基于自适应神经编码的梯度压缩方法及梯度压缩器,应用于客户端,涉及分布式机器学习与通信压缩技术领域。本发明通过获取原始特征梯度,计算梯度元素的重要性分数以自适应生成采样概率,并通过可微分采样机制生成采样掩码,以对所述原始特征梯...
  • 本发明适用于人工智能与深度学习技术领域,提供了一种基于NURBS的改进型KANs神经网络方法,包括以下步骤:构建KANs基础架构,包含参数化自适应激活函数和优化网络拓扑;采用NURBS基函数替换URBS基函数,通过权重参数动态调节样条的局部...
  • 本申请提供一种在片上光网络中加速剪枝神经网络训练的方法,本发明公开了一种在片上光网络(ONoC)中加速剪枝深度神经网络(PDNN)训练的方案;该加速方案首先提出了一种基于ONoC的PDNN加速模型;然后设计了一种PDNN权重感知的神经元分组...
  • 本申请提出了一种在Mesh片上光网络(ONoC)中基于分组与映射的低插入损耗CNN加速方法。该方法首先采用通信感知聚类算法,将具有强通信依赖关系的神经元分配到同一组,形成高内部通信量的神经元集群,同时确保每个集群的计算负载不超过单个ONoC...
  • 本发明公开了一种面向卷积神经网络稀疏参数的硬件映射存取机制,该机制分为三个步骤:步骤一为参数稀疏化方法,该部分利用卷积神经网络通道间参数相关性,对卷积核相同位置不同通道进行均值归一化,从而实现模型参数的结构化稀疏特点;步骤二为结构化稀疏参数...
技术分类