Document
拖动滑块完成拼图
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
最新专利技术
  • 本发明提供了忆阻器的神经网络架构生成方法、装置、设备及介质, 其方法包括以下步骤:步骤一、获取输入信号并进行事件驱动编码, 将输入信号转换为脉冲序列, 采用时间编码方式利用脉冲时间信息进行神经计算。本发明通过在剪枝优化阶段执行结构剪枝与非结...
  • 本申请涉及人工智能技术领域, 尤其涉及一种推理控制方法、器件配置方法、装置、设备、介质及产品。通过将基板管理控制器标定配置的通信接口类型作为目标类型, 根据目标类型确定预先配置加速处理器, 构建适配基板管理控制器及预先配置加速处理器的探测驱...
  • 本发明提供用于光电随机神经网络的方法、装置、技术、子系统及系统。在一个方面, 用于执行神经网络模型的计算的光电电路包括多个单光子雪崩二极管(SPAD)。神经网络模型包括多个层, 并且多个层中的每一个包括多个神经元。多个SPAD中的每一个SP...
  • 本发明公开了一种利用器件非均匀性的贝叶斯神经网络优化方法及其贝叶斯神经网络架构, 属于人工智能硬件技术领域;方法为:构建具有固有非均匀响应特性的器件阵列;通过选择电路进行寻址和动态选择特定器件;将选择特定器件所产生的非均匀响应作为贝叶斯神经...
  • 本申请提出了一种数据处理方法, 用于使用近存计算对权重进行数据裁剪, 减少内存和加速器之间的数据传输, 提高了对神经网络训练的性能。在本申请用于计算节点, 该计算节点包括内存和加速器。在本申请中, 该内存获取权重, 该权重包括多个权重值, ...
  • 本发明涉及智能算法模型技术领域, 具体提供一种多终端设备的智能算法模型及其构建方法和运行方法, 旨在解决现有智能算法模型成本较高、受网络延迟影响以及存在安全性和隐私性问题。为此目的, 本发明的多终端设备的智能算法模型的构建方法, 所述多终端...
  • 本发明公开了一种刀具负载预测模型构建、刀具寿命预测方法及装置。所述刀具负载预测模型构建方法包括:从样本集中获取训练集;样本集为采集样本刀具全生命周期不同时段的主轴负载数据, 并基于主轴负载数据提取与刀具磨损相关的优选特征数据, 根据优选特征...
  • 本申请公开了一种模型训练方法及装置, 涉及人工智能领域。该方法由第一节点执行, 第一节点用于训练全局模型, 该方法包括:确定第一阈值, 第一阈值为用于训练目标节点的本地模型的损失值的阈值, 目标节点的本地模型的训练依赖于全局模型的模型参数;...
  • 基于同构分组的深度模型自动结构化剪枝方法, 包括以下步骤:1)引入统一的评估框架, 扩展方法到多种视觉模型架构, 进行归一化评估;2)通过依赖图自动分解神经网络为最小可剪枝子结构, 基于图同构检测将子结构划分为同构组, 按同构组独立进行重要...
  • 本发明公开了一种基于自适应剪枝的飞控端智能算法部署方法, 包括如下步骤:S1、采集飞控任务状态数据与资源状态数据, 生成飞控任务资源状态数据集合;S2、基于飞控任务资源状态数据集合构建任务特性向量;S3、将任务特性向量输入剪枝策略生成模块,...
  • 本发明涉及多目标优化技术领域, 具体地说, 涉及一种多机制深度集成的多目标优化框架及其优化方法和应用, 包括:强化学习模块、遗传算法模块、双向进化学习耦合模块、帕累托经验池模块、偏好管理模块和图神经网络模块, 双向进化学习耦合模块用于实现强...
  • 本申请提供了一种多模态数据处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品, 应用于云技术、人工智能、信息推荐和视频处理等各种多模态数据处理场景中;该多模态数据处理方法包括:采用待训练模型的第一提取模块提取第一模态样本的第一数据...
  • 本申请提供一种大模型训练方法, 其特征在于, 包括:收集第一数据集, 并利用所述第一数据集对第一模型进行微调训练, 得到第二模型;收集第二数据集, 基于所述第二模型, 对所述第二数据集进行优化处理, 得到第三数据集;利用所述第三数据集对所述...
  • 本发明公开了电力科研知识预训练模型本地优化方法及系统, 涉及数据处理技术领域, 包括:基于大数据, 构建电力科研知识语料库;基于所述电力科研知识语料库对预训练模型进行知识对齐微调, 获得电力科研知识增强模型;根据电力科研记录集进行数据整理,...
  • 本发明提供一种融合元学习的多环境自适应强化学习训练方法, 旨在提升智能体在多任务、多环境下的策略泛化能力与环境适应能力。该方法在强化学习框架中引入元学习策略, 通过构建环境类型分类并设定概率权重, 实现多环境间的动态切换训练;采用分段式训练...
  • 本说明书实施例提供模型训练方法、文本生成方法, 其中所述模型训练方法包括:获取多个样本任务处理流程以及各样本任务处理结果, 样本任务处理流程包括至少一个任务处理步骤, 任务处理步骤包括样本任务动作和样本任务状态, 样本任务动作由初始第一策略...
  • 本发明公开了一种强化学习计算模拟方法、装置、电子设备及存储介质, 涉及人工智能计算技术领域, 包括将已确定的当前模型参数配置、当前硬件配置和当前工作负载输入至目标模拟系统得到多个并行分组组合, 根据当前硬件配置确定目标模拟系统, 基于预设的...
  • 本申请实施例提供了一种语言模型训练、处理方法、设备、介质和程序产品。所述方法包括:从样本集合中获取样本数据, 所述样本集合中包括多种维度的样本数据;将所述样本数据输入到语言模型中, 输出所述样本数据对应的处理结果, 所述语言模型为基于路由机...
  • 一种基于特征关联的大模型知识蒸馏方法, 对输入数据进行处理, 提取出关键特征, 其中关键特征包括图像特征、文本特征和语音特征;将提取出的关键特征进行关联分析, 确定特征之间的关联关系, 其中关联分析采用自适应权重分配机制, 根据特征的重要性...
  • 本发明属于数据处理技术领域。提出了一种用于大模型微调训练的数据混合方法、系统及计算机设备, 根据微调数据集中的不同主题的数据混合比例、微调模型参数量和训练数据的标记单元总数进行多轮训练任务, 每轮训练完成后在目标数据集测试训练后的模型损失;...
技术分类