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
  • 公开了一种基于模型数据双循环半监督策略的人脸检测模型训练方法和系统,包括构建包含人脸检测与人脸关键点检测双任务标签的有标注基础训练数据集;基于异常场景采样策略构建无标注扩展数据集;采用预设人脸检测网络架构训练基准检测模型,获得初始模型权重并...
  • 本发明公开了一种方块电阻预测模型训练方法及方块电阻预测方法,属于半导体技术领域,该方法包括:获取训练集;根据优化制程的设计规则,确定优化制程与训练集中每个样本的多个关键参数的多个相对差异,优化制程是在源制程的基础上优化得到的;获取方块电阻预...
  • 本发明公开了一种基于多模态数据融合的地下水污染扩散模型构建方法包括,融合监测井的动态时序特征与地质场的静态空间属性,为图节点生成信息丰富的初始状态向量;基于节点间瞬时水位差和等效渗透系数,构建随时间演化的、表征水力连接关系的动态图拓扑结构;...
  • 本申请涉及一种燃气轮机故障预警系统和方法,其中,该系统包括:数据采集模块,用于采集得到燃气轮机的实时运行数据;主预警模块,用于根据实时运行数据,通过训练好的MSET算法模型计算得到MSET实际残差;辅助预警模块,用于根据实时运行数据,通过训...
  • 本发明涉及计算机技术领域,具体涉及一种量子经典并行神经网络模型的参数优化方法及装置,包括:先初始化预先训练的量子经典并行神经网络模型中的参数,所述量子经典并行神经网络模型包括用于表示量子电路运行结果和多层感知机运行结果的线性组合的第一函数;...
  • 本发明提供一种多模态压缩模型训练方法、多模态特征提取方法、电子设备及存储介质,属于车联网技术领域。所述方法包括:分别构建至少两个子模型,各子模型用于提取相应种类模态数据的特征,各子模型的结构相同;对各子模型进行联合训练,得到各子模型各层中各...
  • 公开了一种模型训练方法及装置,涉及人工智能技术领域。计算设备在利用训练初始重构模型之前,先利用初始训练数据构建初始训练数据的潜在空间。由于初始训练数据的潜在空间指示初始训练数据在正常模式下的表示,如此,降低了初始训练数据中的异常时序数据对重...
  • 本发明公开了一种自适应结构LIF神经元电路,包括电流积分模块,电压放大模块,电压正反馈模块,电压复位模块和自适应模块,电流积分模块由输入电流源Iin与积分电容器C1构成,电压放大模块由两级c‑OECT反相器级联构成,每级c‑OECT反相器由...
  • 本发明公开了一种图神经网络采样加速器,属于硬件加速技术领域,包括:调度控制模块、缓存模块和采样执行模块;其中,缓存模块通过双缓冲单元及多通道加载实现任务所需块的预取,缓存单元之间交替切换以实现访存与计算的重叠,显著降低片外访存延迟,提高了片...
  • 本发明公开了面向极端环境复杂地形避障的低功耗强化学习算法并行加速系统,集成于并行加速芯片上;该系统包括并行协同工作的经验采样模块、策略更新模块和价值评估模块;经验采样模块用于通过多线程并行架构采集并处理目标极端环境地形的多维传感器数据,生成...
  • 本发明适用于人工智能技术领域,涉及一种神经网络处理芯片、计算机设备和模型推理方法。其中,神经网络处理芯片包括:计算单元;调度器,用于生成第一数据搬移指令和第二数据搬移指令;第一存储控制器,通过第一总线与计算单元连接,用于响应第一数据搬移指令...
  • 本发明属于人工智能技术领域,特别涉及一种视觉Transformer模型的纯整数量化方法及相关装置;其中,所述的视觉Transformer模型的纯整数量化方法包括:基于选定的视觉Transformer模型,对线性组件和非线性组件分别进行量化后...
  • 本申请公开了用于对模型进行稀疏量化的方法、系统和计算机程序产品。该方法包括:基于与预训练模型的目标任务相关联的数据生成微调数据集;对预训练模型执行多轮渐进稀疏处理;以及对经多轮渐进稀疏后的模型执行多轮渐进量化处理。每一轮渐进稀疏处理包括:执...
  • 本申请涉及一种动态量化方法、装置、设备、存储介质和程序产品。所述方法包括:获取待量化集合中的第一最大值,第一最大值为待量化集合中多个待量化数据的绝对值的最大值;根据第一最大值和第二最大值确定量化参数,第二最大值为量化目标数据类型所能表示的最...
  • 一种基于词元注意力得分动态剪枝的神经网络压缩系统,包括:输入模块、掩码生成模块和动态推理模块,本发明将注意力得分直接引入剪枝决策,用于量化模型内部结构的重要性,实现基于真实注意力分布的精细化剪枝,避免了传统基于权重幅度方法的失真问题;通过语...
  • 本发明公开了一种神经网络量化位宽的确定方法及程序产品,该方法包括:获取待量化神经网络中多个待量化网络层的权重矩阵,并分别确定每个待量化网络层对应的量化敏感度;按照量化敏感度的大小顺序将多个待量化网络层进行排序,根据量化位宽的种类数将排序后的...
  • 本发明涉及一种支持COO与Bi tmap压缩算法的可配置解压缩电路,属于集成电路领域;该电路所适用的混合压缩方法在对神经网络各层权重矩阵进行稀疏度分析后,依据不同层的稀疏特性,选择基于坐标式稀疏矩阵的COO压缩或基于位图掩码的Bitmap压...
  • 本公开涉及一种模型生成的方法、试题作答方法、装置、介质及电子设备,该方法包括:获取训练语料,该训练语料包括多个试题样本文本以及该试题样本文本对应的样本答案,并根据该训练语料,对预训练基础模型进行模型微调,得到第一候选作答模型,并根据该训练语...
  • 本公开关于一种对象生成模型的训练方法、装置、电子设备及存储介质,其中,该方法包括:通过目标编码器对多模态数据进行编码处理,可以实现对于多种模态数据的联合嵌入,为后续提升多模态数据的生成效率以及生成质量提供可靠的数据基础,通过对多种模态数据进...
  • 本发明涉及人工智能技术领域,公开了融合不确定性量化的贝叶斯神经网络方法及其系统,该方法包括概率权重建模、变分后验推断、重参数化采样、多尺度不确定性量化和自适应拒识决策五个步骤,本发明将网络权重建模为概率分布,采用尺度混合高斯先验实现稀疏诱导...
技术分类