图形相似度分析
    11.
    发明授权

    公开(公告)号:CN110399983B

    公开(公告)日:2023-08-18

    申请号:CN201910306083.X

    申请日:2019-04-17

    Abstract: 提供了促进图形相似度分析的技术。在一个示例中,系统包括信息部件和相似度部件。信息部件生成指示与机器学习系统相关联的第一图形结构化数据集的第一熵测量的第一信息索引。信息部件还生成指示与机器学习系统相关联的第二图形结构化数据集的第二熵测量的第二信息索引。相似度部件基于与第一信息索引和第二信息索引相关联的图形相似度计算来确定第一图形结构化数据集与第二图形结构化数据集之间的相似度。

    使用降低精度的深度神经网络的对抗性输入识别

    公开(公告)号:CN111435461A

    公开(公告)日:2020-07-21

    申请号:CN202010020033.8

    申请日:2020-01-09

    Abstract: 本申请涉及使用降低精度的深度神经网络的对抗性输入识别。处理器接收输入数据,并将输入数据提供给包括第一神经网络模型的第一神经网络。第一神经网络模型具有第一数值精度水平。使用第一神经网络从输入数据生成第一特征向量。将输入数据提供给包括第二神经网络模型的第二神经网络。第二神经网络模型具有与第一数值精度水平不同的第二数值精度水平。使用第二神经网络从输入数据生成第二特征向量。计算第一特征向量和第二特征向量之间的差异度量。差异度量指示输入数据是否包括对抗性数据。

    通过对权重矩阵实施空间局部性并实现频率压缩来压缩(多个)深度网络的全连接/递归层

    公开(公告)号:CN111357019A

    公开(公告)日:2020-06-30

    申请号:CN201880074735.5

    申请日:2018-11-30

    Abstract: 一种系统,具有存储计算机可执行组件的存储器以及执行计算机可执行组件的处理器,该系统通过利用权重矩阵的空间局部性并实现频率变换和压缩来减少与训练神经网络有关的数据大小。接收组件接收以压缩的频域权重矩阵形式的神经网络数据。分割组件将初始权重矩阵分割成原始子分量,其中相应的原始子分量具有空间权重。采样组件将广义权重分布应用于相应的原始子分量以生成相应的归一化子分量。变换组件对相应的归一化子分量应用变换。裁剪组件裁剪经变换的相应的归一化子分量的高频权重以产生低频归一化子分量的集合,以生成原始子分量的压缩表示。

    使用降低精度的深度神经网络的对抗性输入识别

    公开(公告)号:CN111435461B

    公开(公告)日:2023-08-11

    申请号:CN202010020033.8

    申请日:2020-01-09

    Abstract: 本申请涉及使用降低精度的深度神经网络的对抗性输入识别。处理器接收输入数据,并将输入数据提供给包括第一神经网络模型的第一神经网络。第一神经网络模型具有第一数值精度水平。使用第一神经网络从输入数据生成第一特征向量。将输入数据提供给包括第二神经网络模型的第二神经网络。第二神经网络模型具有与第一数值精度水平不同的第二数值精度水平。使用第二神经网络从输入数据生成第二特征向量。计算第一特征向量和第二特征向量之间的差异度量。差异度量指示输入数据是否包括对抗性数据。

Patent Agency Ranking