-
公开(公告)号：CN114841164A
公开(公告)日：2022-08-02
申请号：CN202210466937.2
申请日：2022-04-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F40/295 , G06F40/194 , G06N3/08
Abstract: 本申请涉及自然语言处理技术领域，公开了一种实体链接方法、装置、设备及存储介质，包括：获取与输入文本对应的实体提及、候选实体以及实体描述；构建包含实体提及与实体描述的第一融合序列和包含候选实体与输入文本的第二融合序列；利用第一模型计算实体提及的第一融合序列与第二融合序列的相似度，并根据相似度从候选实体中确定出实体提及的链接实体；第三模型为利用训练文本的实体提及训练样本的正样本和负样本通过对比学习的方式对采用对比损失函数的预训练模型进行训练得到。本申请在实体链接中融入实体描述信息，同时通过正负样本对比学习的方式训练模型来实现实体消歧，提高实体链接准确度以及在开放知识图谱上进行实体链接的性能。
-
公开(公告)号：CN114663737A
公开(公告)日：2022-06-24
申请号：CN202210546400.7
申请日：2022-05-20
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种物体识别方法、装置、电子设备及计算机可读存储介质，涉及模式识别领域，其中本方法在获取到包含物体且模态不确定的目标图像和候选图像时，可利用自注意力特征提取方式及跨注意力特征提取方式对各图像进行交互特征提取，以得到各图像对应的交互特征矩阵，可有效提升注意力机制在应对非确定跨模态物体重识别问题时的针对性；此外，本方法还可将上述两个交互特征矩阵融入概率空间，并在该空间中生成可表征目标图像和候选图像属于同一物体的概率的预测值，即能够采用概率预测方法，在概率空间中处理非确定跨模态物体的重识别问题，进而能够有效提升非确定跨模态物体重识别的准确度。
-
公开(公告)号：CN114020454B
公开(公告)日：2025-05-13
申请号：CN202111257276.4
申请日：2021-10-27
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种内存管理方法、装置、设备及介质，包括：对异构加速计算系统的主机端的内存和各AI加速器设备的板载内存分别进行切片处理，得到相应的内存切片空间；从全部所述内存切片空间中确定出公共内存切片空间；对全部所述公共内存切片空间进行统一地址空间编址，得到相应的编址空间；在执行人工智能算法计算任务时，将人工智能算法模型部署于所述编址空间，以便各处理器访问所述编址空间中相应的公共内存切片空间，完成所述人工智能算法计算任务。能够突破AI异构加速设备间的内存物理隔离限制，提高异构加速计算系统的计算资源和内存资源利用效率。
-
公开(公告)号：CN119200811B
公开(公告)日：2025-05-06
申请号：CN202411732111.1
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F1/329 , G06F1/3234 , G06N3/04
Abstract: 本发明公开了一种基于能耗的异构计算系统任务处理方法、系统以及产品，涉及计算机技术领域。依据当前训练任务的任务需求参数确定预选异构算力设备，保证当前的训练任务在执行过程中能够顺利完成的前提下确定的预选异构算力设备的数量。选取与预选异构算力设备的数量相同预选存储设备，保证预选异构算力设备与预选存储设备呈现匹配一一对应的关系。基于各预选异构算力设备与各预先存储设备之间的各个组合关系和能耗确定最终能耗，利用能耗优化处理的能耗特征，对各预选异构算力设备与各预选存储设备下的不同组合关系确定的优化处理方式，提高各预选异构算力设备与各预选存储设备的匹配度，降低各预选异构算力设备与各预选存储设备之间的能耗。
-
公开(公告)号：CN119226092B
公开(公告)日：2025-03-21
申请号：CN202411732114.5
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种异构计算系统的检查点部署方法、系统、产品以及装置，涉及计算机技术领域。根据各异构算力设备的需求参数计算在每个存储设备上部署检查点时各存储设备对应的故障恢复耗时期望值，以权衡各异构算力设备的各需求参数对应检查点恢复的影响。根据各异构算力设备的需求参数和故障恢复耗时期望值确定初步的第一检查点部署关系，以实现在部署过程中针对于各异构算力设备的特性参数对应部署检查点到各个存储设备的局部最优选择的可预测性。根据初步的第一检查点部署关系，通过各异构算力设备的部署位置进行优化确定第二检查点部署关系，有效跳出局部最优解增加找到全局最优解的可能性，提高训练任务的执行效率。
-
Patent Agency Ranking
公开(公告)号：CN119200811A
公开(公告)日：2024-12-27
申请号：CN202411732111.1
申请日：2024-11-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F1/329 , G06F1/3234 , G06N3/04
Abstract: 本发明公开了一种基于能耗的异构计算系统任务处理方法、系统以及产品，涉及计算机技术领域。依据当前训练任务的任务需求参数确定预选异构算力设备，保证当前的训练任务在执行过程中能够顺利完成的前提下确定的预选异构算力设备的数量。选取与预选异构算力设备的数量相同预选存储设备，保证预选异构算力设备与预选存储设备呈现匹配一一对应的关系。基于各预选异构算力设备与各预先存储设备之间的各个组合关系和能耗确定最终能耗，利用能耗优化处理的能耗特征，对各预选异构算力设备与各预选存储设备下的不同组合关系确定的优化处理方式，提高各预选异构算力设备与各预选存储设备的匹配度，降低各预选异构算力设备与各预选存储设备之间的能耗。
-
公开(公告)号：CN117877125B
公开(公告)日：2024-06-07
申请号：CN202410270243.0
申请日：2024-03-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种动作识别及其模型训练方法、装置、电子设备、存储介质，应用于视频理解技术领域。其中，方法包括将具有动作标签和音频数据的视频样本输入动作识别模型，提取视频样本的视觉特征、文本语义特征及音频特征，对视觉特征、音频特征进行视觉交互和视听交互，并为文本语义特征添加交互特征，得到多模态动作标签特征；根据视觉交互特征、视听交互特征、音频特征与多模态动作标签特征之间的损失，对动作识别模型进行迭代更新。本发明可以解决相关技术精细动作识别差且动作识别任务收敛慢的问题，能够使得动作识别模型更全面地理解和描述精细动作特征，提高动作识别的性能和鲁棒性，还能增强模型扩展性和灵活性。
-
公开(公告)号：CN117807995B
公开(公告)日：2024-06-04
申请号：CN202410224873.4
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种情绪引导的摘要生成方法、系统、装置及介质，涉及人工智能技术领域，用于解决当前生成的摘要不包含情绪信息的问题。该方案利用用户输入的视觉模态信息和目标情绪信息，提取对应的第一视觉特征和目标情绪特征；利用预训练语言模型对第一视觉特征编码得到第一摘要特征；对第一摘要特征及目标情绪特征整合编码得到目标情绪摘要特征；根据目标情绪摘要特征生成与视觉模态信息对应的目标情绪摘要。本发明能够在摘要生成过程中将情绪信息融入到摘要文本中，满足用户对含有情绪信息的摘要的需求，通过结合视觉模态信息和情绪信息，能够提供更丰富、更具情绪色彩的摘要内容，从而满足用户的情绪需求。
-
公开(公告)号：CN117834297B
公开(公告)日：2024-05-28
申请号：CN202410230015.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种攻击检测方法、装置、系统、电子设备及可读存储介质，应用于数据安全技术领域。其中，方法应用于边缘计算设备的联邦学习过程中，边缘云服务器基于各边缘计算设备的初始网络模型对目标数据集的推理结果生成有权无向图，基于该有权无向图将边缘计算设备划分为多个数据同性簇，并为之选择簇头。簇头获取属于同一个簇内的边缘计算设备的本地模型参数，基于待检测攻击的攻击特点确定具有攻击特征的边缘计算设备的模型参数更新特征，根据同一簇内各边缘计算设备的本地模型参数确定是否存在攻击设备。本发明可以解决相关技术中无法精准检测攻击导致用户数据无法得到保护的问题，能够有效检测恶意攻击设备，提升用户数据的安全性。
-
公开(公告)号：CN117808128B
公开(公告)日：2024-05-28
申请号：CN202410230128.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种数据异构条件下的图像处理方法、联邦学习方法及装置，涉及图像处理技术领域，边缘云服务器根据数据分布相似性对边缘计算设备分簇，簇内边缘计算设备具有相似的数据分布，可以让模型更好的捕捉到数据的特征。边缘计算设备采用残差分级训练的方式进行模型训练，实现细粒度模型训练，缓解数据分布差异大的问题。边缘计算设备与边缘云服务器在联邦学习过程中进行三层模型参数聚合，得到准确可靠的图像处理模型，最终边缘计算设备使用该准确可靠的图像处理模型进行图像处理，可以提升图像处理的准确性与可靠性。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.041 seconds)
