-
公开(公告)号：CN110533165A
公开(公告)日：2019-12-03
申请号：CN201910760134.6
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种图像处理方法，由于本发明中对于通过饱和映射法得到的第一量化阈值以及通过非饱和映射法得到的第二量化阈值进行了加权计算，相当于对两个量化阈值进行了融合，得到的最佳量化阈值可以适用于大多数的激活输出层，因此也就能够更加有效的保留激活输出层的有效信息，并用于后续的图像处理工作，提高了量化后的深度神经网络在低位宽硬件平台上，进行推理计算的精度。本发明还公开了一种图像处理装置及设备，具有如上图像处理方法相同的有益效果。
-
公开(公告)号：CN119622665B
公开(公告)日：2025-04-25
申请号：CN202510162725.9
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/27 , G06F18/2431 , G06N3/0464 , G06N3/043 , G06N3/049 , G06N3/084
Abstract: 本发明涉及计算机技术领域，公开了一种情感分析方法、设备、介质及程序产品，包括：将包含多种情感类别的数据集按照设定回归类别划分成不同的子任务；遍历各子任务，在采用当前子任务对脉冲神经网络进行训练时，随机选择当前子任务中设定个数的样本，计算各样本对应的权重重要性；根据权重重要性形成包含隶属度的模糊集，利用模糊集选择性地对全连接层中部分神经元和卷积结构中部分卷积核进行梯度屏蔽；在遍历完所有子任务后，获得用于情感分析的观测模型，利用观测模型对待测数据进行情感分析。本发明基于模糊集理论的梯度屏蔽方式能够提升情感分析任务中持续学习的能力，减少数据传输量，提高硬件处理速度，进而增加情感预测的准确性。
-
公开(公告)号：CN119445006B
公开(公告)日：2025-04-25
申请号：CN202510046218.9
申请日：2025-01-13
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种三维数字内容生成方法、装置、系统、设备、介质及产品，应用于三维数据处理技术领域。其中，方法包括通过将不同数据格式的三维网络模型数据和目标三维数据统一在同一坐标系下的方式，生成异构三维数据，并采用目标数据结构进行表示。从图像采集设备观察位置沿渲染像素的观察方向投射光线，并按照预设光线参数沿着光线采样；根据采样点与三维网络模型数据、目标三维数据的空间位置关系确定采样点的颜色值，根据各采样点的颜色值确定渲染像素的颜色，根据各渲染像素生成三维数字内容。本发明可以解决依赖手工创建三维数字内容存在的高成本问题，能够统一处理异构三维数据，实现高效且低成本地生成三维数字内容。
-
公开(公告)号：CN119622665A
公开(公告)日：2025-03-14
申请号：CN202510162725.9
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/27 , G06F18/2431 , G06N3/0464 , G06N3/043 , G06N3/049 , G06N3/084
Abstract: 本发明涉及计算机技术领域，公开了一种情感分析方法、设备、介质及程序产品，包括：将包含多种情感类别的数据集按照设定回归类别划分成不同的子任务；遍历各子任务，在采用当前子任务对脉冲神经网络进行训练时，随机选择当前子任务中设定个数的样本，计算各样本对应的权重重要性；根据权重重要性形成包含隶属度的模糊集，利用模糊集选择性地对全连接层中部分神经元和卷积结构中部分卷积核进行梯度屏蔽；在遍历完所有子任务后，获得用于情感分析的观测模型，利用观测模型对待测数据进行情感分析。本发明基于模糊集理论的梯度屏蔽方式能够提升情感分析任务中持续学习的能力，减少数据传输量，提高硬件处理速度，进而增加情感预测的准确性。
-
公开(公告)号：CN114021708B
公开(公告)日：2023-08-01
申请号：CN202111165135.X
申请日：2021-09-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种数据处理方法、装置、系统、电子设备及计算机可读存储介质，该方法包括：获取设置指令，并根据设置指令设置计算网络；设置指令用于设置计算网络中各个计算核之间的数据流向；获取至少一个特征值，并将至少一个特征值分别输入计算网络中的至少一个起始计算核；以起始计算核为起点，按照数据流向传输特征值；利用各个计算核，基于特征值和对应的权重值生成计算结果；该方法通过设置指令设置计算网络中各个计算核之间的数据流向，使得数据在不同级之间流动，或者在同级之间流动，使得整个计算网络无论在处理什么形状的网络模型时，都能够被百分百全面利用。
-
Patent Agency Ranking
公开(公告)号：CN110782021B
公开(公告)日：2023-07-14
申请号：CN201911041052.2
申请日：2019-10-25
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种图像分类方法，包括：接收待分类图像信息；利用通过对比裁剪量化误差和max量化误差选取得到的量化阈值进行权重参数量化后的深度神经网络模型，对待分类图像信息进行分类操作，得到图像分类结果；其中，裁剪量化误差为基于深度神经网络模型的原权重参数计算得到的裁剪阈值进行权重参数量化得到，max量化误差为基于深度神经网络模型的原权重参数计算得到的最大绝对值权重阈值进行权重参数量化得到；输出图像分类结果。本发明缩小了图像分类设备中深度神经网络模型，保证了模型精度，降低了计算量，提高了图像分类效果。本发明还公开了一种图像分类装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN116257760A
公开(公告)日：2023-06-13
申请号：CN202310526511.6
申请日：2023-05-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/22 , G06F18/24 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种数据划分方法、系统、设备及计算机可读存储介质，涉及数据处理技术领域，获取目标数据集；基于数据的标签信息将目标数据集划分为第一数据集及第二数据集；基于数据的特征信息将第一数据集划分为目标数量的初始子数据集；确定各个初始子数据集的中心数据；确定第二数据集中至少一个第二数据与至少一个中心数据间的关联等级，关联等级基于第二数据与中心数据间关联的数据个数确定；对于第二数据，将与第二数据对应且等级最低的关联等级作为第二数据的目标关联等级，将第二数据划分至目标关联等级对应的中心数据所在的初始子数据集中，得到目标子数据集；实现了对目标数据集进行特征信息均衡及关联均衡的划分，数据划分效果好。
-
公开(公告)号：CN116226388A
公开(公告)日：2023-06-06
申请号：CN202310509057.3
申请日：2023-05-08
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/09 , G06N3/084 , G06N3/088
Abstract: 本申请公开了一种文献分类方法、一种图神经网络训练方法及相关组件，应用于数据处理技术领域，包括：获取n篇文献作为一组训练样本，并将文献类别作为标签；得到训练样本的特征提取结果；确定出用于反映训练样本中的n篇文献之间的引用关系的第一信息，以及用于反映训练样本中的n篇文献之间的相似度的第二信息；将特征提取结果，第一信息及第二信息输入至预设的图神经网络，得到图神经网络所输出的针对训练样本中的n篇文献的类别预测结果；基于类别预测结果更新图神经网络的参数，并返回执行获取n篇文献作为一组训练样本的操作，直到图神经网络训练完成。应用本申请的方案，提高了文献分类的准确率。
-
公开(公告)号：CN115934661A
公开(公告)日：2023-04-07
申请号：CN202310188245.0
申请日：2023-03-02
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/174 , G06F9/50 , G06N3/0464 , G06N3/048 , G06N3/092
Abstract: 本发明提供一种图神经网络压缩方法、装置、电子设备及存储介质，涉及图神经网络领域，方法包括：获取待训练的图神经网络模型和训练图数据；训练图数据包含图顶点及其对应的顶点特征；控制强化学习的智能体学习图神经网络模型及训练图数据在不同聚类簇数序列条件下的压缩训练结果，并基于压缩训练结果生成最佳聚类簇数序列；聚类簇数序列中的聚类簇数与图神经网络模型中的图卷积层一一对应，聚类簇数用于将输入至对应图卷积层的顶点特征压缩为该图卷积层需处理的特征码字，以使特征码字的数量等于聚类簇数；利用最佳聚类簇数序列对图神经网络模型和训练图数据进行压缩及训练处理；可基于聚类簇数序列压缩图神经网络模型，以降低其对资源的需求。
-
公开(公告)号：CN111723907B
公开(公告)日：2023-02-24
申请号：CN202010529654.9
申请日：2020-06-11
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0464 , G06N3/063 , G06N3/08
Abstract: 本申请公开了一种模型训练设备、方法、系统及计算机可读存储介质，设备包括高带宽存储器组，用于存储待训练数据；全局存储器，用于存储目标模型的模型参数；与高带宽存储器组及全局存储器连接的处理器，用于基于目标模型的训练算法对待训练数据和全局存储器中存储的初始模型参数进行运算，得到目标模型参数并存储至全局存储器；且处理器基于片上网络搭建。本申请中，由于高带宽存储器的存储容量较大，所以可以存储较多的待训练数据，降低对高带宽存储器的读写次数，并且处理器基于片上网络搭建，所以处理器可以借助片上网络在自身内部传输相应数据，降低了对待传输数据的读写频率，与现有技术相比，可以提高模型的训练效率。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.044 seconds)
