-
公开(公告)号：CN119672499B
公开(公告)日：2025-05-06
申请号：CN202510180760.3
申请日：2025-02-19
Applicant: 鹏城实验室
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06V10/96 , G06N3/0455 , G06N3/084
Abstract: 本申请实施例公开了一种视觉决策模型训练方法及相关方法、装置、设备及介质。视觉决策模型包括编码子模型和决策子模型，通过获取图像数据和视觉事件数据，将图像数据和视觉事件数据输入到编码子模型中，输出融合特征；将融合特征输入到决策子模型中，输出目标动作和目标动作对应的评价值；根据图像数据、视觉事件数据和融合特征确定出编码子模型对应的第一损失；根据目标动作和评价值确定出决策子模型对应的第二损失；根据第一损失对编码子模型进行迭代训练，得到训练后的编码子模型；根据第二损失对决策子模型进行迭代训练，得到训练后的决策子模型；训练后的视觉决策模型包括训练后的编码子模型和训练后的决策子模型。
-
公开(公告)号：CN119851080A
公开(公告)日：2025-04-18
申请号：CN202510320886.6
申请日：2025-03-18
Applicant: 鹏城实验室
IPC: G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本申请实施例公开了一种目标检测模型训练方法、目标检测方法、装置及设备。目标检测模型包括图像编码模型、特征编码模型和特征解码模型，通过获取样本图像中的待检测样本对象对应的目标样本区域、目标样本类别及样本描述文本；将样本图像输入到图像编码模型中，输出样本图像中每个子区域对应的区域图像特征；将每个区域图像特征和样本描述文本特征输入到特征编码模型中，输出每个子区域对应的融合特征；将每个子区域对应的融合特征输入特征解码模型中，输出每个子区域对应的目标融合特征；根据每个目标融合特征和样本描述文本确定出待检测样本对象对应的预测类别概率和在样本图像中的预测样本区域；基于预测结果和目标结果对目标检测模型迭代。
-
公开(公告)号：CN119849578A
公开(公告)日：2025-04-18
申请号：CN202510309293.X
申请日：2025-03-17
Applicant: 鹏城实验室
IPC: G06N3/082 , G06N3/04 , G06F17/16 , G06F16/903
Abstract: 本申请实施例提供了一种针对大语言模型的结构化剪枝方法以及相关设备，属于神经网络轻量化技术领域。该方法包括：获取待剪枝的初始大语言模型多个注意力模块的第一权重矩阵、以及多个感知模块的第二权重矩阵；基于由第一权重矩阵相应的第一波动度量矩阵、以及由第二权重矩阵相应的第二波动度量矩阵确定全局剪枝阈值；基于全局剪枝阈值确定各注意力模块相应的键值掩码矩阵和查询掩码矩阵、以及各感知模块相应的感知掩码矩阵；利用键值掩码矩阵和查询掩码矩阵对相应的第一权重矩阵进行剪枝处理，并利用感知掩码矩阵对相应的第二权重矩阵进行剪枝处理，进而确定初始大语言模型剪枝后的大语言模型。本申请能够提高大语言模型的模型压缩准确度。
-
公开(公告)号：CN119783735A
公开(公告)日：2025-04-08
申请号：CN202411756581.1
申请日：2024-11-29
Applicant: 鹏城实验室
IPC: G06N3/0495 , G06N3/082 , G06N3/045
Abstract: 本申请实施例提供了一种无数据知识蒸馏学习方法、装置、设备及存储介质，属于知识蒸馏技术领域。该方法包括：在当前迭代轮次下，基于当前迭代次数确定至少一个生成器损失权重并计算得到生成器损失值，利用生成器损失值对生成器参数进行调整，得到当前迭代轮次下训练好的更新生成器；基于当前迭代次数确定至少一个学生模型损失权重并计算得到学生模型损失值；利用学生模型损失值对学生模型参数进行调整，得到当前迭代轮次下训练好的更新学生模型；其中，生成器损失权重和学生模型损失权重均随迭代次数的增加呈整体动态增大的趋势；重复执行对生成器和学生模型的训练，直至迭代次数到达预设确定最后一迭代轮次得到的更新学生模型为目标学生模型。
-
公开(公告)号：CN119537027B
公开(公告)日：2025-04-08
申请号：CN202411926301.7
申请日：2024-12-25
Applicant: 鹏城实验室
IPC: G06F9/50
Abstract: 本申请实施例提供了一种基于智算集群的资源分配方法、装置、设备及存储介质。方法包括：确定智算服务节点集群处理每个任务队列关联的历史任务的平均处理时长及任务分配率；每个任务队列对应一个目标约束函数，每个目标约束函数用于在满足当前任务队列对应的任务延迟处理比例阈值下，限定平均处理时长变量、任务分配率变量以及服务节点总量变量，与当前任务队列的服务节点分配权重变量之间的函数关系；对每个任务队列的目标约束函数进行计算得到对应的目标服务节点分配权重，分配对应的服务器节点子集；按照待处理任务的最大任务延迟阈值，确定对应分配的任务队列并处理对应任务队列中的待处理任务。以此能够降低系统延时，充分利用系统资源。
-
Patent Agency Ranking
公开(公告)号：CN119672499A
公开(公告)日：2025-03-21
申请号：CN202510180760.3
申请日：2025-02-19
Applicant: 鹏城实验室
IPC: G06V10/82 , G06V10/80 , G06V10/764 , G06V10/96 , G06N3/0455 , G06N3/084
Abstract: 本申请实施例公开了一种视觉决策模型训练方法及相关方法、装置、设备及介质。视觉决策模型包括编码子模型和决策子模型，通过获取图像数据和视觉事件数据，将图像数据和视觉事件数据输入到编码子模型中，输出融合特征；将融合特征输入到决策子模型中，输出目标动作和目标动作对应的评价值；根据图像数据、视觉事件数据和融合特征确定出编码子模型对应的第一损失；根据目标动作和评价值确定出决策子模型对应的第二损失；根据第一损失对编码子模型进行迭代训练，得到训练后的编码子模型；根据第二损失对决策子模型进行迭代训练，得到训练后的决策子模型；训练后的视觉决策模型包括训练后的编码子模型和训练后的决策子模型。
-
公开(公告)号：CN119659657A
公开(公告)日：2025-03-21
申请号：CN202510199602.2
申请日：2025-02-24
Applicant: 鹏城实验室
Abstract: 本申请实施例提出的车辆驾驶控制方法、装置、电子设备及存储介质，方法包括：首先，获取车辆在行驶过程中当前时刻的图像信息和导航信息；其次，基于图像信息进行轨迹预测处理得到预测轨迹，并基于预测轨迹得到第一控制决策；然后，基于导航信息和预测轨迹进行多步控制处理，得到第二控制决策，并基于第一控制决策和第二控制决策组合得到初步控制决策；接下来，将图像信息输入碰撞修正模型进行数据处理，得到安全控制决策，并基于安全控制决策和初步控制决策进行整合处理，得到目标控制决策；最后，基于目标控制决策对车辆进行驾驶控制，可以提高预定路线的控制可靠性以及运行控制安全性。
-
公开(公告)号：CN119204130B
公开(公告)日：2025-02-18
申请号：CN202411494384.7
申请日：2024-10-24
Applicant: 鹏城实验室
IPC: G06N3/063 , G06N3/08 , G06F15/173
Abstract: 本申请实施例公开一种智能计算系统架构，其中，计算板中包括多个第一网络芯片、多个神经网络处理器和多个中央处理器，多个神经网络处理器和多个中央处理器通过多个第一网络芯片通信连接构成第一计算网络层；计算框包含多个计算板和多个交换板，多个计算板与多个交换板通信连接构成第二计算网络层；计算柜至少包括两个计算框；网络柜与计算柜通信连接、网络柜和存储柜通信连接构成第三计算网络层，网络柜中包括基于第三计算网络层构建的第四计算网络层，第一计算网络层、第二计算网络层、第三计算网络层和第四计算网络层构成计算网络，计算网络用于人工智能模型训练过程中的数据传输。该智能计算系统架构能够提高对人工智能模型的训练效率。
-
公开(公告)号：CN119415751A
公开(公告)日：2025-02-11
申请号：CN202411454364.7
申请日：2024-10-17
Applicant: 鹏城实验室
IPC: G06F16/9035 , G06F18/22 , G06F40/284 , G06F16/903 , G06F16/9038
Abstract: 本申请实施例提供了一种物品推荐方法、装置、电子设备以及存储介质，属于及计算机技术领域。该方法包括：将获取到的多个历史交互信息均输入至预先训练好的分词器中，对每一历史交互信息进行编码处理，得到对应的编码特征；计算编码特征与预设的多个码本向量之间的相似度，得到相似度分数，基于相似度分数确定编码特征对应的映射码字；对映射码字进行解码处理，根据解码后的结果确定对应物品的码字信息，并确定码字信息对应的前缀信息；根据码字信息和前缀信息，确定各物品对应的物品标识符；基于相似度分数，从多个物品标识符中选定目标标识符，并确定目标标识符对应的物品为目标推荐物品。本申请能够提高物品推荐的效率。
-
公开(公告)号：CN119360981A
公开(公告)日：2025-01-24
申请号：CN202411375114.4
申请日：2024-09-29
Applicant: 鹏城实验室
IPC: G16B40/20 , G16B30/10 , G06N3/0455 , G06N3/042
Abstract: 本申请实施例提供了一种蛋白质稳定性预测方法、装置、计算机设备及存储介质。方法包括：获取原始型蛋白质对应的第一待测序列与对应的突变型蛋白质的第二待测序列；根据蛋白质语言模型的注意力机制从第一待测序列中确定多个第一目标残基特征并对其进行全局特征的提取，得到第一虚拟结构微环境特征；同理，得到多个第二目标残基特征对应的第二虚拟结构微环境特征；基于第一虚拟结构微环境特征和第二虚拟结构微环境特征确定第一差值，并基于第一待测序列对应的第一全局序列特征和第二待测序列对应的第二全局序列特征确定第二差值；根据第一差值和第二差值进行预测，得到蛋白质稳定性预测结果。以此，能够提高对蛋白质的稳定性进行预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.033 seconds)
