-
公开(公告)号：CN117806838A
公开(公告)日：2024-04-02
申请号：CN202410230125.7
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F9/50 , G06F18/22 , G06F18/241 , G06N20/00 , G06N5/04
Abstract: 本发明提供基于异构数据的设备分簇方法、装置、设备、系统及介质，涉及计算机技术领域，首先可将多个边缘设备划分至多个设备簇，以便各边缘设备对机器学习模型进行层级联邦训练；同时，在分簇过程中，本发明可确定各边缘设备本地的机器学习模型对同一测试数据集的推理结果，并可基于该推理结果确定各边缘设备间的训练数据相似度；进而，可利用各训练数据相似度将各边缘设备划分至多个设备簇，即可在分簇过程中考虑数据异构的特点和分布情况，并将拥有相似数据的设备放在同一簇中，从而可提高簇内数据的相似性。这样，在各边缘设备进行层级联邦训练时，可确保相近的机器学习模型参数先聚合，可确保全局模型更快收敛，并可提升联邦学习效率。
-
公开(公告)号：CN117332823B
公开(公告)日：2024-03-05
申请号：CN202311596641.3
申请日：2023-11-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0475 , G06N3/0442 , G06N3/08 , G06N5/04 , G06F40/35
Abstract: 本发明公开了一种目标内容自动生成方法、装置、电子设备及可读存储介质，应用于人工智能领域。其中，方法包括将用户的目标内容生成请求作为提示信息输入至自然语言任务处理模型得到指示任务，通过指令接口调用相应外部执行程序执行任务得到初始目标内容；利用当前长期记忆数据对指示任务和初始目标内容进行处理得到目标更新任务；将目标更新任务、初始目标内容和当前短期记忆数据作为下一轮次的提示信息输入至自然语言任务处理模型，循环执行直至指示任务为终止指令，将其上一轮次的初始目标内容作为目标内容进行输出。本发明可以解决相关技术低精度、低效率且高成本智能生成内(56)对比文件Feng Xiaocheng 等.Topic-to-EssayGeneration with Neural Networks《.PROCEEDINGS OF THE TWENTY-SEVENTHINTERNATIONAL JOINT CONFERENCE ONARTIFICIAL INTELLIGENCE》.2018,4078-4084.Xu Zhen 等.Dynamic Working Memory forContext-Aware Response Generation《.IEEE/ACM Transactions on Audio, Speech, andLanguage Processing》.2019,第27卷(第9期),1419-1431.Minlie Huang 等.Challenges inBuilding Intelligent Open-domain DialogSystems《.ACM Transactions on InformationSystems》.2020,第38卷(第3期),1–32.罗威.长时记忆循环神经网络算法研究《.中国博士学位论文全文数据库 信息科技辑》.2022,第2022年卷(第1期),I140-61.
-
公开(公告)号：CN117475038A
公开(公告)日：2024-01-30
申请号：CN202311827290.2
申请日：2023-12-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06T11/60 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/092 , G06N3/0985 , G06V10/26 , G06V20/70 , G06V10/30 , G06V10/82 , G06F18/22 , G06N3/094
Abstract: 本发明涉及人工智能领域，具体公开了一种图像生成方法、装置、设备及计算机可读存储介质，通过在初始文生图模型起，对每次迭代训练中的中间文生图模型，将第一样本文本输入中间文生图模型，得到第一中间图像输入图生文模型，得到第一预测文本，以第一预测文本与第一样本文本的文本相似度评分构建强化学习奖励函数来更新中间文生图模型的模型参数，直至迭代训练结束得到文生图模型，提供了一种采用文本相似度的评分方式，对生成图像具有更好的评价效果，并在此基础上采用强化学习的训练方案，使文生图模型在生成内容与文本描述不一致时能够自我学习修正，实现文本描述与生成内容的一致性，提高文生图模型生成图片的质量，更符合用户要求的效果。
-
公开(公告)号：CN116680206B
公开(公告)日：2024-01-12
申请号：CN202310974608.3
申请日：2023-08-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F12/06
Abstract: 本发明公开了一种内存扩展方法、装置、系统、电子设备及可读存储介质，涉及大数据技术领域，旨在解决传统技术中单节点无法满足大规模数据计算的内存需要的问题，所述内存扩展方法应用于内存池地址管理服务器，包括接收内存请求节点发送的内存扩展请求；根据所述内存扩展请求确定其他各内存节点的远程可扩展内存容量；利用各所述远程可扩展内存容量为所述内存请求节点进行内存扩展。应用本技术方案，实现了利用其他各个内存节点为内存请求节点提供远程内存服务，进而实现了单节点的内存扩展，可以有效满足该单节点内大规模数据计算的内存需要。
-
公开(公告)号：CN116680206A
公开(公告)日：2023-09-01
申请号：CN202310974608.3
申请日：2023-08-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F12/06
Abstract: 本发明公开了一种内存扩展方法、装置、系统、电子设备及可读存储介质，涉及大数据技术领域，旨在解决传统技术中单节点无法满足大规模数据计算的内存需要的问题，所述内存扩展方法应用于内存池地址管理服务器，包括接收内存请求节点发送的内存扩展请求；根据所述内存扩展请求确定其他各内存节点的远程可扩展内存容量；利用各所述远程可扩展内存容量为所述内存请求节点进行内存扩展。应用本技术方案，实现了利用其他各个内存节点为内存请求节点提供远程内存服务，进而实现了单节点的内存扩展，可以有效满足该单节点内大规模数据计算的内存需要。
-
Patent Agency Ranking
公开(公告)号：CN115019314A
公开(公告)日：2022-09-06
申请号：CN202210942294.4
申请日：2022-08-08
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V30/148 , G06V30/14 , G06V30/19 , G06V10/82 , G06V10/774
Abstract: 本申请公开了一种商品价格识别方法、装置、设备及存储介质，涉及图像识别领域。该方法包括：按照卷积神经网络、编码器、解码器、匹配模型、字符识别模块的顺序构建商品价格识别模型；将商品图像输入至商品价格识别模型，利用卷积神经网络提取得到商品图像对应的图像特征；将图像特征作为编码器的输入得到对应的编码特征，并将编码特征作为解码器的输入，得到多个商品检测框及多个价格检测框；利用匹配模型筛选出目标商品检测框及目标价格检测框，并确定出目标商品检测框与目标价格检测框的对应关系；利用字符识别模块识别目标价格检测框内的价格内容，并结合对应关系确定出每个目标商品框内商品的价格。能够提高商品价格识别的准确性。
-
公开(公告)号：CN119229238B
公开(公告)日：2025-04-29
申请号：CN202411719465.2
申请日：2024-11-28
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明涉及人工智能视觉处理技术领域，具体公开了视觉语言模型训练方法、设备、介质及计算机程序产品，通过将图像数据集中的各示例图像建立全局视觉特征、前景视觉特征、聚合视觉特征的层级式视觉特征库，在训练视觉语言模型时，利用视觉语言模型的视觉提示器进行层级式筛选，提高查询示例图像的效率以及质量，利用关联示例图像与查询图像之间的相似性损失值以及图像处理结果的处理损失值计算得到模型训练损失值来更新视觉感知模型的参数，实现对视觉语言模型的全局优化，相较于传统方案中采用局部模块适配的方式能够避免陷入局部最优，从而进一步提高图像处理质量。
-
公开(公告)号：CN119229238A
公开(公告)日：2024-12-31
申请号：CN202411719465.2
申请日：2024-11-28
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明涉及人工智能视觉处理技术领域，具体公开了视觉语言模型训练方法、设备、介质及计算机程序产品，通过将图像数据集中的各示例图像建立全局视觉特征、前景视觉特征、聚合视觉特征的层级式视觉特征库，在训练视觉语言模型时，利用视觉语言模型的视觉提示器进行层级式筛选，提高查询示例图像的效率以及质量，利用关联示例图像与查询图像之间的相似性损失值以及图像处理结果的处理损失值计算得到模型训练损失值来更新视觉感知模型的参数，实现对视觉语言模型的全局优化，相较于传统方案中采用局部模块适配的方式能够避免陷入局部最优，从而进一步提高图像处理质量。
-
公开(公告)号：CN117808126B
公开(公告)日：2024-05-28
申请号：CN202410230008.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N20/00 , G06N5/04 , G06F18/22 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种机器学习方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在模型聚合过程中识别并剔除恶意用户的模型数据，解决了恶意用户攻击导致模型精度下降的问题。一方面边缘计算设备可以在簇内选择与自身的相关性达标的边缘计算设备的模型参数对自身的模型参数进行更新，另一方面簇头在进行簇内聚合时可以排除异常的边缘计算设备的模型参数，通过两层的风险识别，可以精准的识别并忽略异常的模型参数，排除了风险，有利于提升最终得到的全局网络模型的性能，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果，也避免了全局网络模型学习到恶意用户希望的特定行为。
-
公开(公告)号：CN117808126A
公开(公告)日：2024-04-02
申请号：CN202410230008.0
申请日：2024-02-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N20/00 , G06N5/04 , G06F18/22 , G06V10/764 , G06Q10/04
Abstract: 本发明公开了一种机器学习方法、装置、设备、联邦学习系统及存储介质，属于边缘计算领域，用于在模型聚合过程中识别并剔除恶意用户的模型数据，解决了恶意用户攻击导致模型精度下降的问题。一方面边缘计算设备可以在簇内选择与自身的相关性达标的边缘计算设备的模型参数对自身的模型参数进行更新，另一方面簇头在进行簇内聚合时可以排除异常的边缘计算设备的模型参数，通过两层的风险识别，可以精准的识别并忽略异常的模型参数，排除了风险，有利于提升最终得到的全局网络模型的性能，使中心服务器在工业设备故障预测、网络安全问题识别与图片分类时发挥最优的效果，也避免了全局网络模型学习到恶意用户希望的特定行为。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.046 seconds)
