-
公开(公告)号：CN112418424A
公开(公告)日：2021-02-26
申请号：CN202011462942.3
申请日：2020-12-11
Applicant: 南京大学 , 江苏万维艾斯网络智能产业创新中心有限公司
Abstract: 本发明提出了一种具有极高压缩比的剪枝深度神经网络的分层稀疏编码方法，包括：应用剪枝技术对超参数化的DNN模型进行稀疏化处理；提出一种分层稀疏编码方法LSC，通过设计元数据的编码机制来提高修剪后的DNN模型的压缩率；设计一种多过程解码机制使得无需完全解码即支持矩阵运算，节省运行内存；所述分层稀疏编码方法通过减少元数据量来最大化压缩率，包括：将压缩过程分为块层和编码层；在块层中，将稀疏矩阵划分为多个小块，然后删除零值块；在编码层中，提出了一种新颖的带标记相对索引方法SRI，来进一步编码这些非零值块；所述多过程解码机制在推断阶段加快编码矩阵的乘法。最后通过实验对比证明所提出的LSC方法相对于其他稀疏编码方法的有效性。
-
公开(公告)号：CN109701029A
公开(公告)日：2019-05-03
申请号：CN201910080089.X
申请日：2019-01-28
Applicant: 南京大学
IPC: A61K47/42
Abstract: 本发明公开了蛋白质介导的纳米晶体自组装聚集体，属于生物医学纳米材料技术领域，该纳米晶体自组装聚集体是以蛋白质为载体材料，将油溶性纳米粒子包封在载体材料中形成纳米晶体自组装聚集体。本发明还公开了其制备方法，以蛋白质和油溶性纳米晶体之间的疏水性相互作用为主要反应机理，以蛋白质为载体，将油溶性纳米晶体包裹在蛋白质自组装成的纳米球状结构中。该制备方法操作简单、易于扩大化生产，所制得的自组装聚集体具有纳米晶体装载密度高、纳米晶体利用率高(超过90％)、自组装聚集体的粒径可以在大范围内调控、易于进行表面修饰、具有较好的胶体稳定性、高生物相容性和低生物毒性等优点；同时，利用该法可以非常方便的制备多功能纳米材料。
-
Patent Agency Ranking
-
公开(公告)号：CN116402142A
公开(公告)日：2023-07-07
申请号：CN202310242666.7
申请日：2023-03-14
Applicant: 南京大学 , 江苏万维艾斯网络智能产业创新中心有限公司
Abstract: 本发明提供了一种基于决策路径图的强化学习策略可解释方法，属于人工智能可解释领域。本发明提出了决策路径图的构建及简化方法。在此过程中，本专利基于强化学习智能体收集的经验数据，以状态为节点，动作为边，构建决策路径图，建模强化学习策略，并针对连续型状态空间中状态节点数量过多的问题，采用自适应半径方法，合并具备相同动作的相似状态节点，并随后基于轨迹入度指标寻找强化学习策略中的关键状态，达到强化学习策略解释的效果。
-
公开(公告)号：CN109701029B
公开(公告)日：2021-07-09
申请号：CN201910080089.X
申请日：2019-01-28
Applicant: 南京大学
IPC: A61K47/42 , A61K47/62 , A61K31/337 , A61P35/00
Abstract: 本发明公开了蛋白质介导的纳米晶体自组装聚集体，属于生物医学纳米材料技术领域，该纳米晶体自组装聚集体是以蛋白质为载体材料，将油溶性纳米粒子包封在载体材料中形成纳米晶体自组装聚集体。本发明还公开了其制备方法，以蛋白质和油溶性纳米晶体之间的疏水性相互作用为主要反应机理，以蛋白质为载体，将油溶性纳米晶体包裹在蛋白质自组装成的纳米球状结构中。该制备方法操作简单、易于扩大化生产，所制得的自组装聚集体具有纳米晶体装载密度高、纳米晶体利用率高(超过90％)、自组装聚集体的粒径可以在大范围内调控、易于进行表面修饰、具有较好的胶体稳定性、高生物相容性和低生物毒性等优点；同时，利用该法可以非常方便的制备多功能纳米材料。
-
公开(公告)号：CN117077019A
公开(公告)日：2023-11-17
申请号：CN202310229738.4
申请日：2023-03-10
Applicant: 南京大学 , 江苏万维艾斯网络智能产业创新中心有限公司
IPC: G06F18/2413 , G06N3/092 , G06F18/214
Abstract: 本发明提供了一种基于最近邻模型的强化学习策略解释方法、装置及存储介质，属于人工智能领域。该方法主要步骤包括：步骤1、初始化；步骤2、采集数据；步骤3、数据预处理；步骤4、数据保留；步骤5、训练；步骤6、数据可视化；步骤7、从经验保留率、累计奖赏以及动作相似度三个维度，评估KNN模型。不仅探索了强化学习模型的决策边界，还减少了训练具备良好可解释性机器学习模型时所需的经验量，并从经验保留率、累计奖赏以及动作相似度3个维度，客观评估该机器学习模型，最终，评估结果表现良好。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
