-
公开(公告)号：CN119886233A
公开(公告)日：2025-04-25
申请号：CN202510378417.X
申请日：2025-03-28
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/0495 , G06N3/082 , G06N3/09
Abstract: 本申请公开了一种网络模型轻量化方法、装置、设备、介质及程序产品，涉及神经网络压缩技术领域，包括通过基于曲波变换特征相似度和结构相似度分析模型间通道相似性度量，将匹配通道合并，能够避免图像识别知识的损失；基于匹配的通道对生成融合矩阵，通过通道相似性度量进行模型融合，不依赖于具体的模型架构，因此可以适用于异构模型的融合，提高了网络模型轻量化的能力和效果。
-
公开(公告)号：CN116681122A
公开(公告)日：2023-09-01
申请号：CN202310686783.2
申请日：2023-06-09
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/082 , G06N3/096 , G06N3/0464 , G06V10/82
Abstract: 本申请公开了一种图像识别网络效率加速方法、装置、设备及介质，涉及神经网络轻量化与图像识别加速领域，包括：获取初始图像识别网络，并确定出与初始图像识别网络对应的初始卷积核权重；对初始图像识别网络分别进行随机输入通道剪枝操作和随机剪枝操作，以得到初始图像识别网络和图像识别网络之间的第一最大均值差异值的均值和第二最大均值差异值；确定出第二最大均值差异值和均值之间的大小关系，若第二最大均值差异值不大于均值，则构建第一优化函数，对第一优化函数进行求解，以得到卷积核权重改变量，基于卷积核权重改变量对初始卷积核权重进行更新，以便对图像识别网络效率进行加速。本申请能够实现结构化图像识别网络压缩与加速。
-
公开(公告)号：CN114444657A
公开(公告)日：2022-05-06
申请号：CN202111666557.5
申请日：2021-12-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种图像处理方法，包括：依据固有结构化稀疏度对预设长短时记忆网络模型的权值矩阵进行分组，得到对应的权值组；分别计算每个权值组与其他权值组的皮尔森相关系数，将皮尔森相关系数作为权值组被采样到的采样概率，并依据预设压缩率通过采样概率随机选择对应的权值组进行压缩，得到压缩后的长短时记忆网络模型；利用压缩后的长短时记忆网络模型对输入的图像进行图像处理。本申请能够根据用户指定的压缩比进行神经元剪枝，不依赖训练直接通过最小化权值矩阵输出的重构误差，获得压缩后网络权值矩阵的新权值，进而实现了循环神经网络的压缩本申请同时还提供了一种图像处理系统、设备及可读存储介质，具有上述有益效果。
-
公开(公告)号：CN116206188B
公开(公告)日：2023-07-21
申请号：CN202310484624.4
申请日：2023-05-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V10/82 , G06N3/082 , G06N3/0464
Abstract: 本申请公开了一种图像识别方法、系统、设备及存储介质，应用于图像识别技术领域，包括：对训练完成的图像识别网络的目标卷积层进行剪枝，得到压缩卷积层并判断与目标卷积层的差异是否超出差异范围；若否，则按照结构重参数化的方式对压缩卷积层进行重构，得到第一重构卷积层；若是，则按照核集理论的重要性权重更新规则，对压缩卷积层的卷积核进行缩放，得到缩放卷积层，再对缩放卷积层进行重构，得到第二重构卷积层；使用第一或第二重构卷积层替换图像识别网络中的目标卷积层，得到压缩图像识别网络以进行图像识别。应用本申请的方案，采用结构重参数化结合核集理论的方式，有效地保障了所得到的压缩图像识别网络的图像识别准确率。
-
公开(公告)号：CN114817513B
公开(公告)日：2022-11-15
申请号：CN202210745454.6
申请日：2022-06-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/332 , G06F16/33 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请涉及深度学习技术领域，公开了一种文本答案的确定方法、装置、设备和介质，获取包括文章文本和问题文本的待分析文本。基于待分析文本与设定的偏移量的相似度，确定出与待分析文本匹配的目标偏移量；依据目标偏移量，对神经网络模型以及待分析文本进行压缩处理。利用压缩后的神经网络模型对压缩后的待分析文本进行分析，以从文章文本中提取出与问题文本匹配的答案。基于待分析文本的文本特征选取匹配的偏移量，利用偏移量实现对神经网络模型以及待分析文本的压缩，减少了所需分析的文本数据量和神经网络模型的计算量，提升了文本的处理效率。根据不同类型的输入数据的特征灵活地选择偏移量，实现了神经网络模型的灵活调整和应用。
-
Patent Agency Ranking
公开(公告)号：CN111857723A
公开(公告)日：2020-10-30
申请号：CN202010604992.4
申请日：2020-06-29
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F8/41
Abstract: 本发明实施例公开了一种参数编译方法、装置和介质，提取各模型文件所包含的网络参数；按照预先设定的参数规格，将各网络参数转换为对应的中间参数；依据各中间参数对应的尺寸信息、权重信息和上下文操作序号，为各中间参数分配对应的内存地址；将各中间参数及其对应的内存地址按照设定的方式存储至预设存储空间。通过对各模型文件的网络参数进行转换，可以将不同框架的模型文件转换成统一的、硬件友好的中间参数，解除了网络参数的各种操作运算与硬件的相关性，很好的解决了支持多种框架带来的软件代码冗余、依赖库冲突等问题。本申请在FPGA预处理阶段把数据写入硬件，就不再需要主机和FPGA的通信，不存在主机与FPGA的通信压力。
-
公开(公告)号：CN110840401B
公开(公告)日：2022-11-18
申请号：CN201911121591.7
申请日：2019-11-15
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种心率值测定方法，包括：获取生命信号，将生命信号输入卷积神经网络模型中；其中，卷积神经网络模型具有多个不同深度的预测网络；利用卷积神经网络模型在各个与深度对应的下采样率下对生命信号进行特征提取，得到多个心率估计特征；对各个心率估计特征进行一维非极大值抑制处理，得到多个预选心率估计特征；对各个预选心率估计特征进行基于主元分析的数据融合处理，得到生命信号对应的心率值；该方法可以避免传统心率检测技术由于无法彻底滤除呼吸信号导致心率测定不准确的问题，进而解决传统心率检测技术的心率监测准确度较低的问题；此外，本发明还提供了一种心率值测定装置、设备及计算机可读存储介质，同样具有上述有益效果。
-
公开(公告)号：CN119719595B
公开(公告)日：2025-05-13
申请号：CN202510245690.5
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F17/15 , G06N3/092 , G06N3/063 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种数据处理方法、电子设备、介质及计算机程序产品，涉及计算机技术领域，包括：首先以批次为要素排列特征数据块，以输出通道为要素排列权重数据块，可在卷积计算能更有序访问特征数据和权重数据，然后通过判断网络数据规模与设定阈值大小，选择合适存储模式；数据规模小于设定阈值时用片上存储模式加载数据后进行卷积计算，能减少数据读取延迟，提升计算响应速度；数据规模大时采用片外访存模式边加载数据边卷积计算，避免因等待数据全部加载完成而造成的计算资源闲置。这样能够将强化学习前端进行特征提取的卷积计算部分协同部署到分块矩阵计算架构上，实现资源复用，有效降低硬件实现的复杂度和硬件资源的消耗。
-
公开(公告)号：CN119719595A
公开(公告)日：2025-03-28
申请号：CN202510245690.5
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F17/15 , G06N3/092 , G06N3/063 , G06N3/0464 , G06F17/16
Abstract: 本发明公开了一种数据处理方法、电子设备、介质及计算机程序产品，涉及计算机技术领域，包括：首先以批次为要素排列特征数据块，以输出通道为要素排列权重数据块，可在卷积计算能更有序访问特征数据和权重数据，然后通过判断网络数据规模与设定阈值大小，选择合适存储模式；数据规模小于设定阈值时用片上存储模式加载数据后进行卷积计算，能减少数据读取延迟，提升计算响应速度；数据规模大时采用片外访存模式边加载数据边卷积计算，避免因等待数据全部加载完成而造成的计算资源闲置。这样能够将强化学习前端进行特征提取的卷积计算部分协同部署到分块矩阵计算架构上，实现资源复用，有效降低硬件实现的复杂度和硬件资源的消耗。
-
公开(公告)号：CN119646525A
公开(公告)日：2025-03-18
申请号：CN202510162788.4
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/214 , G06F18/25 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种应用于人工智能技术中的数据关联关系确定方法、系统、设备、介质及程序产品，方法包括将数据关联任务的待关联数据和关联数据信息中的各源数据作为节点特征，输入至关联关系识别模型。对关联关系识别模型进行图采样，基于目标多项式对各采样节点及其相邻邻居节点的特征信息进行聚合，并根据当前聚合特征确定当前图采样对应的各采样节点之间的关联关系识别结果；根据各关联关系识别结果，为待关联数据在关联数据信息中确定具有关联关系的目标数据。本发明可以解决相关技术任务精度和任务执行效率无法兼顾的问题，在提高数据关联关系确定任务执行效率的基础上，确保输出高精度的数据关联结果。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.033 seconds)
