-
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：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。
-
公开(公告)号：CN116431816B
公开(公告)日：2023-09-19
申请号：CN202310694562.X
申请日：2023-06-13
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F16/35 , G06F16/33 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及数字化处理技术领域，公开了一种文献分类方法、装置、设备和计算机可读存储介质，构建文献数据库的初始文献特征矩阵、局部一致性矩阵和全局一致性矩阵。利用文献分类模型中的双通道神经网络，确定出初始文献特征矩阵和局部一致性矩阵对应的第一文献学习结果以及初始文献特征矩阵和全局一致性矩阵对应的第二文献学习结果。对双通道神经网络各图卷积层的输出特征进行相关性分析，以确定出第三文献学习结果。基于文献数据库的已有标签、局部一致性矩阵、第一文献学习结果、第二文献学习结果以及第三文献学习结果，对文献分类模型的参数进行修正，依据训练好的文献分类模型，确定出文献数据库中无标签文献的类别，提高了文献分类的准确度。
-
Patent Agency Ranking
公开(公告)号：CN116127386B
公开(公告)日：2023-08-08
申请号：CN202310417849.8
申请日：2023-04-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/2415 , G06F18/214 , G06F18/22 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及人工智能技术领域，公开了一种样本分类方法、装置、设备和计算机可读存储介质，利用训练样本包含的图结构信息和初始节点特征信息，对图神经网络模型进行训练，以得到融合后的节点特征信息以及训练得到的预测标签。基于节点特征信息中各节点之间的相似性，构建相似性概率矩阵。依据相似性概率矩阵以及训练样本包含的训练标签，确定出训练样本中所有节点各自对应的传播标签。根据传播标签、训练标签、预测标签，对图神经网络模型的权重进行调整，得到训练好的图神经网络模型，从而对待处理样本进行分析以输出样本类别。依据节点间相似性可以将训练标签传递到特征相似的节点上，从而增加训练时的标签数量，解决数据过拟合的问题。
-
公开(公告)号：CN116127386A
公开(公告)日：2023-05-16
申请号：CN202310417849.8
申请日：2023-04-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/2415 , G06F18/214 , G06F18/22 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及人工智能技术领域，公开了一种样本分类方法、装置、设备和计算机可读存储介质，利用训练样本包含的图结构信息和初始节点特征信息，对图神经网络模型进行训练，以得到融合后的节点特征信息以及训练得到的预测标签。基于节点特征信息中各节点之间的相似性，构建相似性概率矩阵。依据相似性概率矩阵以及训练样本包含的训练标签，确定出训练样本中所有节点各自对应的传播标签。根据传播标签、训练标签、预测标签，对图神经网络模型的权重进行调整，得到训练好的图神经网络模型，从而对待处理样本进行分析以输出样本类别。依据节点间相似性可以将训练标签传递到特征相似的节点上，从而增加训练时的标签数量，解决数据过拟合的问题。
-
公开(公告)号：CN110516334A
公开(公告)日：2019-11-29
申请号：CN201910760181.0
申请日：2019-08-16
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F17/50
Abstract: 本发明公开了一种基于硬件环境的卷积计算仿真测试方法，该方法包括以下步骤：获取待用于进行卷积计算的数据信息；模拟硬件环境的卷积计算实现逻辑，基于数据信息进行卷积计算的软件仿真，获得第一结果数据；将第一结果数据与第二结果数据进行比对，获得第一比对结果，第二结果数据为在硬件环境下使用数据信息进行卷积计算获得的数据；根据第一比对结果，验证硬件实现逻辑是否正确。应用本发明实施例所提供的技术方案，可以有效进行卷积计算的仿真测试，及时发现硬件实现逻辑的错误之处，方便硬件调试，可以提高硬件开发效率。本发明还公开了一种基于硬件环境的卷积计算仿真测试装置、设备及存储介质，具有相应技术效果。
-
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：CN119721153A
公开(公告)日：2025-03-28
申请号：CN202510245688.8
申请日：2025-03-04
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本发明公开了一种强化学习加速器、加速方法及电子设备，涉及加速器技术领域，包括：控制器将当前图像和历史图像特征分别写入对应输入缓存，将指令序列写入指令控制部件，指令控制部件接收指令序列并下发给参数分发部件，参数分发部件对指令序列进行解析后，将计算层访存参数、计算参数及启动指令分发到计算部件。计算部件在接收到启动指令后，依次读取输入缓存中的特征数据，访存参数和计算参数进行计算处理，使得计算部件能够根据不同的参数灵活地执行各类计算任务。整个加速器深度分析了强化学习模型的特点，能完整、高效、紧凑地支持该网络各层计算，提高该类模型的处理效率，避免交互时延，同时降低加速器的资源使用率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.031 seconds)
