-
公开(公告)号：CN114329900A
公开(公告)日：2022-04-12
申请号：CN202111450077.5
申请日：2021-11-30
Applicant: 浪潮电子信息产业股份有限公司
Abstract: 本申请公开了一种基于神经网络的器件参数获取方法、系统、装置及计算机可读存储介质，该基于神经网络的器件参数获取方法通过逆网络、判别网络和前向预测网络构成的神经网络为目标电磁光谱响应优化出对应的器件参数，本申请中将逆网络和判别网络结合对抗训练，优化生成的器件参数，使其接近真实参数，同时生成对抗网络所需训练数据集小，节省了硬件资源，提高了神经网络的鲁棒性，再将逆网络生成的满足真实条件的器件参数输入前向预测网络，实现逆网络和前向预测网络结合训练，当实际电磁光谱响应和目标电磁光谱响应匹配时，再输出逆网络生成的器件参数，优化生成的器件性能，在输入为期望的目标电磁光谱响应下，输出性能较高的器件参数。
-
公开(公告)号：CN119669944A
公开(公告)日：2025-03-21
申请号：CN202510180153.7
申请日：2025-02-19
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06F18/2431 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0464
Abstract: 本发明公开了一种人工智能技术领域中的情感识别方法、系统、电子设备、存储介质及程序产品，方法包括从用户感知目标物的情感反应数据中，提取文本特征数据及目标类型特征，根据用户的人格测试问卷数据生成个性化特征。将目标类型特征的各类时序特征在时间维度上进行对齐，并基于注意力机制融合各时间步下的各类时序特征，得到融合情感反应特征；对融合情感反应特征、文本特征数据和个性化特征进行降维处理，得到用于进行情感识别的多模态特征数据。本发明可以解决相关技术的个性化因素考虑不足导致情感识别精度无法满足用户需求的问题，在情感识别过程中，充分考虑个性化因素，有效提高情感识别精度。
-
公开(公告)号：CN119649477A
公开(公告)日：2025-03-18
申请号：CN202510162944.7
申请日：2025-02-14
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06V40/50 , G06V40/20 , G06V20/40 , G06V10/44 , G06V10/34 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/06 , G06N3/08
Abstract: 本发明公开了一种姿态认证方法、装置及设备、存储介质和计算机程序产品，涉及计算机技术领域，该方法包括：获取标准姿态的第一视频序列和第一事件流数据，以及待认证姿态的第二视频序列和第二事件流数据；提取第一视频序列的第一视频特征和第二视频序列的第二视频特征；提取第一事件流数据的第一事件特征和第二事件流数据的第二事件特征；计算第一视频特征与第二视频特征之间的第一特征距离，以及第一事件特征与第二事件特征之间的第二特征距离，融合第一特征距离和第二特征距离得到融合距离；判断融合距离是否大于距离阈值；若是，则判定认证通过，若否，则判定认证失败。本发明提高了姿态认证的准确度。
-
公开(公告)号：CN116167425A
公开(公告)日：2023-05-26
申请号：CN202310458254.7
申请日：2023-04-26
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/063
Abstract: 本申请公开了一种神经网络加速方法、装置、设备及介质，应用于深度学习技术领域，包括：从神经网络的目标特征数据中确定有效数据矩阵；所述有效特征矩阵中包含至少一个有效特征数据；将所述有效数据矩阵中的有效特征数据，以及权重矩阵中与所述有效特征数据对应的权重数据进行分组，以得到数据组；将所述数据组输入预设计算引擎阵列，并利用所述预设计算引擎阵列对所述数据组进行运算，得到卷积结果。这样，能够避免无效数据引起延时的情况下，兼容稀疏和稠密数据，从而实现神经网络加速的优化。
-
公开(公告)号：CN116257760B
公开(公告)日：2023-08-11
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。
-
Patent Agency Ranking
公开(公告)号：CN116167425B
公开(公告)日：2023-08-04
申请号：CN202310458254.7
申请日：2023-04-26
Applicant: 浪潮电子信息产业股份有限公司
IPC: G06N3/063
Abstract: 本申请公开了一种神经网络加速方法、装置、设备及介质，应用于深度学习技术领域，包括：从神经网络的目标特征数据中确定有效数据矩阵；所述有效特征矩阵中包含至少一个有效特征数据；将所述有效数据矩阵中的有效特征数据，以及权重矩阵中与所述有效特征数据对应的权重数据进行分组，以得到数据组；将所述数据组输入预设计算引擎阵列，并利用所述预设计算引擎阵列对所述数据组进行运算，得到卷积结果。这样，能够避免无效数据引起延时的情况下，兼容稀疏和稠密数据，从而实现神经网络加速的优化。
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.035 seconds)
