-
公开(公告)号：CN115688871A
公开(公告)日：2023-02-03
申请号：CN202211144325.8
申请日：2022-09-20
Applicant: 中国科学院计算技术研究所
IPC: G06N3/0455 , G06N3/088
Abstract: 本发明提出一种基于预训练增强的多元时间序列预测方法，包括：构建包括编码器和第一解码器的预训练模型；在多元时间序列中截取多个序列样本；对于每个该序列样本，将该序列样本切分为多个数据片段，随机选取部分该数据片段构建为训练集，以该训练集对该预训练模型进行训练；从完成训练的预训练模型中提取编码器，构建包括该编码器和第二解码器的预测模型，基于该多元时间序列的当前序列片段，通过该预测模型对该多元时间序列于下一时段的未来序列片段进行预测。本发明还提出一种基于预训练增强的多元时间序列预测系统，以及一种用于多元时间序列预测的数据处理装置。
-
公开(公告)号：CN111737466B
公开(公告)日：2022-11-29
申请号：CN202010558767.1
申请日：2020-06-18
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种用于深度神经网络交互信息量化的方法，所述方法包括：S1、获取来自于自然语言处理领域数据集的样本，样本中包含多个单元，每个单元对应于一个单词，对样本中的单元进行多次聚合处理直至样本中的单元聚合成一个单元；S2、根据步骤S1中给定样本多次聚合处理过程中单元聚合方式构建反映深度神经网络内部建模的单词间交互信息的树状图。本发明方法可以客观地量化深度神经网络内部建模的输入样本单词间的交互信息，并且根据交互信息比率的大小，对具有显著交互作用的相邻单元进行聚类，最终得到一棵反映深度神经网络内部建模的单词间交互信息的树状层次结构，为进一步理解深度神经网络提供了一种通用的方法。
-
公开(公告)号：CN112231461B
公开(公告)日：2022-05-17
申请号：CN202011182518.3
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
IPC: G06F16/332 , G06F16/36 , G06F40/126 , G06F40/205 , G06F40/284 , G06F40/295
Abstract: 本发明公开了一种融合知识的对话生成方法，包括如下步骤：S1、构建知识图谱；S2、构建对话模型，所述对话模型由编码器和解码器组成，构建过程包括词编码、知识编码、双跳实体编码、加权合并和解码。本发明引入图编码和图注意力机制进行双跳实体编码，基于相邻实体之间的关系，更好地捕捉对话中的实体语义；同时结合知识图谱围绕对话涉及的概念知识，从而给出更合理的富有信息量的回复，解决当前对话过程中话题概念飘移和扩展的问题。
-
公开(公告)号：CN114173418A
公开(公告)日：2022-03-11
申请号：CN202111327838.8
申请日：2021-11-10
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于深度强化学习的实时分布式无线网络调度方法和系统，包括：获取由多个接入点和用户节点组成的无线网络；在测试阶段的每个时隙，接入点根据部分数据流对应的发送队列信息，得到各数据流的状态，同时获取之前对无线信道的历史观测信息将数据流的状态和历史观测信息输入至决策模型，接入点执行决策模型输出结果对应的调度决策；在训练阶段，网络中存在的全局决策模型获取所有数据流的状态信息，并给出每个接入点的最优决策动作，接入点执行专家网络给出的最优决策动作，同时将部分数据流的状态，信道的历史观测信息，最优调度决策动作作为交互信息存储至各自的经验回放池中，从各自的经验回放池中抽取经验，训练更新当前决策模型。
-
公开(公告)号：CN111586969B
公开(公告)日：2021-12-21
申请号：CN202010350952.1
申请日：2020-04-28
Applicant: 中国科学院计算技术研究所
IPC: H05K1/18 , H05K1/11 , G06F30/394
Abstract: 本发明提出一种电路布线方法，包括：于PCB基板的第一面规则设置多个元件颗粒，并于该PCB基板的第二面对应设置该元件颗粒，使该第二面的元件颗粒与该第一面的元件颗粒互为镜像；于该PCB基板设置端接电阻，以及与处理器连接的处理器端；于该PCB基板设置主线和分支线，通过该主线将该处理器端与该端接电阻电性连接，通过该分支线将所有该元件颗粒分别依次电性连接至该主线；于该PCB基板设置数据线，通过该数据线将该处理器端与该元件颗粒电性连接。本发明还提出一种采用该电路布线方法进行电路布线的DDR4内存，以及一种包括该DDR4内存的电子设备。
-
Patent Agency Ranking
公开(公告)号：CN112906889A
公开(公告)日：2021-06-04
申请号：CN202110234699.8
申请日：2021-03-03
Applicant: 中国科学院计算技术研究所
Abstract: 本发明实施例提供了一种用于压缩深度神经网络模型的方法和系统，该方法包括：S1、获取基线模型，所述基线模型是待压缩的深度神经网络模型；S2、对所述基线模型的至少部分卷积层中的多个卷积核分别基于其权重参数计算其有效性，确定无效的卷积核；S3、从所述基线模型中裁剪掉所确定的无效的卷积核；S4、对经裁剪后的模型进行微调或者重训练，得到压缩后的模型。本发明在对相应的卷积层进行剪枝的过程中，不用去分析该层的剪枝结果对灵敏度的影响，只关注最终的结果是否可以接受，因此本发明的方法更加简单，效率更高，尤其适合具有较多卷积层的深度卷积神经网络。
-
公开(公告)号：CN112766339A
公开(公告)日：2021-05-07
申请号：CN202110029664.0
申请日：2021-01-11
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种轨迹识别模型训练方法及轨迹识别方法。本发明的模型训练方法包括：S1、通过构建基于独热编码向量的语料对的方式将目标轨迹数据编码为轨迹语义向量；S2、构建用于对轨迹语义向量进行评估的循环神经网络和用于对评估结果进行分类的分类器；S3、利用标记轨迹数据对所述循环神经网络和分类器进行训练。本发明的轨迹识别方法中,采用了新的轨迹语义向量计算方法，该方法可以将不定长的轨迹段投影到定长的向量空间中。通过采用本发明的模型训练方法可以使得网络学习到不同类别的轨迹特征，通过循环神经网络识别轨迹类别。
-
公开(公告)号：CN112564712A
公开(公告)日：2021-03-26
申请号：CN202011344089.5
申请日：2020-11-26
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种基于深度强化学习的网络编码方法，所述方法包括：源节点将要发送的信息划分成K个片，根据源节点编码模型确定每个片的编码系数，生成并向下一跳节点发送编码包；中间节点接收前一节点发送的编码包，将收到的编码包再次编码，根据中间节点编码模型确定编码系数，生成并向下一跳节点发送编码包，其中所述源节点和中间节点编码模型通过对DQN网络训练得到。本发明可以根据网络动态变化来自适应地调节编码系数，改善解码效率，并具备良好的模型泛化能力，能泛化于具有不同网络规模和不同链路质量下的网络，本发明分别在源节点和中间节点上分布式执行的各自的编码系数优化模型，简化了编码系数优化实施并且改善了DQN训练的稳定性。
-
公开(公告)号：CN112308211A
公开(公告)日：2021-02-02
申请号：CN202011186818.9
申请日：2020-10-29
Applicant: 中国科学院计算技术研究所厦门数据智能研究院
Abstract: 本发明公开了一种基于元学习的领域增量方法，包括如下步骤：S1、构建预训练模型；S2、用预训练模型训练旧模型；S3、训练新模型。本发明采用随机保留的5％的记忆数据和新数据混合微调训练新模型，同时还采用交叉熵损失函数和知识蒸馏损失函数联合指导新模型的学习，使其在记住旧领域的分类知识的同时，学习新领域数据的分类知识，大大减少数据存储和训练时间的开销。
-
公开(公告)号：CN110519020B
公开(公告)日：2020-09-11
申请号：CN201910744399.7
申请日：2019-08-13
Applicant: 中国科学院计算技术研究所
IPC: H04L1/16 , H04L1/00 , H04W74/08 , H04B17/382
Abstract: 本发明提出一种无人系统网络智能跨层数据传输方法及系统，包括在路由层采用上限置信区间作为节点选择转发节点的搜索策略；采用双Q学习技术解决由于Q值过高估计导致行为选择评价不准确的问题；回报值的计算综合考虑MAC延时，链路错误概率与位置误差，使其更能反映动作的效益；根据节点速度与MAC延时，为每条链路赋予不同的学习率与折扣因子，实现学习率与折扣因子的自适应调节。最后结合MAC层与路由层，利用MAC延时参数共享实现跨层优化，提出一个无人系统网络智能跨层数据传输方法和系统。
-
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.067 seconds)
