-
公开(公告)号：CN120030273A
公开(公告)日：2025-05-23
申请号：CN202311555817.0
申请日：2023-11-21
Applicant: 成都华为技术有限公司
IPC: G06F18/10
Abstract: 本公开提供了一种消除信号噪声的方法、装置、设备和存储介质，属于信号处理技术领域。该方法包括：获取第一信号序列，其中，第一信号序列的第一特征的周期不均匀，基于第一特征的周期，进行线性插值处理，得到第一序列，第一序列为周期序列或者频率序列，对第一序列中的序列值进行调整，得到第二序列，基于第二序列和第一信号序列，插值得到序列值间隔相等的序列对应的第二信号序列，对第二信号序列进行滤波处理，得到第三信号序列，基于第三信号序列，插值得到第二序列中各个序列值对应的信号值，该各个序列值对应的信号值组成为第一信号序列对应的消除噪声后的信号序列。采用本公开的方案，能够对周期相差较大的信号序列进行噪声消除。
-
公开(公告)号：CN119576409A
公开(公告)日：2025-03-07
申请号：CN202311161061.1
申请日：2023-09-07
Applicant: 华为技术有限公司
IPC: G06F9/30
Abstract: 本申请公开的实施例属于计算技术领域，特别涉及一种执行stencil计算的方法、装置及计算设备。该方法包括：获取计算区域中包括的多个节点数据，将多个节点数据组成数据向量。根据stencil计算中包括的至少一个计算条件，对多个节点数据进行判断处理，得到每个节点数据对应每个计算条件的判断结果。对于每个计算条件，将多个节点数据对应计算条件的判断结果组成判断结果向量，得到判断结果向量。基于数据向量和每个计算条件对应的判断结果向量，执行stencil计算中每个计算条件对应的计算操作，得到stencil计算的计算结果。本申请能够将stencil计算转换为向量计算，可以提高stencil计算的效率。
-
公开(公告)号：CN118586182A
公开(公告)日：2024-09-03
申请号：CN202410721518.8
申请日：2024-06-05
IPC: G06F30/20 , G06F30/28 , G06F113/08
Abstract: 本发明涉及一种在非结构网格上计算微分算子的AI物理仿真方法及系统，其包括：将输入的初始条件数据进行padding，并构建稀疏的非结构网格；在非结构网格上，计算微分算子项，将方程中微分算子项嵌入到网络结构中，并采用消息传递图神经网络预测非结构粗网格下的系统状态量；采用在隐空间同时padding的方式，将方程的边界条件嵌入仿真模型中，使仿真模型始终满足边界条件，以对流体进行AI物理仿真。本发明在使用稀疏训练样本的情况下，显著提升了非结构粗网格上复杂物理场的模拟精度。
-
公开(公告)号：CN112529206B
公开(公告)日：2024-05-17
申请号：CN201911208567.7
申请日：2019-11-30
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种模型运行方法和系统，同时满足用户对模型的易用性和运行效率的双重需求。本申请实施例提供一种模型运行方法，方法包括：获取第一代码，第一代码用于描述一机器学习模型；当处理第一代码的模式为动态图模式时，根据第一代码包括的至少一个运算符生成至少一个运算符对应的算子的计算图，以及根据算子的计算图执行模型的前向计算；当模型的前向计算执行完成之后，将处理第一代码的模式从动态图模式切换至静态图模式；当处理第一代码的模式为静态图模式时，根据第一代码生成模型的计算图；以及根据模型的计算图执行模型的前向计算，或根据模型的计算图执行模型的前向计算和反向计算。
-
公开(公告)号：CN113159268A
公开(公告)日：2021-07-23
申请号：CN202010075167.X
申请日：2020-01-22
Abstract: 本申请涉及人工智能领域，提供一种神经网络的搜索方法和装置，该方法应用于计算系统，该系统包括多个智能体，该方法包括：确定多个候选神经网络，多个智能体中的第一智能体用于处理所述多个候选神经网络中每个候选神经网络中的同一个部分；分别将所述每个候选神经网络中的所述第一智能体处理的那部分神经网络的上下文作为所述第一智能体的输入，得到对应于所述多个候选神经网络的多个新的候选神经网络；根据所述多个新的候选神经网络确定目标神经网络。从而可以提高建立神经网络的效率。
-
Patent Agency Ranking
公开(公告)号：CN112532251A
公开(公告)日：2021-03-19
申请号：CN201910891200.3
申请日：2019-09-17
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种数据处理的方法，可用于人工智能(artificial intelligence,AI)领域。该方法包括：终端设备将待训练模型的梯度数据划分为梯度片段，然后依据码本对梯度片段做量化转换，量化转换后得到的量化表示中元素的个数少于梯度片段中元素的个数，然后向云设备发送量化表示。本申请技术方案由于量化表示中元素的个数少于梯度片段中元素的个数，也就是相比于按元素量化技术提高了梯度数据的压缩比。因为量化表示的压缩比被提高了，终端设备向云设备传输量化表示时的通信开销也随之减少。
-
公开(公告)号：CN104734995A
公开(公告)日：2015-06-24
申请号：CN201510092225.9
申请日：2015-02-28
Applicant: 华为技术有限公司
IPC: H04L12/891
Abstract: 本发明公开了一种链路汇聚流量上限的设置方法和网络控制器，以解决现有技术中设置的汇聚流量上限不能反映链路对网络的重要性的技术问题。在本发明一些可行的实施方式中，方法包括：确定当前的网络拓扑，获取当前的网络拓扑中任一条链路对网络连通性的影响值；根据所述任一条链路对网络连通性的影响值，以及，任一条链路的容量，为当前的网络拓扑中任一条链路计算并设置汇聚流量上限。
-
公开(公告)号：CN103729242A
公开(公告)日：2014-04-16
申请号：CN201310705505.3
申请日：2013-12-19
Applicant: 华为技术有限公司
Abstract: 本发明公开了一种自旋锁抢占调度算法选择方法及装置，该方法包括：采集物理中央处理器的实时信息，该实时信息包括：虚拟机管理器管理的目标虚拟机上处于非休眠状态的虚拟中央处理器的数量，该虚拟机管理器为物理中央处理器上运行的虚拟机管理器；根据实时信息分析目标虚拟机竞争自旋锁的竞争场景；根据竞争场景计算目标虚拟机针对自旋锁的等待阈值；从存储的等待阈值与调度算法的关系集中选择等待阈值对应的调度算法；执行选择的调度算法调度目标虚拟机上的虚拟中央处理器运行。实施本发明实施例，可以提高虚拟机管理器的整体性能。
-
公开(公告)号：CN119903873A
公开(公告)日：2025-04-29
申请号：CN202311376112.2
申请日：2023-10-20
Applicant: 华为技术有限公司
IPC: G06N3/042
Abstract: 一种图神经网络可视化方法，包括：获取第一GNN的隐空间的第一数据和第一空间的第二数据，第一空间为第一GNN的拓扑空间、特征空间或预测空间中的任意一个；显示第一结点仪表盘，第一结点仪表盘中包括：第一视图和第二视图，其中，第一视图基于第一数据对第一GNN的隐空间进行可视化得到，第二视图基于第二数据对第一空间进行可视化得到。这样，通过可视化隐空间和第一空间，就可以精确的对比这两个空间中的结点关系，找出用户需要重点关注的图结构，为GNN的调试调优等提供高效精准的可解释依据。另外，通过隐空间也可以进行更细粒度的分析，提升了分析效率和准确度。
-
公开(公告)号：CN113723603B
公开(公告)日：2025-01-21
申请号：CN202010455591.7
申请日：2020-05-26
Applicant: 华为技术有限公司
Abstract: 本申请公开了一种更新参数的方法，该方法应用于人工智能领域。该方法通过多次迭代来多次更新神经网络模型的参数，多次迭代包括第一迭代范围和第二迭代范围，该方法包括：在第一迭代范围内，每第一更新步长所指示的迭代次数更新一次神经网络模型的附加矩阵的逆矩阵，在第二迭代范围内，每第二更新步长所指示的迭代次数更新一次神经网络模型的附加矩阵的逆矩阵，在迭代顺序上，第二迭代范围的第一次迭代在第一迭代范围的最后一次迭代之后，第二更新步长大于第一更新步长。这样，随着迭代次数的增多，更新步长越来越大，可以减少逆矩阵更新的次数，减少了神经网络模型训练的时间，提高了神经网络模型训练的速度。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.04 seconds)
