-
公开(公告)号：CN118587527A
公开(公告)日：2024-09-03
申请号：CN202410662573.4
申请日：2024-05-27
Applicant: 中国科学院计算技术研究所
IPC: G06V10/774 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/047 , G06N3/096 , G06N3/084
Abstract: 本发明提供了一种基于跨图像像素空间关系的扩散模型蒸馏方法，包括：获取教师模型和学生模型，两个模型均为生成式的扩散模型，教师模型是预先训练好的模型，学生模型所设置的迭代去噪的步数比教师模型更少；获取一个批次的样本数据，将每个样本数据分别输入两个模型以生成该样本数据对应的教师图像和学生图像；将当前批次生成的每张教师图像和学生图像分别输入预训练好的特征提取器，得到教师图像特征和学生图像特征；根据每两个教师图像特征计算两者像素间的第一空间关系矩阵，以及根据每两个学生图像特征计算两者像素间的第二空间关系矩阵；根据每对第一空间关系矩阵和第二空间关系矩阵间的KL散度求损失，根据损失更新学生模型的参数，其中，当一个第一空间关系矩阵和另一个第二空间关系矩阵所涉及的样本数据的编号一致时视两者为一对。
-
公开(公告)号：CN118521666A
公开(公告)日：2024-08-20
申请号：CN202410662575.3
申请日：2024-05-27
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供了一种基于在线像素嵌入队列蒸馏扩散模型的方法，包括：获取教师模型和学生模型，学生模型所设置的迭代去噪的步数比教师模型更少；获取一个批次的样本数据，分别输入两个模型以生成图像对；将每个图像对的两张图像分别输入特征提取器，得到教师和学生图像特征；从当前批次的教师图像特征中，随机采样部分像素嵌入推入队列；从在线像素嵌入队列中随机采样部分像素嵌入，以生成参考嵌入矩阵；针对每个图像对，计算其对应的第一相似度矩阵和第二相似度矩阵；针对每个图像对，计算其对应的第一相似度矩阵和第二相似度矩阵之间的KL散度；根据当前批次生成的所有图像对相关的KL散度，确定损失以更新学生模型的参数。
-
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：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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN111586969A
公开(公告)日：2020-08-25
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。
-
公开(公告)号：CN111242268A
公开(公告)日：2020-06-05
申请号：CN202010012084.6
申请日：2020-01-07
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种搜索卷积神经网络的方法，包括：构建初始卷积神经网络并训练至收敛，其中所述初始卷积神经网络包括一个或多个进化模块、全局平均池化层、全连接层；以训练后的初始卷积神经网络为基础进行多次迭代突变以得到多个突变卷积神经网络，其中，单次突变是从预设的突变方式中随机选择一种突变方式对当前卷积神经网络中的所有进化模块的结构同时进行突变后对整个卷积神经网络进行训练至收敛得到一个新的突变卷积神经网络，每次突变得到一个突变卷积神经网络；从步多个突变卷积神经网络中选择适应度最大的突变卷积神经网络作为搜索结果。采用本发明可以根据已有网络结构和参数方面的经验，有方向性地改变神经网络结构，并减少训练消耗。
-
公开(公告)号：CN111209972A
公开(公告)日：2020-05-29
申请号：CN202010021930.0
申请日：2020-01-09
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于混合连通性深度卷积神经网络的图像分类方法及系统，包括：获取包括多张原始图像的训练集，根据每张图片的类别标签统计得到该训练集的正确分类概率分布，将该训练集输入至深度卷积神经网络中，得到该训练集的特征向量，将该特征向量通过全连接层得到在不同类别上的预测分类概率分布，根据该预测分类概率分布与正确分类概率分布，求解一个交叉熵误差，通过该交叉熵误差迭代该深度卷积神经网络，直到该交叉熵误差小于预设值，保存当前该深度卷积神经网络作为图像分类网络；将待分类图像输入至该图像分类网络，输出该待分类图像的类别概率分布，选取概率最大的类别作为该待分类图像的图像分类结果。
-
公开(公告)号：CN109842888A
公开(公告)日：2019-06-04
申请号：CN201711213950.2
申请日：2017-11-28
Applicant: 中国科学院计算技术研究所
Abstract: 本发明涉及一种水下传感网的水声信道质量动态评估和预测方法，包括：初始化步骤水下传感网节点接收初始数据包，以获得邻居节点的标识、剩余能耗及信噪比均值方差并建立包括邻居节点的标识、剩余能耗及信噪比均值和方差的向量表；主动发包步骤，进入主动发包状态的节点根据其邻居信道质量评估值，确认下一跳的转发节点，将该转发节点的标识加入数据包，并广播该评估数据包；被动接收步骤，处于被动接收状态的节点接收到该数据包后，更新向量表，并通过比对标识，判断自身是否为该转发节点。本发明通过计算与邻居节点的信噪比协方差等统计参数，将算法扩展为多跳信道质量评估算法，便于从找到信道质量最优的全局路由。
-
公开(公告)号：CN109831264A
公开(公告)日：2019-05-31
申请号：CN201810121137.0
申请日：2018-02-07
Applicant: 中国科学院计算技术研究所
IPC: H04B17/373 , H04B17/336 , H04B13/02 , H04W40/10 , H04W40/12 , H04W40/22 , H04W84/18
Abstract: 本发明涉及一种基于最近邻居回归的时序水声信道质量预测方法，包括：初始化步骤水下传感网节点接收初始数据包，以获得邻居节点的标识、剩余能耗及信噪比值并建立包括邻居节点的标识、剩余能耗及信噪值的信道质量矩阵；主动发包步骤，进入主动发包状态的节点采用基于最近邻居回归的时序水声信道质量评估算法，获取其邻居信道质量评估值，并根据该评估值，确认下一跳的转发节点，将该转发节点的标识加入数据包，并广播该评估数据包；被动接收步骤，处于被动接收状态的节点接收到该数据包后，更新该信道质量矩阵，并通过比对标识，判断自身是否为该转发节点。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.049 seconds)
