-
公开(公告)号：CN111046178B
公开(公告)日：2023-06-20
申请号：CN201911200922.6
申请日：2019-11-29
Applicant: 北京邮电大学 , 北京智芯微电子科技有限公司 , 国网河北省电力有限公司信息通信分公司
IPC: G06F16/35 , G06F40/205 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明实施例提供的文本序列生成方法及其系统，包括：对抗网络模型包括生成器和判别器；生成器中包含特征反馈网络模块，用于从判别器中调取高阶特征，以生成指导特征向量；生成器基于指导特征向量，生成预输出文本序列的下一个词；判别器根据新构建的预输出文本序列和初始文本序列更新高阶特征；迭代执行上述步骤，直至新构建的预生成文本序列的总词数达到设定阈值时，输入至判别器进行判别，并根据分类判别结果计算更新梯度；根据更新梯度更新生成器的参数；迭代执行上述步骤直至生成器和判别器均收敛后，输出目标文本序列。本发明实施例通过增添特征转换反馈模块，将判别器提取到的特征向量输送至生成器作为指导信号，改善了生成器的生成质量。
-
公开(公告)号：CN111046178A
公开(公告)日：2020-04-21
申请号：CN201911200922.6
申请日：2019-11-29
Applicant: 北京邮电大学 , 北京智芯微电子科技有限公司 , 国网河北省电力有限公司信息通信分公司
IPC: G06F16/35 , G06F40/205 , G06N3/04
Abstract: 本发明实施例提供的文本序列生成方法及其系统，包括：对抗网络模型包括生成器和判别器；生成器中包含特征反馈网络模块，用于从判别器中调取高阶特征，以生成指导特征向量；生成器基于指导特征向量，生成预输出文本序列的下一个词；判别器根据新构建的预输出文本序列和初始文本序列更新高阶特征；迭代执行上述步骤，直至新构建的预生成文本序列的总词数达到设定阈值时，输入至判别器进行判别，并根据分类判别结果计算更新梯度；根据更新梯度更新生成器的参数；迭代执行上述步骤直至生成器和判别器均收敛后，输出目标文本序列。本发明实施例通过增添特征转换反馈模块，将判别器提取到的特征向量输送至生成器作为指导信号，改善了生成器的生成质量。
-
公开(公告)号：CN111027292A
公开(公告)日：2020-04-17
申请号：CN201911200838.4
申请日：2019-11-29
Applicant: 北京邮电大学 , 北京智芯微电子科技有限公司
IPC: G06F40/166 , G06F40/242 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供的限定采样文本序列生成方法及系统，该方法包括：将初始文本序列输入对抗网络模型，获取预输出文本序列的第一个词；基于词表掩模的方法，利用生成器根据第一个词，从字典数据库中选取第一个词的下一个词，构成预输出文本序列；基于词表掩模的方法，根据预输出文本序列，继续选取预输出文本序列的下一个词，获取新的预输出文本序列，直至总词数达到设定阈值，将其输入至判别器进行判别，并根据分类判别结果计算更新梯度；更新生成器的参数，并再次输入初始文本序列至更新后的生成器中；直至生成器和判别器均收敛后，输出目标文本序列。本实施例提供的方法及系统，通过改进制定文本规则精简了采样空间，改善了生成文本质量。
-
Patent Agency Ranking
公开(公告)号：CN111027292B
公开(公告)日：2021-05-28
申请号：CN201911200838.4
申请日：2019-11-29
Applicant: 北京邮电大学 , 北京智芯微电子科技有限公司
IPC: G06F40/166 , G06F40/242 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供的限定采样文本序列生成方法及系统，该方法包括：将初始文本序列输入对抗网络模型，获取预输出文本序列的第一个词；基于词表掩模的方法，利用生成器根据第一个词，从字典数据库中选取第一个词的下一个词，构成预输出文本序列；基于词表掩模的方法，根据预输出文本序列，继续选取预输出文本序列的下一个词，获取新的预输出文本序列，直至总词数达到设定阈值，将其输入至判别器进行判别，并根据分类判别结果计算更新梯度；更新生成器的参数，并再次输入初始文本序列至更新后的生成器中；直至生成器和判别器均收敛后，输出目标文本序列。本实施例提供的方法及系统，通过改进制定文本规则精简了采样空间，改善了生成文本质量。
-
公开(公告)号：CN109919312A
公开(公告)日：2019-06-21
申请号：CN201910249144.3
申请日：2019-03-29
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司 , 国网河北省电力有限公司
IPC: G06N3/063
Abstract: 本发明公开了一种卷积神经网络的运算方法、装置及DPU，方法包括：第一缓存区获取神经网络模型第n层的参数以及第一数据；第一运算单元根据神经网络第n层的参数对第一数据进行计算，将计算结果作为第二数据；第二缓存区在第一运算单元计算的同时，获取神经网络模型第n+1层的参数；在第一运算单元计算完成后，第二缓存区接收并存储第二数据；第二运算单元根据第二缓存区存储的神经网络模型第n+1层的参数对第二数据进行计算，将计算结果对第一数据进行更新，将更新后的第一数据存储在第一缓存区，重复上述步骤直到预设的神经网络模型的最大层数的计算完毕为止。本发明提供的卷积神经网络的运算方法、装置及DPU，提高了神经网络的运行效率。
-
公开(公告)号：CN109919312B
公开(公告)日：2021-04-23
申请号：CN201910249144.3
申请日：2019-03-29
Applicant: 北京智芯微电子科技有限公司 , 国网信息通信产业集团有限公司 , 国家电网有限公司 , 国网河北省电力有限公司
IPC: G06N3/063
Abstract: 本发明公开了一种卷积神经网络的运算方法、装置及DPU，方法包括：第一缓存区获取神经网络模型第n层的参数以及第一数据；第一运算单元根据神经网络第n层的参数对第一数据进行计算，将计算结果作为第二数据；第二缓存区在第一运算单元计算的同时，获取神经网络模型第n+1层的参数；在第一运算单元计算完成后，第二缓存区接收并存储第二数据；第二运算单元根据第二缓存区存储的神经网络模型第n+1层的参数对第二数据进行计算，将计算结果对第一数据进行更新，将更新后的第一数据存储在第一缓存区，重复上述步骤直到预设的神经网络模型的最大层数的计算完毕为止。本发明提供的卷积神经网络的运算方法、装置及DPU，提高了神经网络的运行效率。
-
公开(公告)号：CN102843620B
公开(公告)日：2015-10-28
申请号：CN201110174615.2
申请日：2011-06-24
Applicant: 北京邮电大学 , 北京格林威尔科技发展有限公司
CPC classification number: H04J3/065
Abstract: 本发明涉及网络通信技术领域，提供了一种实现时间同步传送的OTN设备及方法。本发明的设备及方法基于IEEE 1588v2定义的同步报文和基本原理，提供一种适合在OTN中使用的包括同步报文封装及交互流程、报文处理方式、时钟调整算法等，并提供了相应的设备功能结构，使得采用异步时钟技术的OTN经频率补偿后能够实现高精度的时间同步传送，而无需在添加复杂的同步以太等功能基础上来实现高精度的时间同步传送。
-
公开(公告)号：CN102843620A
公开(公告)日：2012-12-26
申请号：CN201110174615.2
申请日：2011-06-24
Applicant: 北京邮电大学 , 北京格林威尔科技发展有限公司
CPC classification number: H04J3/065
Abstract: 本发明涉及网络通信技术领域，提供了一种实现时间同步传送的OTN设备及方法。本发明的设备及方法基于IEEE 1588v2定义的同步报文和基本原理，提供一种适合在OTN中使用的包括同步报文封装及交互流程、报文处理方式、时钟调整算法等，并提供了相应的设备功能结构，使得采用异步时钟技术的OTN经频率补偿后能够实现高精度的时间同步传送，而无需在添加复杂的同步以太等功能基础上来实现高精度的时间同步传送。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.083 seconds)
