公开(公告)号：CN112561028B

公开(公告)日：2024-10-22

申请号：CN201910914033.X

申请日：2019-09-25

Applicant: 华为云计算技术有限公司

Inventor： 毕恺峰 ,  魏龙辉 ,  谢凌曦 ,  陈鑫 ,  田奇

IPC: G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本申请属于人工智能领域的计算机视觉领域。本申请提供了一种训练神经网络模型的方法，包括：获取多个构建单元以及待训练数据；堆叠多个构建单元得到初始神经网络模型，初始神经网络模型的参数包括结构参数以及权重参数；将待训练数据输入初始神经网络模型，并根据第一损失函数对权重参数求二阶梯度得到的梯度值，对结构参数进行更新，以得到满足预设要求、用于识别多媒体数据的神经网络模型，第一损失函数用于对权重参数更新。本申请提供一种训练神经网络模型的方法、数据处理的方法及设备，目的在于提供一种精确识别多媒体数据的方法。

公开(公告)号：CN117991410A

公开(公告)日：2024-05-07

申请号：CN202211351491.5

申请日：2022-10-31

Applicant: 华为云计算技术有限公司

Inventor： 毕恺峰 ,  谢凌曦 ,  田奇

IPC: G01W1/10 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供了一种气象预测方法，包括：获取气象数据以及目标时间，并根据该目标时间，从模型库中确定多个第一AI模型，该多个第一AI模型中不同第一AI模型用于预测不同时间间隔的气象，从而根据获取的气象数据，利用多个第一AI模型进行推理，得到目标时间的第一气象预测结果，其中，每个第一AI模型执行至少一次迭代推理操作。如此，利用多个AI模型进行气象预测，无需执行复杂的方程求解过程，这不仅可以有效减小气象预测所需消耗的算力，而且能够显著降低气象预测的时延。另外，利用多个预测不同时间间隔的气象的AI模型进行较少次数的推理，可以有效减小迭代误差、降低迭代推理所需的资源消耗。此外，本申请还提供了对应的装置及相关设备。