-
公开(公告)号：CN113536097B
公开(公告)日：2024-03-29
申请号：CN202010294506.3
申请日：2020-04-14
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06Q30/0251
Abstract: 本申请公开了人工智能领域的一种基于自动特征分组的推荐方法，包括：获取多个候选推荐对象及其中每个候选推荐对象的多个关联特征；对每个候选推荐对象的多个关联特征进行多阶自动特征分组，得到每个候选推荐对象的多阶特征交互集合；根据每个候选推荐对象的多阶特征交互集合中的多个关联特征计算得到每个候选推荐对象的交互特性贡献值；根据每个候选推荐对象的交互特征贡献值计算得到每个候选推荐对象的预测分数；将预测分数较高的一个或多个对应的候选推荐对象确定为目标推荐对象。本申请的推荐方法适用于各种推荐相关的应用场景。采用本申请实施例有利于提高推荐效率和准确率。
-
公开(公告)号：CN109413445B
公开(公告)日：2021-08-31
申请号：CN201710703098.0
申请日：2017-08-16
Applicant: 华为技术有限公司
Inventor： 李桂林
IPC: H04N21/2343 , H04N21/4402
Abstract: 本申请的实施例提供一视频传输方法，服务器将第一视频的原始帧转换为第一视频的表达帧，将第二视频的原始帧转换为第二视频的表达帧，所述第一视频的表达帧和第二视频的表达帧具有相同的分辨率和相同的位深；所述服务器确定具有相同时间戳的第一视频的表达帧和第二视频的表达帧的每个像素点的平均像素值，根据所述平均像素值确定第三视频；所述服务器对所述第三视频进行编码；所述服务器向客户端发送所述编码后的第三视频。解决了高并发情况下对带宽需求高的问题。
-
公开(公告)号：CN108063701B
公开(公告)日：2020-12-08
申请号：CN201610980787.1
申请日：2016-11-08
Applicant: 华为技术有限公司
IPC: H04L12/28 , G05B19/418
Abstract: 本发明的实施例提供一种控制智能设备的方法，包括：终端设备获取当前周期内用户的用户数据，以及来自目标智能设备的当前周期内的运行数据；将所述用户数据和所述运行数据应用于个体模型，确定每个智能设备调整指令的第一使用概率；将所述用户数据和所述运行数据应用于群体模型，确定所述每个智能设备调整指令的第二使用概率；所述终端设备根据所述每个智能设备调整指令的第一使用概率和所述每个智能设备调整指令的第二使用概率确定控制所述目标智能设备的调整指令；所述终端设备向所述目标智能设备发送控制所述目标智能设备的调整指令。提高了调整智能设备的效果。
-
公开(公告)号：CN111783937A
公开(公告)日：2020-10-16
申请号：CN202010425173.3
申请日：2020-05-19
Applicant: 华为技术有限公司
Abstract: 本申请公开了人工智能领域的一种神经网络构建方法以及系统，用于通过将初始骨干网络中的部分基本单元替换为占位模块的方式来构建目标神经网络，从而可以根据不同的场景构建出不同的目标神经网络，泛化能力强，且用户友好。该方法包括：获取初始骨干网络和候选集；将初始骨干网络中的至少一个基本单元替换为至少一个占位模块，得到待定网络；根据候选集进行采样得到至少一个采样结构的信息；根据待定网络和至少一个采样结构的信息获取网络模型，至少一个采样结构的信息用于确定至少一个占位模块的结构。
-
公开(公告)号：CN109413445A
公开(公告)日：2019-03-01
申请号：CN201710703098.0
申请日：2017-08-16
Applicant: 华为技术有限公司
Inventor： 李桂林
IPC: H04N21/2343 , H04N21/4402
Abstract: 本申请的实施例提供一视频传输方法，服务器将第一视频的原始帧转换为第一视频的表达帧，将第二视频的原始帧转换为第二视频的表达帧，所述第一视频的表达帧和第二视频的表达帧具有相同的分辨率和相同的位深；所述服务器确定具有相同时间戳的第一视频的表达帧和第二视频的表达帧的每个像素点的平均像素值，根据所述平均像素值确定第三视频；所述服务器对所述第三视频进行编码；所述服务器向客户端发送所述编码后的第三视频。解决了高并发情况下对带宽需求高的问题。
-
Patent Agency Ranking
公开(公告)号：CN108063701A
公开(公告)日：2018-05-22
申请号：CN201610980787.1
申请日：2016-11-08
Applicant: 华为技术有限公司
IPC: H04L12/28 , G05B19/418
Abstract: 本发明的实施例提供一种控制智能设备的方法，包括：终端设备获取当前周期内用户的用户数据，以及来自目标智能设备的当前周期内的运行数据；将所述用户数据和所述运行数据应用于个体模型，确定每个智能设备调整指令的第一使用概率；将所述用户数据和所述运行数据应用于群体模型，确定所述每个智能设备调整指令的第二使用概率；所述终端设备根据所述每个智能设备调整指令的第一使用概率和所述每个智能设备调整指令的第二使用概率确定控制所述目标智能设备的调整指令；所述终端设备向所述目标智能设备发送控制所述目标智能设备的调整指令。提高了调整智能设备的效果。
-
公开(公告)号：CN106980629A
公开(公告)日：2017-07-25
申请号：CN201610033707.1
申请日：2016-01-19
Applicant: 华为技术有限公司
Inventor： 李桂林
IPC: G06F17/30
CPC classification number: G06F17/30 , G06F17/30867
Abstract: 本发明公开了一种网络资源推荐方法，包括：根据当前时间窗口的用户行为记录确定第一兴趣模型；计算第一兴趣模型、第二兴趣模型以及第三兴趣模型中的任意两个兴趣模型之间的相似度，第二兴趣模型对应的时间窗口与当前时间窗口相邻，第三兴趣模型为基于参考时间窗口集内的所有用户行为记录确定的兴趣模型，参考时间窗口集包括第二兴趣模型对应的时间窗口之前的N个时间窗口，N为大于1的整数；根据计算得到的任意两个兴趣模型之间的相似度确定第四兴趣模型和推荐算法；根据第四兴趣模型和推荐算法，生成网络资源推荐列表；根据所述网络资源推荐列表进行推荐。采用本发明实施例可提高推荐结果的准确率。
-
公开(公告)号：CN112561027B
公开(公告)日：2025-02-07
申请号：CN201910913248.X
申请日：2019-09-25
Applicant: 华为技术有限公司
IPC: G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请提供了神经网络架构的搜索方法、图像处理方法、装置和存储介质。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：确定搜索空间和多个构建单元，并对该多个构建单元进行堆叠，以得到第一阶段的初始神经网络架构，然后对第一阶段的初始神经网络架构进行优化，直至收敛；在得到第一阶段优化后的初始神经网络架构之后，再对第二阶段的初始神经网络架构进行优化，直至收敛，以得到优化后的构建单元，最后再根据优化后的构建单元搭建目标神经网络。其中，第一阶段的初始神经网络架构和第二阶段的初始神经网络架构中的每条边分别对应一类操作和多种操作组成的混合操作符，本申请能够搜索得到性能更好的目标神经网络。
-
公开(公告)号：CN113495986A
公开(公告)日：2021-10-12
申请号：CN202010202053.7
申请日：2020-03-20
Applicant: 华为技术有限公司
IPC: G06F16/9535 , G06K9/62
Abstract: 本申请提供一种数据处理的方法与装置。涉及人工智能领域，具体涉及计算机视觉领域。该方法包括：为第一模型中的每个特征组合项添加架构参数，得到第二模型，其中，第一模型为基于FM的模型，架构参数用于表征相应特征组合项的重要性；对第二模型中的架构参数进行优化学习，获得优化后的架构参数；根据优化后的架构参数，基于第一模型或第二模型，获得经过特征组合项删减后的第三模型。通过架构参数的优化学习可以实现特征组合项的筛选，无需现有技术中针对多个候选子集的多遍训练，因此，可以有效减小特征组合筛选的计算量，从而可以节省算力，同时可以提高特征组合筛选的效率。
-
公开(公告)号：CN112183718A
公开(公告)日：2021-01-05
申请号：CN202010899680.0
申请日：2020-08-31
Applicant: 华为技术有限公司
Abstract: 本申请提供人工智能领域中一种用于计算设备的深度学习训练方法和装置，用于得到残差连接更少的神经网络，提高神经网络的推理效率，降低神经网络运行时占用的内存量。该方法包括：获取训练集、第一神经网络和第二神经网络，第一神经网络包括残差连接少于第二神经网络包括残差连接；根据训练集对第一神经网络进行至少一次迭代训练，得到训练后的第一神经网络，其中，任意一次迭代训练包括：将第一神经网络中的至少一个第一中间层的第一输出，作为第二神经网络的至少一个网络层的输入，得到至少一个网络层的输出结果，使用第一损失函数更新第一神经网络，第一损失函数包括基于第二神经网络的至少一个网络层的输出结果所获取的约束项。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.028 seconds)
