用于对具有重复权重的深度神经网络层进行高效计算的系统和方法

    公开(公告)号:CN119670821A

    公开(公告)日:2025-03-21

    申请号:CN202411324974.5

    申请日:2024-09-23

    Abstract: 用于对具有重复权重的深度神经网络层进行高效计算的系统和方法。一种用于神经网络计算的方法。所述方法包括接收具有多个条目的码本,将神经网络的层的相应输入乘以码本的多个条目中的每个条目,并且基于将神经网络的相应层乘以码本的多个条目中的每个条目的每个结果的总和来针对神经网络的层的相应输入确定中间值。所述方法还包括将与神经网络的层的相应输入相关联的中间值存储在查找表中,查找表包括对应于神经网络的层的其他输入的多个中间值。所述方法还包括使用查找表来确定神经网络的层的每个输出。

    使用机器学习的图像量化
    2.
    发明公开

    公开(公告)号:CN116258865A

    公开(公告)日:2023-06-13

    申请号:CN202211571376.9

    申请日:2022-12-08

    Abstract: 公开了使用机器学习来量化图像的方法和系统。从传感器(例如,相机)接收多个输入图像,其中每个输入图像包括多个像素。利用图像到图像机器学习模型,每个像素被分配一个新的像素颜色。利用混合器机器学习模型,每个新的像素颜色被转换成固定数量的颜色之一,以产生多个量化图像,其中每个量化图像对应于输入图像之一。经由预训练参考机器学习模型,基于每个输入图像与其对应的量化图像的对准来确定损失函数。基于损失函数更新图像到图像机器学习模型和混合器模型的一个或多个参数。该过程重复,其中每次迭代更新图像到图像机器学习模型和混合器模型的参数,直到收敛为止,从而产生经训练的模型。

    具有针对补丁攻击进行防御的鲁棒分类器的系统和方法

    公开(公告)号:CN114359614A

    公开(公告)日:2022-04-15

    申请号:CN202111135019.3

    申请日:2021-09-27

    Abstract: 一种系统和方法涉及提供具有针对补丁攻击的防御的机器学习预测。所述系统和方法包括:获得数字图像,并且经由随机过程来生成位置数据集合。所述位置数据集合包括数字图像上的随机选择的位置,这些位置为创建用于裁剪的区域提供了可行的基础。基于所述位置数据集合来生成随机裁剪物集合。每个裁剪物包括数字图像的不同区域,如关于其对应位置数据所定义的那样。所述机器学习系统被配置成:提供针对所述随机裁剪物集合中的每个裁剪物的预测,并且输出预测集合。集体地评估所述预测集合,以确定所述预测集合当中的多数预测。基于所述多数预测来针对数字图像生成输出标签。所述输出标签包括所述多数预测作为所述数字图像的标识符。

Patent Agency Ranking