-
公开(公告)号：CN115564041A
公开(公告)日：2023-01-03
申请号：CN202211181327.4
申请日：2022-09-27
Applicant: 鹏城实验室
Abstract: 本发明公开了神经网络模型训练系统、方法及相关设备，其中，上述系统包括多个通信连接的计算节点，上述系统根据计算节点以数据和模型并行的方式训练待训练模型，计算节点包括依次通信连接的数据生成模块、数据传输模块、训练模块和模型参数存储模块；数据生成模块生成一批模型训练数据；数据传输模块获取模型训练数据、预处理获得预处理训练数据并搬运到训练模块；训练模块根据预处理训练数据对待训练模型进行训练以更新待训练模型的模型参数并更新数据迭代次数，更新后的数据迭代次数小于数据迭代次数阈值时触发数据生成模块生成下一批模型训练数据；模型参数存储模块存储模型参数。本发明有利于提高神经网络模型训练时的收敛效果。
-
公开(公告)号：CN112434817B
公开(公告)日：2021-05-28
申请号：CN202110105293.X
申请日：2021-01-26
Applicant: 鹏城实验室
IPC: G06N20/00 , G06F16/901 , H04L12/24
Abstract: 本发明公开了一种构建通信算法数据库的方法、装置和计算机存储介质，该方法包括以下步骤：基于不同的软硬件配置和通信算法配置对预设用例进行机器学习模型训练；记录在不同的软硬件配置和通信算法配置下训练机器学习模型达到既定正确率所用的训练时间；将预设用例、不同的软硬件配置和通信算法配置和训练时间按照对应关系构建通信算法数据库。解决了现有的分布式机器学习中还存在如何优化并行训练中涉及到的通信算法的问题。
-
公开(公告)号：CN112396042A
公开(公告)日：2021-02-23
申请号：CN202110076466.X
申请日：2021-01-20
Applicant: 鹏城实验室
Abstract: 本发明公开了一种实时更新的目标检测方法及系统、计算机可读存储介质，该方法包括：获取需要检测的数字图像并利用当前卷积神经网络对数字图像进行目标检测，得到目标检测结果；获取对目标检测结果满足预设条件的数字图像的人工标注，并利用人工标注后的数字图像更新训练集数据库；基于更新后的训练集数据库训练当前卷积神经网络，得到更新后的卷积神经网络，并获取更新后的卷积神经网络在测试集数据库上的评估指标结果；若评估指标结果满足网络生成条件，则基于自动机器学习生成和优化新的卷积神经网络，并将新的卷积神经网络作为当前卷积神经网络。本发明实现了对目标检测算法的实时更新，提高了目标检测的准确性和可靠性。
-
公开(公告)号：CN119647532A
公开(公告)日：2025-03-18
申请号：CN202411587430.8
申请日：2024-11-07
Applicant: 鹏城实验室
IPC: G06N3/0495 , G06N3/045 , G06N3/084 , G16B40/00 , G16B15/20
Abstract: 本申请实施例提供等变扩散模型的量化训练方法、装置、设备和存储介质，涉及神经网络技术领域。该方法将校准样本输入初始等变扩散模型中进行数据处理，获取初始等变扩散模型中注意力模块的初始输出数据，基于校准样本的样本长度和时间步长生成浮点权重序列对应的量化权重序列，根据量化权重序列更新注意力模块得到更新等变扩散模型，将校准样本输入更新等变扩散模型进行数据处理，获取量化注意力模块对应的量化输出数据，根据量化输出数据、初始输出数据、浮点权重序列和量化权重序列计算总损失值，根据总损失值得到训练后的量化等变扩散模型。基于样本长度和时间步长生成量化权重，在保持等变性的前提下提升量化模型的数据生成质量。
-
公开(公告)号：CN118535129A
公开(公告)日：2024-08-23
申请号：CN202410600527.1
申请日：2024-05-15
Applicant: 鹏城实验室
Abstract: 本申请实施例提供时序信号生成方法、装置、设备和存储介质，涉及信号处理技术领域。该方法将时序条件参数输入预先训练的高斯点染模型，基于时序条件参数得到每个二维高斯椭圆面的协方差矩阵，将二维高斯椭圆面的椭圆中心进行投影，得到投影变换矩阵，基于投影变换矩阵和协方差矩阵计算得到每个二维高斯椭圆面的投影透明度，计算每个时序采样点对应的至少一个目标高斯椭圆面，根据投影透明度对目标高斯椭圆面进行排序，根据排序结果计算时序采样点对应的信号幅值，基于信号幅值得到目标时序信号。对应的高斯点染模型的计算过程简单，计算所需参数更少，可以在较少的计算资源下较快地生成时序信号，提升时序信号的生成效率。
-
Patent Agency Ranking
公开(公告)号：CN111737073A
公开(公告)日：2020-10-02
申请号：CN202010867611.1
申请日：2020-08-26
Applicant: 鹏城实验室
IPC: G06F11/22
Abstract: 本申请公开了一种自动化测试方法、装置、设备和介质，该方法包括：在接收到自动化测试指令时，获取所述自动化测试指令中携带的测试流信息；基于所述测试流信息，从预设测试组件集合区域中获取目标测试组件，并获取目标测试组件的组合顺序信息；基于所述组合顺序信息，对所述目标测试组件进行初始化处理以及组合处理，以得到目标测试脚本；基于所述目标测试脚本，执行所述自动化测试指令对应目标测试流程。本申请解决现有测试过程中，非专业的性能测试人员难以快速实现对服务器进行性能测试，进而导致测试效率低的技术问题。
-
公开(公告)号：CN117055125A
公开(公告)日：2023-11-14
申请号：CN202310898497.2
申请日：2023-07-20
Applicant: 鹏城实验室
IPC: G01V7/02 , G06F18/241 , G06F18/214 , G06F18/15 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种引力波候选信号的搜寻方法、电子设备和介质，方法包括：获取第一引力波时序数据；对第一引力波时序数据进行预处理，得到第二引力波时序数据；通过深度神经网络对第二引力波时序数据进行降噪处理，得到第三引力波时序数据；搜寻第三引力波时序数据中的多个极值时间点，并根据多个极值时间点得到多个潜在引力波候选信号；对多个潜在引力波候选信号进行信号分析处理，得到多个潜在引力波候选信号的置信度；根据置信度和预设的置信度阈值从多个潜在引力波候选信号中筛选出目标引力波候选信号，其中，本发明旨在基于深度学习算法直接对一维时序引力波数据进行搜寻，从而有效降低算力需求，并提高搜寻速度与精度。
-
公开(公告)号：CN112395272B
公开(公告)日：2021-07-13
申请号：CN202110072482.1
申请日：2021-01-20
Applicant: 鹏城实验室
Abstract: 本发明公开一种通信算法数据库构建方法、分布式机器装置和存储介质，所述方法包括：根据分布式机器学习任务选取相关变量并进行配置，得到不同输入变量组合；将所述输入变量组合分别输入蒙特卡洛模型中进行仿真，获取各输入变量组合对应输出变量的概率值；建立所述输入变量组合与所述输出变量的概率值的通信算法数据库，所述通信算法数据库中包括多个通信算法，且每个通信算法中的输入变量组合与训练时间具有映射关系；根据所述通信算法数据库预估训练所述分布式机器学习任务所需的目标通信算法和目标输出变量，解决现有技术中分布式机器学习任务训练缓慢的问题，加快分布式机器学习任务的训练速度。
-
公开(公告)号：CN112434817A
公开(公告)日：2021-03-02
申请号：CN202110105293.X
申请日：2021-01-26
Applicant: 鹏城实验室
IPC: G06N20/00 , G06F16/901 , H04L12/24
Abstract: 本发明公开了一种构建通信算法数据库的方法、装置和计算机存储介质，该方法包括以下步骤：基于不同的软硬件配置和通信算法配置对预设用例进行机器学习模型训练；记录在不同的软硬件配置和通信算法配置下训练机器学习模型达到既定正确率所用的训练时间；将预设用例、不同的软硬件配置和通信算法配置和训练时间按照对应关系构建通信算法数据库。解决了现有的分布式机器学习中还存在如何优化并行训练中涉及到的通信算法的问题。
-
公开(公告)号：CN112257856A
公开(公告)日：2021-01-22
申请号：CN202011498964.5
申请日：2020-12-18
Applicant: 鹏城实验室
Abstract: 本发明公开了一种深度学习框架确定方法、设备及可读存储介质，该方法包括步骤：获取应用场景，并建立与所述应用场景对应的至少两个深度学习框架对应的深度学习仿真实验任务；基于预设硬件处理各所述深度学习仿真实验任务，得到深度学习框架评分结果；基于所述深度学习框架评分结果，选取评分最高的深度学习框架作为目标深度学习框架。本发明实现了根据深度学习框架评分结果确定最适合该应用场景的目标深度学习框架，从而使得使用深度学习框架的应用所使用的深度学习框架为最适合该应用的深度学习框架，进而提高了使用深度学习框架的应用的稳定性和效率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
