-
公开(公告)号：CN114065943A
公开(公告)日：2022-02-18
申请号：CN202111176055.4
申请日：2021-10-09
Applicant: 北京大学 , 北京达佳互联信息技术有限公司
IPC: G06N20/00
Abstract: 本公开关于一种超参数处理方法、装置、电子设备及存储介质，所述方法包括：获取与历史超参数对应的历史验证结果；所述历史验证结果用于表征与所述历史超参数对应的已训练模型的性能数据；所述与所述历史超参数对应的已训练模型基于所述历史超参数对待训练模型进行训练得到；基于所述历史验证结果对未返回验证结果的目标超参数进行验证结果插补，得到所述目标超参数的插补结果；基于所述历史验证结果，以及所述目标超参数的插补结果，生成待验证超参数；将所述待验证超参数发送至队列；从所述队列中获取对所述待验证超参数的验证结果。本公开能够解决对超参数空间的探索性下降以及浪费验证资源的问题。
-
公开(公告)号：CN113296953B
公开(公告)日：2022-02-15
申请号：CN202110622828.0
申请日：2021-06-04
Applicant: 北京大学
Abstract: 本发明涉及云边端异构边缘计算网络的分布式计算架构、方法与装置，所述方法包括：确定能耗模型；所述能耗模型包括：边缘设备模型、边缘服务器模型以及云计算中心模型；基于所述能耗模型构建目标函数；确定限制条件；将所述目标函数和所述限制条件规范化；将所述规范化后的目标函数进行分组，直至每个组内只包含一个目标函数和一个对应变量；对每个变量进行更新，直至收敛，得到最优计算卸载比例。本发明中的上述方法能够得到最优的网络计算卸载比例，最小化网络能耗。
-
公开(公告)号：CN110929627B
公开(公告)日：2021-12-28
申请号：CN201911126284.8
申请日：2019-11-18
Applicant: 北京大学
Abstract: 本发明公布了一种基于宽模型稀疏数据集的高效GPU训练模型的图像识别方法，将图像的像素转换为向量，再对向量进行训练归类；通过建立机器学习训练方法CuWide，CuWide采用了复制策略、重要性缓存、面向列的存储和多流技术的流管道，利用GPU并使用大量稀疏数据集高效地训练图像识别预测宽模型，将图像识别预测宽模型在GPU上部署、训练，本发明方法在训练大规模的宽模型方面性能优异，可大大提高图像识别的效率。
-
公开(公告)号：CN113296953A
公开(公告)日：2021-08-24
申请号：CN202110622828.0
申请日：2021-06-04
Applicant: 北京大学
Abstract: 本发明涉及云边端异构边缘计算网络的分布式计算架构、方法与装置，所述方法包括：确定能耗模型；所述能耗模型包括：边缘设备模型、边缘服务器模型以及云计算中心模型；基于所述能耗模型构建目标函数；确定限制条件；将所述目标函数和所述限制条件规范化；将所述规范化后的目标函数进行分组，直至每个组内只包含一个目标函数和一个对应变量；对每个变量进行更新，直至收敛，得到最优计算卸载比例。本发明中的上述方法能够得到最优的网络计算卸载比例，最小化网络能耗。
-
Patent Agency Ranking
公开(公告)号：CN113779317A
公开(公告)日：2021-12-10
申请号：CN202110552598.5
申请日：2021-05-20
Applicant: 深圳市腾讯计算机系统有限公司 , 北京大学
IPC: G06F16/901 , G06F16/906 , G06Q40/04 , G06Q50/00
Abstract: 本申请公开一种信息预测方法、装置、存储介质及计算机设备；本申请与人工智能的机器学习领域、以及数据的存储和读取等领域相关，本申请可以获取目标图结构的结构表征数据，目标图结构包括多个节点，结构表征数据表征目标图结构的多个节点；根据结构表征数据，生成目标图结构的每个节点的多个节点数据；对每个节点的多个节点数据进行聚合处理，得到目标图结构的映射数据；基于映射数据，对目标图结构的属性信息进行预测，得到预测结果；本申请可以有效节约计算机设备资源。
-
公开(公告)号：CN113505882A
公开(公告)日：2021-10-15
申请号：CN202110531392.4
申请日：2021-05-14
Applicant: 深圳市腾讯计算机系统有限公司 , 北京大学
Abstract: 本申请公开一种基于联邦神经网络模型的数据处理方法、相关设备及介质；联邦神经网络模型中的交互层网络的模型权重被划分成：由第一参与方持有的第一权重，由第二参与方持有的第二权重；第一参与方还持有：第二权重的权重密文。方法包括：接收第一参与方发送的特征密文，特征密文是对采用第一权重对第一数据特征进行加权得到的第一加权特征，和采用权重密文对第一数据特征进行加权得到的第二加权特征进行整合得到的；对特征密文进行解密，得到目标数据特征；融合目标数据特征以及第二数据特征，得到融合数据特征；对融合数据特征进行前向计算，得到目标数据标识所对应的目标处理结果。可减少通信交互的次数，节省通信资源，提升数据处理效率。
-
公开(公告)号：CN110992432B
公开(公告)日：2021-07-09
申请号：CN201911029711.0
申请日：2019-10-28
Applicant: 北京大学
Abstract: 本发明公布了一种基于深度神经网络最小方差梯度量化压缩及图像处理方法，针对包含类别标签的有监督数据，采用深度神经网络中对梯度进行非均匀量化的网络压缩，使用韦伯分布族建模梯度分布，再通过搜索最优量化点求解量化方差最小化，使得量化误差最小，提高深度神经网络模型的收敛速度；该神经网络压缩方法用于图像分类处理，可提高图像处理效率。
-
公开(公告)号：CN102542057B
公开(公告)日：2013-10-16
申请号：CN201110452044.4
申请日：2011-12-29
Applicant: 北京大学
IPC: G06F17/30
Abstract: 本发明是一种基于固态硬盘的高维数据索引结构设计方法，包括步骤：将索引结构分为原始R树区和节点差异日志区两个部分，分别存储原始版本数据和原始版本与最近版本的差异日志；在内存中设计一个哈希表来存储节点及其更新在所述节点差异日志区存储位置对应关系的信息；一旦一个新的更新完成，读出这个节点更早时候的更新日志，然后将其和现在的日志合并并重新存入，作为到目前为止该节点的所有更新日志。本发明在原有R树的基础上，加入节点差异日志区，并设计了节点差异日志将随机更新的操作转化为随机更新，以提高更新的效率。本发明中的节点差异日志可以将针对某一节点的日志存储在一定范围内，节点差异日志R树的读操作最多只是原R树的两倍。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.023 seconds)
