基于泊松分布的神经网络混合差分剪枝方法和剪枝装置

    公开(公告)号:CN115099400B

    公开(公告)日:2024-08-06

    申请号:CN202210249392.X

    申请日:2022-03-14

    IPC分类号: G06N3/082

    摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。

    用于相似堆垛的三维点云语义分割方法、装置及存储介质

    公开(公告)号:CN117541787A

    公开(公告)日:2024-02-09

    申请号:CN202311360743.5

    申请日:2023-10-19

    摘要: 本发明涉及用于相似堆垛的三维点云语义分割方法、装置及存储介质,应用于危化品仓库监测技术领域,包括:针对局部特征信息提取不足的问题,本方案采用点积相似度替代欧式距离,构造局部特征聚合模块,而点积相似度相较于欧式距离来说,更适用于危化品仓储中的高维数据处理,可以更好地捕获点云之间的相似度和局部特征信息,从而提高语义分割的准确度和性能;针对危化品仓库场景中堆垛类别间点云数量差异大的问题,采用加权交叉熵损失和Lovász‑Softmax损失构造线性组合的损失函数,使网络在训练过程中更加关注堆垛间的少量特殊点,解决了现有技术中由于危化品类别点云数量差异大,导致大目标点云过拟合问题,实现近距离相似堆垛的点云精细分割。

    基于泊松分布的神经网络混合差分剪枝方法和剪枝装置

    公开(公告)号:CN115099400A

    公开(公告)日:2022-09-23

    申请号:CN202210249392.X

    申请日:2022-03-14

    IPC分类号: G06N3/08

    摘要: 本发明的基于泊松分布的神经网络混合差分剪枝方法和剪枝装置属于工业控制与人工智能技术领域,本发明在泊松分布规律下,计算滤波器各个参数一范数的一阶差分与二阶差分,将其赋予权重后得到参数的活跃度。采用归一化函数将加权值转化为活跃度,免去剪枝中的阈值选择过程。该方法能够达到对各类入侵检测分类器的卷积层进行高比率剪枝的效果,能够使入侵检测分类器在资源十分稀缺的边缘工控系统中发挥优秀的性能,对轻量化工控系统的建设有一定的指导意义。将本发明的剪枝方法应用于LeNet‑5、VGG、ResNet等神经网络算法实验时,该剪枝方法能有效剪枝入侵检测分类器。

    一种基于多头自注意力的点云分类方法、装置及设备

    公开(公告)号:CN116363439A

    公开(公告)日:2023-06-30

    申请号:CN202310434484.X

    申请日:2023-04-21

    摘要: 本申请涉及一种基于多头自注意力的点云分类方法、装置及设备,属于大数据处理技术领域。本申请通过获取原始点云的样本数据集,对所述原始点云的样本数据集进行特征提取,获得所述点云的特征向量,构建基于多头自注意力的待训练模型,将所述特征向量送入待训练模型,进行模型训练,得到训练完成的基于多头自注意力的点云分类模型,本申请通过将点云的样本数据集中点云分布归一化,提取高维度的特征向量,将该高维度的特征向量送入训练完成的多头自注意力的点云分类模型,提取不同注意力下点云的特征,并进行模型运算最终得到点云分类结果,有助于帮助解决采用现有点云分类技术对点云进行分类,由于丢失特征导致分类准确率低的问题。