-
公开(公告)号：CN118677840A
公开(公告)日：2024-09-20
申请号：CN202310261079.2
申请日：2023-03-13
Applicant: 华为技术有限公司
Abstract: 本申请提供了一种网络流控方法及装置，涉及通信领域。用于提供准确的流控管理。该方法包括：第一网络设备接收来自第二网络设备的目标报文，目标报文携带有报文流控信息，报文流控信息包括第二网络设备的标识信息、目标报文流入第二网络设备的端口信息、目标报文在第二网络设备中的队列信息和/或所述目标报文的优先级信息；第一网络设备确定需要第二网络设备进行流控操作；第一网络设备根据报文流控信息生成第一流控通知；第一网络设备向第二网络设备发送第一流控通知，第一流控通知指示第二网络设备执行流控操作。
-
公开(公告)号：CN112580720B
公开(公告)日：2024-07-09
申请号：CN202011507377.8
申请日：2020-12-18
Applicant: 华为技术有限公司
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/045
Abstract: 本申请公开了一种模型训练方法，可以应用于人工智能领域，方法包括：获取第一神经网络模型、第二神经网络模型以及第一训练样本；获取目标增广操作，并根据目标增广操作对第一训练样本进行增广变换，以得到增广样本；根据增广样本，通过第二神经网络模型确定增广样本对应的第一权重；根据增广样本对第一神经网络模型进行训练，以得到第一损失，并将第一损失和第一权重进行融合，以获取第二损失；根据第二损失，对第一神经网络模型进行模型训练，以得到第三神经网络模型。本实施例通过训练第二神经网络模型对增广样本给予权重，实现了样本感知的自动数据增广策略，提高了模型训练的精度。
-
公开(公告)号：CN109754105B
公开(公告)日：2024-01-05
申请号：CN201711084325.2
申请日：2017-11-07
Applicant: 华为技术有限公司
Abstract: 本发明实施例公开了一种预测方法及终端、服务器。其方法包括服务器向多个终端发送第一模型参数和第二模型参数，第一模型参数和第二模型参数适配于终端的预测模型；服务器接收多个终端中至少一个终端发送的第一预测损失，至少一个终端中每个终端发送的第一预测损失为每个终端根据采用第一模型参数和第二模型参数的预测模型计算的；服务器根据至少一个终端发送的第一预测损失对第一模型参数进行更新，以获得更新后的第一模型参数，以及根据至少一个终端发送的第一预测损失对第二模型参数进行更新，以获得更新后的第二模型参数。采用本发明实施例，可以实现通过利用大量用户数据进行训练而得到体现用户差异性的预测模型。
-
公开(公告)号：CN116961746A
公开(公告)日：2023-10-27
申请号：CN202210411775.2
申请日：2022-04-19
Applicant: 华为技术有限公司
IPC: H04B10/112 , H04B10/118 , H04B10/564
Abstract: 本申请公开了一种光通信设备、光通信系统及光传输方法。光通信设备无需再设置独立的信标光光源，减小了体积并降低了功耗。光通信设备包括：光发射装置、光分路装置、第一准直器、第二准直器、光扩束装置和光束偏转装置。光发射装置用于生成目标业务光。光分路装置用于对目标业务光进行分路以得到第一业务光和第二业务光，并调节第一业务光和第二业务光的功率。第一准直器和第二准直器分别用于对第一业务和第二业务光进行准直。光扩束装置用于对准直后的第二业务光进行扩束，使得第二业务光的发散角小于第一业务光的发散角。光束偏转装置用于调节第一业务光和第二业务光的偏转方向，以向对端光通信设备输出第一业务光和第二业务光。
-
公开(公告)号：CN114204994B
公开(公告)日：2023-07-07
申请号：CN202111340116.6
申请日：2018-03-09
Applicant: 华为技术有限公司
IPC: H04B10/294
Abstract: 光纤放大器(100)及光纤放大器(100)的增益调节方法，该光纤放大器(100)包括：第一功率放大器(101)，波长级别调节器(102)和控制器(103)；该第一功率放大器(101)和该波长级别调节器(102)依次连接；上述控制器(103)包括第一输入端和控制输出端，第一输入端用于接收光纤放大器(100)的输入光信号，控制输出端用于输出第一放大控制信号至上述第一功率放大器(101)，输出调节控制信号至上述波长级别调节器(102)；上述波长级别调节器(102)，用于根据调节控制信号分别对每个波长进行功率调节。上述光纤放大器(100)可以分别对光纤放大器(100)中的每个波长进行功率调节，提高了光纤放大器(100)的增益曲线的调节精度。
-
Patent Agency Ranking
公开(公告)号：CN109034175B
公开(公告)日：2022-04-05
申请号：CN201710439724.X
申请日：2017-06-12
Applicant: 华为技术有限公司
IPC: G06K9/62 , G06V10/764 , G06V10/774
Abstract: 本申请提供一种图像处理方法、装置及设备，包括：确定学习模型的各个参数的初始值和调整因子的初始值；其中，调整因子用于调整各个参数的大小和/或各个参数构成的向量的方向；获取多个小样本学习任务；根据多个小样本学习任务更新各个参数的初始值和调整因子的初始值，分别得到各个参数的更新值和调整因子的更新值；获取待测试的学习任务；待测试的学习任务包括：多个第一训练数据和至少一个第一测试数据；根据各个参数的更新值、调整因子的更新值和多个第一训练数据确定待测试的学习任务对应的各个参数的数值；对每个第一测试数据采用各个参数的数值对应的学习模型确定对应的待测试结果。从而可以降低过拟合的问题，进而提高预测精度。
-
公开(公告)号：CN114208064A
公开(公告)日：2022-03-18
申请号：CN201980099147.1
申请日：2019-10-31
Applicant: 华为技术有限公司
IPC: H04B10/564 , H04B10/2537 , H04J14/02
Abstract: 本申请实施例提供了一种确定光信号功率变化的方法及功率计算装置。本申请实施例方法包括如下步骤。获取包括多个波长信号的第一光信号，多个波长信号分布在多个波带，不同得波带对应不同的波长信号，每个波带包括至少一个波长信号的波长值。之后，检测每个波带的光功率以及每个波带的中心波长信号，并获取预设单波传输功率以及预设系数。接下来，根据每个波带的光功率以及预设单波传输功率确定等效波长信号的等效数量N，并根据每个波带的光功率以及每个波带的中心波长信号确定第一光信号对应的等效波长信号。进而，根据预设系数、等效波长信号、等效数量以及预设单波传输功率确定用于补偿第一光信号在光纤中传输的第一功率变化值的目标功率。
-
公开(公告)号：CN114142920A
公开(公告)日：2022-03-04
申请号：CN202010917024.9
申请日：2020-09-03
Applicant: 华为技术有限公司
IPC: H04B10/071 , H04B10/079
Abstract: 本申请提供了一种光信号检测装置、方法及相关设备，该装置可以用于对在光信号的检测周期内检测的光信号进行处理，该装置包括光电转换模块、控制模块、增益调节模块和模数转换模块。其中，光电转换模块用于接收光信号，将接收的光信号转换为电信号；控制模块用于获取第一检测时段对应的第一增益值，第一检测时段为检测周期中的一个检测时段，检测周期内不同的检测时段对应不同的增益值，第一增益值用于控制增益调节模块对所述电信号的幅度进行调节；模数转换模块用于对调节后的电信号进行采样，调节后的电信号处于模数转换模块的采样量程内。该装置可以提高提高光纤测量设备的测量准确性和光纤测量设备的实际动态范围。
-
公开(公告)号：CN113570027A
公开(公告)日：2021-10-29
申请号：CN202110704382.6
申请日：2021-06-24
Applicant: 华为技术有限公司
Abstract: 本公开的实施例提供了用于生成神经网络模型的方法、装置、系统、设备、介质和程序产品。方法包括第一设备向第二设备发送关于子网络模型的结构的指示，子网络模型是通过调整超网络模型的结构来确定的；第一设备从第二设备接收子网络模型的参数，子网络模型的参数由第二设备基于该指示和超网络模型而确定；第一设备基于所接收的子网络模型的参数来训练子网络模型；以及第一设备向第二设备发送经训练的子网络模型的参数，以用于第二设备更新超网络模型。通过上述方式，提供了多个设备之间的高效的联邦学习方案，在提升模型精度的同时，还减少了联邦学习过程所需的通信成本、以及设备的计算成本。
-
公开(公告)号：CN113449856A
公开(公告)日：2021-09-28
申请号：CN202010230463.2
申请日：2020-03-27
Applicant: 华为技术有限公司
Abstract: 本申请实施例公开了一种控制流图的处理方法及相关设备，通过深度学习框架编译源代码，得到控制流图，再对该控制流图进行图切分及再编译，得到多个设备支持的线性执行序列(该多个线性执行序列之间没有控制依赖)，最后通过在深度学习框架上模拟执行各个线性执行序列，在模拟执行过程中基于该源代码的语义规则识别各线性执行序列的语义，再根据该语义在各个线性执行序列之间插入算子，从而将各个线性执行子序列连接成一张设备可直接识别的计算图，这张计算图表述的就是一个完整的神经网络结构，该处理方式避免了人为解析源代码内部的逻辑关系来确定整个源代码所表达的神经网络结构，不易出错，且方便快捷，提高了设备的处理效率。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.047 seconds)
