专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

61. 发明授权

EP3785178B1 VERFAHREN UND VORRICHTUNG ZUM ERMITTELN EINER NETZKONFIGURATION EINES NEURONALEN NETZES 有权
公开(公告)号：EP3785178B1
公开(公告)日：2024-06-05
申请号：EP19719233.9
申请日：2019-04-17
IPC分类号： G06N3/082 , G06N3/04
CPC分类号： G06N3/082 , G06N3/04

62. 发明授权

EP3607498B1 NEURAL NETWORK PROCESSOR INCORPORATING MULTI-LEVEL HIERARCHICAL AGGREGATED COMPUTING AND MEMORY ELEMENTS 有权
公开(公告)号：EP3607498B1
公开(公告)日：2024-05-08
申请号：EP18780640.1
申请日：2018-04-03
IPC分类号： G06F12/02 , G06F12/06 , G06N3/063 , G06N3/04 , G06F13/16 , G06N3/08 , G06N3/082 , G06N3/084 , G06N3/045
CPC分类号： G06N3/082 , G06F12/0207 , G06N3/063 , G06F12/0646 , G06F12/0692 , G06F13/1663 , G06N3/084 , G06N3/045

63. 发明授权

EP4064214B1 INTEGRATED DEEP LEARNING MODEL FOR CO-OPERATIVE AND CASCADED INFERENCE ON EDGE 有权
公开(公告)号：EP4064214B1
公开(公告)日：2024-04-10
申请号：EP21201609.1
申请日：2021-10-08
发明人： Dey, Swarnava , Mondal, Ja Yeeta , Dutta, Jeet , Pal, Arpan , Mukherjee, Arijit , Purushothaman, Balamuralidhar
IPC分类号： G06V10/764 , G06V10/776 , G06V10/82 , G06V10/94 , G06V20/17 , G06V20/52 , G06N3/082 , G06N3/045 , G06N3/063

64. 发明授权

EP4154067B1 METHOD AND SYSTEM FOR DETERMINING A COMPRESSION RATE FOR AN AI MODEL OF AN INDUSTRIAL TASK 有权
公开(公告)号：EP4154067B1
公开(公告)日：2024-03-27
申请号：EP21746349.6
申请日：2021-07-06
发明人： LAVRIK, Vladimir , MENG, Yang Qiao
IPC分类号： G05B13/02 , G06N3/04 , G06N3/082 , G06N3/063

65. 发明授权

EP3926544B1 SYSTEM AND METHOD OF GESTURE RECOGNITION USING A RESERVOIR BASED CONVOLUTIONAL SPIKING NEURAL NETWORK 有权
公开(公告)号：EP3926544B1
公开(公告)日：2024-03-13
申请号：EP20214398.8
申请日：2020-12-16
发明人： George, Arun , Banerjee, Dighanchal , Dey, Sounak , MUKHERJEE, Arijit
IPC分类号： G06N3/049 , G06N3/088 , G06N3/082 , G06N3/044 , G06N3/045 , G06N3/047 , G06F3/01

66. 发明公开

EP4332837A1 TRAINING METHOD FOR ARTIFICIAL INTELLIGENCE MODEL, AND RELATED DEVICE 审中-实审
公开(公告)号：EP4332837A1
公开(公告)日：2024-03-06
申请号：EP23808654.0
申请日：2023-06-20
申请人： Huawei Technologies Co., Ltd.
发明人： ZHANG, Jingyi , WANG, Yongzhong , LIU, Yanlin
IPC分类号： G06N3/082
摘要： This application provides a method for training an artificial intelligence (AI) model. The method is applied to a system for training a model. The system includes a first training unit and at least one second training unit. The method includes: The first training unit receives a first training subtask, obtains, by executing the first training subtask using a plurality of first training subunits, a first weight obtained through synchronization among the plurality of first training subunits, asynchronously receives a second weight obtained by executing a second training subtask by the at least one second training unit, and obtains a weight of the AI model based on the first weight and the second weight. According to the method, a hierarchical asynchronization training mechanism is introduced. To be specific, synchronous update is used inside training units, and an asynchronous update manner is used between training units, so that synchronization waiting duration between the training units is avoided, overall training duration is shortened, and training efficiency is improved.

67. 发明公开

EP4312159A1 VERFAHREN UND ANORDNUNG ZUM REDUZIEREN UND ÜBERWACHEN VON KÜNSTLICHEN NEURONALEN NETZEN 审中-公开
公开(公告)号：EP4312159A1
公开(公告)日：2024-01-31
申请号：EP22187291.4
申请日：2022-07-27
申请人： Siemens Aktiengesellschaft
发明人： Tokic, Michel , von Beuningen, Anja , Scharinger, Boris
IPC分类号： G06N3/082 , G06N3/084 , G06N3/092 , G06N3/045
摘要： Zum Reduzieren eines neuronalen Netzes (NN) sind diskrete Reduktionsschritte vorgesehen, durch die jeweils ein Neuron oder eine neuronale Verbindung entfernt wird und/oder eine numerische Auflösung verringert wird. Das trainierte neuronale Netz (NN) wird durch unterschiedliche Test-Reduktionsschritte (TRA, TRB) jeweils zu einem Test-Netz (NNA, NNB) reduziert, und es wird eine Vielzahl von Eingabesignalen (ES) in das trainierte neuronale Netz (NN) sowie in die Test-Netze (NNA, NNB) eingespeist. Weiterhin werden für ein jeweiliges Eingabesignal (ES) zum einen eine Referenzverteilung (VR) von durch das jeweilige Eingabesignal (ES) induzierten, ersten Aktivierungsstärken von Ausgabeneuronen des trainierten neuronalen Netzes (NN) und zum anderen für die Test-Reduktionsschritte (TRA, TRB) jeweils eine Abweichung (DRA, DRB) der Referenzverteilung (VR) von einer entsprechenden Verteilung (VA, VB) von zweiten Aktivierungsstärken von Ausgabeneuronen des betreffenden Test-Netzes (NNA, NNB) ermittelt. Ausgehend davon wird das trainierte neuronale Netz (NN) durch Test-Reduktionsschritte, deren Abweichungen im Mittel geringer sind, als die Abweichungen anderer Test-Reduktionsschritte zu einem reduzierten neuronalen Netz (NNR) reduziert. Das reduzierte neuronale Netz (NNR) wird dann betrieben, wobei im laufenden Betrieb dritte Aktivierungsstärken von Ausgabeneuronen des reduzierten neuronalen Netzes (NNR) erfasst werden. Zum Überwachen des Betriebs wird schließlich abhängig von den dritten Aktivierungsstärken ein Überwachungssignal (MS) ausgegeben.

69. 发明公开

EP4280118A1 METHOD AND SYSTEM FOR GENERATING A DATA MODEL FOR TEXT EXTRACTION FROM DOCUMENTS 有权
公开(公告)号：EP4280118A1
公开(公告)日：2023-11-22
申请号：EP23165277.7
申请日：2023-03-30
申请人： Tata Consultancy Services Limited
发明人： SUMEET, NUPUR , NAMBIAR, MANOJ KARUNAKARAN , RAWAT, KARAN
IPC分类号： G06N3/096 , G06N3/082 , G06N3/045
摘要： State of the art techniques used for document processing and particularly for handling processing of images for data extraction have the disadvantage that they have large computational load and memory footprint. The disclosure herein generally relates to text processing, and, more particularly, to a method and system for generating a data model for text extraction from documents. The system prunes a pretrained base model using a Lottery Ticket Hypothesis (LTH) algorithm, to generate a LTH pruned data model. The system further trims the LTH pruned data model to obtain a structured pruned data model, which involves discarding filters that have filter sparsity exceeding a threshold of filter sparsity. The structured pruned data model is then trained from a teacher model in a Knowledge Distillation algorithm, wherein a resultant data model obtained after training the structured pruned data model forms the data model for text detection.

70. 发明公开

EP4250180A1 METHOD AND APPARATUS FOR GENERATING NEURAL NETWORK 审中-实审
公开(公告)号：EP4250180A1
公开(公告)日：2023-09-27
申请号：EP23161861.2
申请日：2023-03-14
申请人： Beijing Tusen Zhitu Technology Co., Ltd.
发明人： YUAN, Liuchun , HUANG, Zehao , WANG, Naiyan
IPC分类号： G06N3/045 , G06N3/082 , G06N3/09 , G06N3/0985
摘要： The present disclosure relates to a method and an apparatus for generating a neural network. The method for generating a neural network according to the present disclosure includes: training a plurality of neural networks for a plurality of performance parameters to obtain a plurality of parameter values for each performance parameter; training a plurality of neural network predictors based on the parameter values and the neural networks; and determining a target neural network using trained neural network predictors. According to the technique for generating a neural network herein, automatic searching for a network structure satisfying a preset constraint is enabled in a search space of network structures.

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式