一种用于稀疏矩阵向量乘设计的神经网络模型

AITNT
正文
推荐专利
一种用于稀疏矩阵向量乘设计的神经网络模型
申请号:CN202410876281
申请日期:2024-07-02
公开号:CN118734905A
公开日期:2024-10-01
类型:发明专利
摘要
本发明提供了一种用于稀疏矩阵向量乘设计的神经网络模型,用于为稀疏矩阵向量乘程序设计相关的多个决策阶段分别提供用于决策的策略和价值,所述神经网络包括:特征提取器,用于从稀疏矩阵在前一阶段的阶段表达中提取阶段特征,所述阶段表达包括层次映射、非零元的绝对位置和相对位置,所述层次映射指示稀疏矩阵的非零元在计算硬件中的分配信息;策略网络,用于根据所述阶段特征确定当前阶段的策略,所述策略为预测的当前阶段采取各动作的概率。价值网络,用于根据所述阶段特征确定价值,所述价值为前一阶段的阶段表达对应状态的期望价值。
技术关键词
稀疏矩阵向量乘 阶段 神经网络模型 策略 特征提取器 程序设计系统 特征提取模块 决策 分配信息 蒙特卡洛树 层次化结构 全局平均池化 内存 样本 搜索算法 索引 形态
系统为您推荐了相关专利信息
1
面向信息效用的卫星下行组播传输方法及装置
组播传输方法 资源分配 策略 传输设备 框架
2
一种基于超立方体网络的故障诊断方法
立方体 计数器 无故障 网络故障诊断方法 序列
3
基于无人驾驶的井工矿违规检测方法及系统
违规检测方法 识别置信度 雷达 可见光 无人驾驶车辆
4
一种化学反应大语言模型训练方法及合成路径规划方法
大语言模型 路径规划方法 蒙特卡洛树搜索 分子 阶段
5
基于实时温度反馈的智能快充充电器控制系统
充电器控制系统 编码向量 时序 序列 充电控制单元
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号