“G06N3/0499”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果33个，建议您升级VIP下载更多相关专利

[发明专利]一种能够自主选择隐藏层神经元个数的自主学习算法-CN202310848823.9在审
发明人：邢建川;陈洋;曾凤;周春文;付鱼;辛旺 -专利权人：电子科技大学
申请日： 2023-07-12 - 公布日： 2023-10-24 - 主分类号： G06N3/0499 文献下载
摘要：本发明公开了一种能够自主选择隐藏层神经元个数的自主学习算法；本申请所述的算法是以分布式并行存储以及并行的协同信息处理为基础，依靠复杂的网络系统，调整网络中不同层节点之间的连接关系以及层与层之间的权值，最终得到能够处理具体信息的网络。它具备传统BP神经网络的优点，能够进行并行信息处理、模式分类、记忆学习以及非线性映射，同时还具有自主学习和自适应的特点，能够自主确定隐含层神经元个数。因为本算法增加了神经元个数自主选择算法，省略了人工选择神经元个数的步骤，故提高了自身自主学习的能力。
一种能够自主选择隐藏神经元个数学习算法

[发明专利]一种仿真态势数据处理方法、系统、设备及存储介质-CN202310637352.7在审
发明人：傅天晓 -专利权人：启元世界（北京）科技有限公司
申请日： 2023-05-31 - 公布日： 2023-10-17 - 主分类号： G06N3/0499 文献下载
摘要：本申请提供一种仿真态势数据处理方法、系统、设备及存储介质，应用于数据处理技术领域。该方法应用于仿真态势数据处理系统，系统包括运行在中央处理器中的数据采样模块、运行在不同的图像处理器中的持续学习模块和预测推断模块。基于从经验回放数据池中获取的目标经验回放数据确定权重更新参数，所述目标经验回放数据包括从仿真环境输入的目标仿真态势数据，能够提高对仿真态势数据处理效率；根据所述权重更新参数构建优化预测模型；响应于请求端触发预测请求，将所述目标仿真态势数据输入至所述优化预测模型中，得到所述优化预测模型输出的结果指令，结果指令用于更新所述仿真环境，降低了模型参数更新的延迟，提高了模型使用性能和可扩展性。
一种仿真态势数据处理方法系统设备存储介质

[发明专利]一种注塑机料筒温度预测方法-CN202310325982.0在审
发明人：李君;陈振光;陈志刚;朱建猛;李素君;林娅丹 -专利权人：西诺控股集团有限公司
申请日： 2023-03-30 - 公布日： 2023-10-17 - 主分类号： G06N3/0499 文献下载
摘要：本发明公开了一种注塑机料筒温度预测方法，包括如下步骤：S1：初始化BP神经网络的拓扑结构；S2：初始化BP神经网络的权值和阈值，将初始化的权值和阈值编码为粒子；S3：设置PSO算法的基本参数，用PSO算法优化BP神经网络，获得PSO‑BP神经网络模型；S4：在PSO‑BP神经网络模型中引入自适应变异，构建获得引入自适应变异的PSO‑BP神经网络；S5：采用获得的引入自适应变异的PSO‑BP神经网络对注塑机料筒的温度进行预测；本发明利用得到的PSO‑BP‑PID控制算法，可以有效实现在控制温度的超调量及快速响应上达到统一的目的。
一种注塑机料筒温度预测方法

[发明专利]电动助力转向中的马达控制-CN202180092747.2在审
发明人： X-D·孙 -专利权人：采埃孚汽车英国有限公司
申请日： 2021-12-30 - 公布日： 2023-09-29 - 主分类号： G06N3/0499 文献下载
摘要：一种用于车辆的电动助力转向系统，包括：电马达，被配置为向转向组件的一部分施加辅助扭矩以辅助车辆的驾驶员转动方向盘；用于马达的驱动电路，其选择性地将马达相连接到电源以使电流在马达相中流动，由马达施加的辅助扭矩的量是在马达相中流动的电流的函数，以及控制电路，其生成施加到马达驱动级的控制信号，该控制信号指示马达各相中所需的电流，其中控制电路包括：PID控制器，其在输入端处接收指示马达的所需行为的需求信号，并在输出端处提供被馈送到马达的驱动级的控制信号，控制器与马达被布置在闭环中，并被配置为最小化包括如由需求信号所指示的所需行为与马达的实际行为之间的差异的误差值，以及神经网络，其具有神经元的输入层、神经元的至少一个隐藏层以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的控制信号以及误差值，并且其中神经网络被配置为确定PID控制器使用的P增益、I增益和D增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为附加前馈项。
电动助力转向中的马达控制

[发明专利]一种基于模态空间和贪心算法的改进径向基函数网格变形方法-CN202310699174.0在审
发明人：贺顺;高雪晗;吴承远;谷迎松 -专利权人：西北工业大学
申请日： 2023-06-14 - 公布日： 2023-09-22 - 主分类号： G06N3/0499 文献下载
摘要：本发明提出一种基于模态空间和贪心算法的改进径向基函数网格变形方法，利用贪心算法求解出各阶模态振型函数的支撑点集合Mi，并对它们求并集，找到满足所有模态要求的支撑点集合M，该集合中的支撑点满足所有时刻的物理位移重构要求，即可应用这些点更新流体计算域内的所有网格点位置。根据本发明确定的支撑点集合满足所有时间步下的物理位移重构要求，不需要在每个时间步下都反复筛选支撑点集合和计算RBF插值矩阵，大大提升了RBF网格变形的求解效率，降低了网格变形的计算量，进而提高了利用RBF进行网格变形的CFD/CSD耦合时域计算的效率。
一种基于空间贪心算法改进径向函数网格变形方法

[发明专利]模型的蒸馏方法、装置、电子设备及存储介质-CN202010516895.X有效
发明人：苏炜跃;冯仕堃;朱志凡;李伟彬;何径舟;黄世维 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-09 - 公布日： 2023-09-22 - 主分类号： G06N3/0499 文献下载
摘要：本申请公开了模型的蒸馏方法、装置、电子设备及存储介质，涉及深度学习技术领域。具体实现方案为：首先，获取教师模型和学生模型；接着，根据教师模型第一中间全连接层的第一数据处理量和学生模型第二中间全连接层的第二数据处理量，将第二中间全连接层转换为放大全连接层和缩小全连接层，并用放大全连接层和缩小全连接层对第二中间全连接层进行替代以生成训练学生模型；之后，根据教师模型对训练学生模型进行蒸馏训练。该方法通过将第二中间全连接层替换为放大全连接层和缩小全连接层，并根据教师模型对训练学生模型进行蒸馏训练，由此，在训练学生模型的中间层进行蒸馏，不需要引入额外全连接层，没有参数冗余，极大地提高了蒸馏效率和效果。
模型蒸馏方法装置电子设备存储介质

[发明专利]一种神经网络模型生成方法、装置及电子设备-CN202310716795.5在审
发明人：刘嘉炜;卓正兴;杨青 -专利权人：度小满科技(北京)有限公司
申请日： 2023-06-16 - 公布日： 2023-09-19 - 主分类号： G06N3/0499 文献下载
摘要：本申请实施例提供了一种神经网络模型生成方法、装置及电子设备，其中，该神经网络模型生成方法包括：基于原始神经网络模型的各项结构参数、权重，确定不同的第一目标子网络模型，根据目标硬件设备的部署要求，再结合各个第一目标子网络模型的性能参数，自适应地生成满足目标硬件设备的部署条件的第二目标子网络模型。如此，可使用规模小且精度高的第二目标子网络模型替代原始神经网络模型部署至目标硬件设备中，该第二目标子网络模型所需的硬件资源较少，能够扩展原始神经网络模型的应用范围的同时，该第二目标子网络模型是适配目标硬件设备的所有子网络模型集合中，精度最高的一个，实现了针对目标硬件设备的最优化模型部署。
一种神经网络模型生成方法装置电子设备

[发明专利]投影神经网络-CN202310584408.7在审
发明人： S.拉维 -专利权人：谷歌有限责任公司
申请日： 2018-05-18 - 公布日： 2023-09-05 - 主分类号： G06N3/0499 文献下载
摘要：本发明涉及投影神经网络。提供了用于投影神经网络的方法、系统和设备，包括在计算机存储介质上编码的计算机程序。在一个方面，投影神经网络配置为接收投影网络输入并从投影网络输入生成投影网络输出。投影神经网络包括一个或多个投影层的序列。每个投影层具有多个投影层参数，且配置为接收层输入，将多个投影层函数应用于层输入，并通过将投影层的投影层参数应用于投影函数输出来生成层输出。
投影神经网络

[发明专利]一种基于搜索空间优化的前馈神经网络结构搜索方法-CN202010068826.7有效
发明人：张文强 -专利权人：复旦大学
申请日： 2020-01-21 - 公布日： 2023-09-01 - 主分类号： G06N3/0499 文献下载
摘要：本发明涉及一种基于搜索空间优化的前馈神经网络结构搜索方法，包括以下步骤：S1：按照搜索空间的定义随机生成设定数量的搜索空间并转化为离散编码，构建搜索空间初始种群；S2：利用超网络对初始种群中的所有搜索空间进行性能评估；S3：根据性能评估结果对搜索空间进行优化，输出最优搜索空间；S4：对应搜索算法在最优搜索空间中，搜索设定模型评估算法下最优的前馈神经网络结构，并利用该神经网络结构完成需求数据集下的需求任务，与现有技术相比，本发明具有提高神经网络结构搜索的效率和性能等优点。
一种基于搜索空间优化神经网络结构方法

[发明专利]基于BP神经网络的危险态势分析的处理方法及处理装置-CN202010948216.6有效
发明人：王爱民;杜文持;王建群 -专利权人：北京理工大学
申请日： 2020-09-10 - 公布日： 2023-08-29 - 主分类号： G06N3/0499 文献下载
摘要：本发明提供了一种基于BP神经网络的危险态势分析的处理方法及处理装置，其中处理方法包括：根据车间的历史危险因素数据构建案例库；对案例库中的历史危险因素数据进行预处理，得到预处理后的案例数据；根据危险态势预测要求，建立神经网络模型；根据案例数据对神经网络模型进行训练，得到训练好的目标神经网络；获取车间的当前危险因素数据，并输入至目标神经网络中，得到危险态势预测结果。本发明的实施例，采用BP神经网络设计危险态势分析模型，有效地解决了非确定性危险因素与危险态势之间的非线性关系，提高了分析系统适应能力和可靠性。同时还能及时进行排查解决萌芽状态的车间风险点，降低事故率。
基于 bp 神经网络危险态势分析处理方法装置

[发明专利]一种基于MSVL的BP神经网络的构建和训练方法及系统-CN202110439442.6有效
发明人：赵亮;冯哲;段振华;王小兵;田聪;张南 -专利权人：西安电子科技大学
申请日： 2021-04-23 - 公布日： 2023-08-22 - 主分类号： G06N3/0499 文献下载
摘要：本发明属于BP神经网络技术领域，公开了一种基于MSVL的BP神经网络的构建和训练方法及系统，所述基于MSVL的BP神经网络的构建和训练方法包括：根据BP神经网络基本的层次化结构和属性行为特征，构建基于MSVL的BP神经网络的底层结构方法库；根据用户的定制需求，利用结构方法库中的MSVL结构体，构建BP神经网络的初始架构；读取样本数据，利用结构方法库中MSVL方法，对初始架构进行训练，得到BP神经网络的形式化架构。本发明涵盖了矩阵运算、反向传播、权值更新等多种神经网络系统的基本行为，可直接用于模型检测、插桩验证等形式化验证技术，并支持与这些行为相关的多方面性质的验证，从而系统的安全可信性能够得到有效的保障。
一种基于 msvl bp 神经网络构建训练方法系统

[发明专利]一种基于有监督学习的非侵入式负荷识别网络架构-CN202110261752.3有效
发明人：张乐平;周尚礼;何恒靖;张维;彭建忠;李鹏 -专利权人：南方电网数字电网研究院有限公司;江苏林洋能源股份有限公司
申请日： 2021-03-10 - 公布日： 2023-08-18 - 主分类号： G06N3/0499 文献下载
摘要：本发明提供一种基于有监督学习的非侵入式负荷识别网络架构，该构架包括：监督学习单元、识别单元和云端；本发明采用监督学习的方法，即在可以识别的样本小区或者用户处增加设备监控设备即随电器，可以跟踪设备的整个运行周期，然后再经过神经网络算法，得到隐含层的权值，用以在新的判断中进行实时设备识别。由于神经网络有很强的判断学习能力，可以识别很多相识设备，应用范围广，识别效果佳。
一种基于监督学习侵入负荷识别网络架构

[发明专利]用于预测行程期间的车辆能量消耗的基于模块化机器学习的系统-CN202211266896.9在审
发明人： V·苏普林;K·长白;D·乌列里 -专利权人：通用汽车环球科技运作有限责任公司
申请日： 2022-10-17 - 公布日： 2023-08-15 - 主分类号： G06N3/0499 文献下载
摘要：一种用于预测车辆在行程期间的能量消耗的系统具有适于接收行程的路线规划的控制器。控制器具有处理器和其上记录指令的有形非暂时性存储器。系统具有多个机器学习模块，包括行为预测器、驾驶消耗预测器和辅助消耗预测器。控制器适于通过执行多个机器学习模块来预测车辆在行程期间消耗的总能量。驾驶消耗预测器适于部分基于路线规划预测用于推进车辆所消耗的主要能量。辅助消耗预测器适于预测车辆为非推进目的消耗的次要能量。行为预测器适于至少部分基于交通状况预测平均车辆速度。
用于预测行程期间车辆能量消耗基于模块化机器学习系统

[发明专利]一种深度机器学习模型-CN202310562261.1在审
发明人：李保军;杜军 -专利权人：中国人民解放军空军工程大学
申请日： 2023-05-18 - 公布日： 2023-08-11 - 主分类号： G06N3/0499 文献下载
摘要：本发明公开了一种深度机器学习模型，包括前置神经网络和广义线性结构；所述前置神经网络与广义线性结构连接后一起输入最终的输出层；所述前置神经网络包括对数值型特征直接处理后与连接层连接和对类别型特征利用相关性的传递性去探索历史数据中从未出现过的特征组合通过嵌入层使用低维稠密特征输入连接层；所述连接层通过全连接层(1024)、全连接层(512)、全连接层(256)进行低维稠密特征输入到输出层。该发明的技术效果为能够快速处理并记忆大量历史行为特征，具有强大的表达能力和提高了模型的泛华能力以及解决问题的针对性。
一种深度机器学习模型

[发明专利]使用后验锐化训练神经网络-CN201880016417.3有效
发明人： C.布伦德尔;M.福图纳托;O.文亚尔斯 -专利权人：渊慧科技有限公司
申请日： 2018-03-23 - 公布日： 2023-08-01 - 主分类号： G06N3/0499 文献下载
摘要：方法、系统和装置，包括在计算机存储介质上编码的计算机程序，用于训练神经网络。在一个方面，一种方法包括维持对于每个网络参数指定分布参数的相应集合的当前值的数据，所述分布参数集合定义了网络参数的可能值上的后验分布。从网络参数的相应临时梯度值确定每个网络参数的相应当前训练值。根据网络参数的相应当前训练值，更新网络参数的分布参数的相应集合的当前值。基于分布参数的相应集合的更新的当前值，确定网络参数的训练的值。
使用锐化训练神经网络

1
2
3
下一页»
尾页
共 33 条