“G06N3/02”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679个，建议您升级VIP下载更多相关专利

[发明专利]卷积神经网络、人脸防伪方法、处理器芯片及电子设备-CN201980000992.9在审
发明人：潘雷雷;吴勇辉;范文文 -专利权人：深圳市汇顶科技股份有限公司
申请日： 2019-06-20 - 公布日： 2021-02-26 - 主分类号： G06N3/02 文献下载
摘要：本申请部分实施例提供了一种卷积神经网络、人脸防伪方法、处理器芯片及电子设备。卷积神经网络，包括：二维卷积层(1)、深度可分离卷积层(2)、池化层(3)以及全连接层(4)；二维卷积层(1)用于对输入的图像进行卷积运算，输出图像的多个第一特征图；深度可分离卷积层(2)用于对多个第一特征图分别进行深度可分离卷积运算，输出多个特征图对应的多个第二特征图；池化层(3)用于对多个第二特征图分别进行池化处理，输出多个第二特征图对应的多个第三特征图；全连接层(4)用于根据多个第三特征图，输出图像的特征值。采用上述方案，在不影响卷积效果的同时，提升了卷积神经网络的图像处理速度。
卷积神经网络防伪方法处理器芯片电子设备

[发明专利]量子数据处理方法及设备-CN202011297757.3在审
发明人：王鑫;宋旨欣;李广西 -专利权人：北京百度网讯科技有限公司
申请日： 2020-11-18 - 公布日： 2021-02-26 - 主分类号： G06N3/02 文献下载
摘要：本申请公开了量子数据处理方法、设备及存储介质，涉及量子计算领域。具体实现方案为：确定量子数据集，以及表征量子数据集的数据类型的类别信息；将局域量子电路作用到所述量子数据集所包含的量子数据点上，其中，所述局域量子电路是从参数化量子电路所包含的多个量子比特中选取出部分量子比特后所得到的；获取测量得到的作用所述量子数据点后的所述局域量子电路中量子比特的状态信息，并将所述状态信息以及所述类别信息作为对经典神经网络进行训练的训练数据，其中，利用训练完成后的所述经典神经网络能够对待处理量子数据集的数据类型进行识别。如此，为高效地辨别量子数据集的数据类型奠定了基础。
量子数据处理方法设备

[发明专利]用于磁共振成像的运动校正的方法和系统-CN201980043565.9在审
发明人：卡姆莱什·帕瓦尔;陈兆林;纳迪姆·乔尼·沙阿;加里·弗朗西斯·伊根 -专利权人：蒙纳士大学
申请日： 2019-05-14 - 公布日： 2021-02-12 - 主分类号： G06N3/02 文献下载
摘要：一种用于减少或去除磁共振(MR)图像中的运动伪影的方法和系统，该方法包括以下步骤：接收运动损坏的MR图像；通过使用神经网络来确定该运动损坏的MR图像中的每个像素的校正的强度值；以及基于针对运动损坏的MR图像中的像素所确定的校正的强度值，来生成运动校正的MR图像。
用于磁共振成像运动校正方法系统

[发明专利]基于多参数深度分布学习的工业设备状态评估方法-CN202011216010.0在审
发明人：尹爱军;任宏基;廖海燕 -专利权人：重庆大学
申请日： 2020-11-04 - 公布日： 2021-02-09 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及故障诊断技术领域，针对常规多参数工业设备状态评估方法效果差的缺点，公开了基于多参数深度分布学习的工业设备状态评估方法，基于工业设备稳定运行状态下的监测数据，通过参数选择、监测数据拼接制作一维样本序列训练数据集；建立一个包括一个基础分布和与之依次连接的不少于5个仿射层的链式模型，基础分布维度与一维样本序列长度相等，仿射层用于实现与一维样本序列长度相等的两组数据的可逆变换；通过训练数据集对链式模型进行训练以学习工业设备各监测参数的联合分布特性；进行状态评估时通过计算待评估一维样本序列在训练完成后的链式模型下的损失作为设备的状态指标。本发明与现有技术相比，具有准确度高的有益效果。
基于参数深度分布学习工业设备状态评估方法

[发明专利]一种用于神经网络模型测试的图像生成方法-CN202110000540.X在审
发明人：陈振邦;罗锦鉴;洪伟疆;刘美希 -专利权人：中国人民解放军国防科技大学
申请日： 2021-01-04 - 公布日： 2021-02-05 - 主分类号： G06N3/02 文献下载
摘要：本发明公开一种用于神经网络模型测试的图像生成方法，步骤包括：S1.给定目标神经网络模型一个预设输入，当预设输入在目标神经网络模型中进行传播计算时，收集处于激活状态的神经元，获取得到激活神经元集合；S2.对激活神经元集合进行更新，得到更新后激活神经元集合；S3.将更新后激活神经元集合作为约束条件，利用约束求解器进行图像生成，以生成符合更新后激活神经元集合约束的图像。本发明能够利用类似符号执行方式生成特定的图像，使得激活感兴趣的神经元，从而提高神经网络模型测试的覆盖率。
一种用于神经网络模型测试图像生成方法

[发明专利]感兴趣区域-池化层的计算方法与装置、以及神经网络系统-CN201980039309.2在审
发明人：谷骞;高明明;杨康 -专利权人：深圳市大疆创新科技有限公司
申请日： 2019-11-15 - 公布日： 2021-02-02 - 主分类号： G06N3/02 文献下载
摘要：一种感兴趣区域‑池化层的计算方法与装置、以及神经网络系统。该计算装置包括配置接口与S个计算单元；该配置接口被配置为，向S个计算单元中的N个计算单元传输指示N个感兴趣区域的位置的配置信息，其中，N个感兴趣区域与N个计算单元一一对应；N个计算单元中每个计算单元被配置为，对与之对应的感兴趣区域进行池化处理，获得对应感兴趣区域的输出数据。该计算装置包括多个计算单元，因此可以支持实现多个感兴趣区域的并行池化处理，因此，可以提高ROI‑pooling层的处理效率，同时不会造成较大的功耗。
感兴趣区域池化层计算方法装置以及神经网络系统

[发明专利]用于训练模型的方法、装置、设备以及存储介质-CN202011192866.9在审
发明人：周洋杰;方军;陈亮辉;付琰 -专利权人：北京百度网讯科技有限公司
申请日： 2020-10-30 - 公布日： 2021-02-02 - 主分类号： G06N3/02 文献下载
摘要：本申请公开了一种用于训练模型的方法、装置、设备以及存储介质，涉及人工智能、大数据领域。具体实现方案为：获取初始样本数据、用于进行相关性比较的基础特征列数据和待训练模型；基于初始样本数据、基础特征列数据，确定初始样本数据中的各特征列数据与基础特征列数据的初始相关性；基于所初始相关性，更新待训练模型中的单调性约束向量，以训练待训练模型。本实现方式通过利用指定的用于进行相关性比较的基础特征列以及用于进行模型训练的样本数据对待训练模型进行优化训练，迭代更新待训练模型中的单调性约束向量，可以训练得到能够自主合理地生成单调性约束向量的树模型。
用于训练模型方法装置设备以及存储介质

[发明专利]一种基于边缘设备的任务执行方法及系统-CN201810661625.0有效
发明人：李晖;徐雷;邢雨桐 -专利权人：中国联合网络通信集团有限公司
申请日： 2018-06-25 - 公布日： 2021-02-02 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于边缘设备的任务执行方法及系统，该方法包括：任务管理器若判断出多个边缘设备的能力满足任务脚本的能力需求，发送组建神经元网络请求至组网策略管理模块，组网策略管理模块若判断出边缘设备中的神经元组满足任务脚本的神经元组需求，根据所述边缘设备中的神经元组生成与所述任务脚本对应的神经元网络，任务管理器根据任务脚本控制与任务脚本对应的神经元网络执行任务脚本，并反馈任务执行结果至任务生成模块。本发明将神经元分布于边缘设备上，能够基于自协调组合和调度的边缘设备执行任务。
一种基于边缘设备任务执行方法系统

[发明专利]基于神经网络的进给系统模型训练和预测方法及其系统-CN201811119041.7有效
发明人：周会成;蒋亚坤;陈吉红;聂鹏;王俊翔 -专利权人：华中科技大学
申请日： 2018-09-21 - 公布日： 2021-02-02 - 主分类号： G06N3/02 文献下载
摘要：本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。
基于神经网络进给系统模型训练预测方法及其

[发明专利]通信系统中的端到端学习-CN201880094274.8在审
发明人： J·霍伊迪斯;F·艾特·奥迪亚 -专利权人：诺基亚技术有限公司
申请日： 2018-04-03 - 公布日： 2021-01-15 - 主分类号： G06N3/02 文献下载
摘要：描述了一种装置和方法，该装置和方法包括：获取或生成用于传输系统的传输器训练消息序列，其中传输系统包括传输器、信道和接收器，其中传输器包括具有至少一些可训练权重的传输器算法并且接收器包括具有至少一些可训练权重的接收器算法；通过传输系统传输传输器训练消息序列的扰动版本；在传输器处接收第一接收器损失函数数据，第一接收器损失函数数据基于在接收器处接收的接收训练序列和用于传输系统的传输器训练消息序列的知识而被生成；以及基于第一接收器损失函数数据以及传输器训练消息序列的知识和传输器训练消息序列的扰动版本来训练传输器算法的至少一些权重。
通信系统中的端到端学习

[发明专利]更新测试样本集的方法及装置-CN202011272937.6在审
发明人：周俊 -专利权人：创新先进技术有限公司
申请日： 2018-05-10 - 公布日： 2021-01-15 - 主分类号： G06N3/02 文献下载
摘要：本说明书实施例提供一种模型测试的方法和装置，根据该方法，首先从测试样本集中获取图像样本，接着将样本输入模型集包括的多个待测试模型中，以获得各个待测试模型的输出结果，然后根据输出结果确定测试结果，进一步地，在该测试结果未满足预定条件的情况下，按照预先设定的像素范围和/或RGB值范围，对所述样本进行扰动而生成新样本，并将所生成的新样本加入测试样本集，另一方面，在各个测试模型针对样本输出结果的准确度大于设定阈值的情况下，将该样本从测试样本集中删除。如此，在该模型测试的方法被循环执行的情况下，不断更新测试样本集中的图像样本，提高测试样本集的有效性。
更新测试样本方法装置

[发明专利]深度神经网络的量化方法、装置、设备及介质-CN201980037725.9在审
发明人：隋志成;周力;刘默翰;俞清华;赵磊;蒋洪睿 -专利权人：华为技术有限公司
申请日： 2019-02-01 - 公布日： 2021-01-12 - 主分类号： G06N3/02 文献下载
摘要：本申请提供一种深度神经网络的量化方法、装置、设备及介质。包括：获取全浮点深度神经网络训练模型，全浮点深度神经网络训练模型的至少一个参数的存储长度小于8比特和/或至少一个数据的存储长度小于8比特。根据全浮点深度神经网络训练模型的操作集中各操作之间的关系，对全浮点深度神经网络训练模型的操作集进行压缩，以得到全浮点深度神经网络训练模型对应的深度神经网络推理模型的操作集。将深度神经网络推理模型发送给终端。从而可以降低对终端的性能的影响，如可以降低对终端的ROM、RAM、CPU、推理时间等性能的影响。
深度神经网络量化方法装置设备介质

[发明专利]基于FPGA的脑电信号快速分类方法、实现方法及装置-CN201811189859.6有效
发明人：杨济民;郑文凯;刘丹华;刘杰 -专利权人：山东师范大学
申请日： 2018-10-12 - 公布日： 2021-01-08 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了种一种基于FPGA的脑电信号快速分类方法、实现方法及装置，在FPGA上构建适用于脑电信号分类的CNN网络结构模型硬逻辑，并将其中的卷积运算转换为矩阵乘法；建立CNN网络结构模型各层的IP核，采用同步数据流法将CNN网络结构模型中各层的IP核连接，并在相邻IP核之间插入AXI4‑Streaming寄存器片；接收脑电信号训练数据，将浮点型数据转换为预设位数的定点数，训练CNN网络结构模型，调整CNN网络结构模型权重值直至得到分类准确率最高的模型，并将训练好的模型参数存储于DDR存储器，得到实现脑电信号快速分类的FPGA，利用CNN网络结构模型进行脑电信号快速分类。
基于 fpga 电信号快速分类方法实现装置

[发明专利]基于人工智能的建议的解释-CN201980031846.2在审
发明人： M·J·希恩德;M·S·坎贝尔 -专利权人：国际商业机器公司
申请日： 2019-05-07 - 公布日： 2021-01-05 - 主分类号： G06N3/02 文献下载
摘要：提供了有关人工智能建议解释的技术。例如，本文描述的一个或多个实施例可以包括一种系统，该系统可以包括可以存储计算机可执行组件的存储器。该系统还可以包括处理器，该处理器可操作地耦合到存储器，并且可以执行存储在存储器中的计算机可执行组件。所述计算机可执行组件可以包括：组合组件，其接收包括第一特征向量、第一类和第一解释的第一训练数据集，并且将所述第一类和所述第一解释进行组合以产生第一增强标签和包括所述第一训练数据集的第二训练数据集，所述第二训练数据集包括第一特征向量和第一增强标签；分类器，其在第二训练数据集上训练的，其分析第二特征向量并生成第二增强标签；分解组件，使用分类器分解第二增强标签，以生成第二类和第二解释。
基于人工智能建议解释

[发明专利]一种基于神经网络识别和模糊分析的低电压风险评估系统-CN202011000743.0在审
发明人：王志立;刘世伟;李鑫路;孙秀兵;党明鹏;邵利坤;夏传鲲;付文竹;秦建新 -专利权人：国网河南省电力公司鹤壁供电公司
申请日： 2020-09-22 - 公布日： 2020-12-29 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及一种基于神经网络识别和模糊分析的低电压风险评估系统，神经网络识别系统包括输入层、隐含层和输出层，神经网络识别系统的输入层用于接收外在数据库的数据，隐含层与输入层相连，用于接收输入层的传递信号，隐含层节点由高斯函数作为基函数构成，隐含层节点中的基函数对输入信号进行局部产生响应，当输入量靠近基函数的中央范围时，隐含层将产生较大的输出，信号通过输出层输出低电压风险指标，模糊分析系统包括模糊控制器，模糊控制器的输入端与数据库连接，输出的电压指标将低电压风险指标筛选输出，用隶属函数的方法实现定量的描述模糊性对象；本发明具有评估准确、将神经网络识别系统和模糊分析系统结合的优点。
一种基于神经网络识别模糊分析电压风险评估系统