“G06N3/04”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9067个，建议您升级VIP下载更多相关专利

[发明专利]基于端到端生成对抗网络的非接触式生理信号测量方法-CN202010870622.5有效
发明人：宋仁成;陈欢;成娟;李畅;刘羽;陈勋 -专利权人：合肥工业大学
申请日： 2020-08-26 - 公布日： 2023-09-26 - 主分类号： G06N3/0475 文献下载
摘要：本发明公开了一种基于端到端生成对抗网络的非接触式生理信号测量方法，其步骤包括：1处理视频数据得到色度信号，将参考信号用级数展开获得多个标签信号，并获取对应的运动信号；2构建生成对抗网络，设计生成器和判别器的网络结构，采用3D网络模块和多个1D网络模块级联构成引导式的多标签生成器，采用多个卷积块构成判别器；3生成器多个网络模块的损失函数与对抗损失的加权和作为损失函数，判别器以最小二乘损失作为损失函数；4将视频数据输入生成对抗网络训练，调整网络参数，得到最优模型。本发明能够得到较为准确的rPPG信号，为基于视频的生理参数监测的实际应用提供解决方案。
基于端到端生成对抗网络接触生理信号测量方法

[发明专利]一种基于有限监测点位的时空数据生成方法及系统-CN202010953119.6有效
发明人：许镇义;康宇;曹洋;裴丽红;李泽瑞;吕文君;赵振怡;刘斌琨 -专利权人：合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2020-09-11 - 公布日： 2023-09-26 - 主分类号： G06N3/0475 文献下载
摘要：本发明的一种基于有限监测点位的时空数据生成方法及系统，包括以下步骤：S100、获取尾气遥测数据和车辆基本信息数据；S200、把获取到的数据输入事先构建并训练好的尾气监测数据生成对抗网络模型，生成对应的时空数据。所述对抗网络模型的构建和训练步骤如下：S201、获取尾气遥测数据和车辆基本信息数据，并进行关联影响分析；S202、根据关联影响因素设计尾气排放先验修正模型；S203、根据尾气遥测数据和尾气排放先验修正模型设计尾气监测数据生成对抗网络模型；S204、训练尾气监测数据生成对抗网络模型。本发明可克服由于有限监测点位导致尾气观测数据的数据空间稀疏性及监测数据本身存在空间异质性等问题，实现对城市区域的车辆尾气排放态势进行全局估计。
一种基于有限监测时空数据生成方法系统

[发明专利]构建神经网络架构搜索框架的方法、系统、设备及介质-CN202011495125.8有效
发明人：周镇镇;李峰;张潇澜 -专利权人：苏州浪潮智能科技有限公司
申请日： 2020-12-17 - 公布日： 2023-09-26 - 主分类号： G06N3/044 文献下载
摘要：本发明公开了一种构建神经网络架构搜索框架的方法、系统、设备和存储介质，方法包括：根据搜索空间配置文件在超网络类中生成初始超网络结构，并使用数据集对初始超网络结构中的超网络进行预训练；利用控制器在预训练后的超网络中采样子网络，并根据任务类型在子网络中设置对应的head网络和neck网络以形成子任务网络；对子任务网络进行训练，并根据训练结果更新初始超网络结构以得到超网络结构；以及基于多个子任务网络对所述超网络结构进行验证，利用验证结果，对超网络和控制器进行优化，重复控制器采样、验证及优化过程，直到重复次数达到阈值，选择具有最优验证结果的超网络结构作为神经网络架构搜索框架。
构建神经网络架构搜索框架方法系统设备介质

[发明专利]一种神经网络模型训练方法、装置、电子设备及存储介质-CN202110304132.3有效
发明人：高志鹏;苗东;芮兰兰;莫梓嘉;赵晨;林怡静;谭清;付伟 -专利权人：北京邮电大学;北京驱云科技有限公司
申请日： 2021-03-22 - 公布日： 2023-09-26 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供的神经网络模型训练方法、装置、电子设备及存储介质，应用于信息技术领域，通过根据预设的多组分割点将待训练的图像分类网络模型分割为多组子网络模型；针对各组子网络模型，通过预设损失函数分别计算对应的损失；针对各组子网络模型，根据计算得到的损失进行联合训练，得到多组待输出子网络模型；针对各组子网络模型，分别计算各待输出子网络模型对应的多项性能参数；根据各组子网络模型对应的多项性能参数，通过预设熵权模型，分别计算各组子网络模型对应的综合性能得分；选取各组子网络模型中综合性能得分最高的一组作为目标子网络模型。可以按照目标子网络模型进行图像分类网络模型的部署，从而提高神经网络部署的便利性。
一种神经网络模型训练方法装置电子设备存储介质

[发明专利]分布式计算方法及分布式计算系统-CN202010123789.5有效
发明人：黄鑫;宋宪政;王琳 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-02-27 - 公布日： 2023-09-26 - 主分类号： G06N3/042 文献下载
摘要：本说明书提供了一种用于运行分析图结构的深度学习模型的分布式计算方法和系统。所述分布式计算系统中的至少一个计算设备反复迭代执行所述图结构的图嵌入向量更新操作，包括：获取所述图结构中目标节点的目标图嵌入向量；从所述分布式计算系统中的至少一个关联计算设备接收相邻目标图嵌入向量；基于所述目标图嵌入向量和相邻目标图嵌入向量，生成迭代后的目标图嵌入向量；以及将所述迭代后的目标图嵌入向量发送给所述关联计算设备。
分布式计算方法计算系统

[发明专利]一种用于矛盾纠纷事件因果关系识别的深度学习方法-CN201911144453.0有效
发明人：钱华;姜永华;钱建华;王巧荣;房查;张宏斌 -专利权人：中共南通市委政法委员会;江苏飞搏软件股份有限公司
申请日： 2019-11-20 - 公布日： 2023-09-26 - 主分类号： G06N3/0455 文献下载
摘要：本发明涉及一种用于矛盾纠纷事件因果关系识别的深度学习方法，所述方法包括以下步骤：步骤1：获取训练语料文本；步骤2：训练语料文本预处理；步骤3：自动标注提取的每个句子数组，输出标注后的M个包含1个结果句子、1个原因句子和15随机句子的句子数组；步骤4：训练基于上下文注意力机制的因果关系识别模型；步骤5：待识别的矛盾纠纷事件描述文本预处理，输出对应的句子的语义特征向量；步骤6：将语义特征向量组合后输入训练好的因果关系识别模型中；步骤7：输出矛盾纠纷事件间的因果关系。该技术方案解决了传统的基于机器学习的分类方法的因果关系识别准确度不高的问题。
一种用于矛盾纠纷事件因果关系识别深度学习方法

[发明专利]优化网络表示学习的方法、模型训练方法和系统-CN202110678666.2有效
发明人：沈颖;林仕阳 -专利权人：中山大学
申请日： 2021-06-18 - 公布日： 2023-09-26 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供的优化网络表示学习的方法、模型训练方法和系统，通过获取图网络中的待处理节点及其预测时间点；从图网络中获取以待处理节点为中心节点的子图网络；去除子图网络中时间戳晚于预测时间点的邻域节点，得到有效的子图网络；基于图卷积神经网络，使用注意力机制分别计算子图网络中待处理节点与各个邻域节点之间的相关性；对各个相关性进行归一化，得到对应的注意力权重系数；采用注意力权重系数对待处理节点的所有邻域节点进行加权，得到待处理节点的邻域聚合表示向量。可见，本发明可解析预测时间点附近的最新节点交互，更好地捕捉由于时间错位而产生的动态异构网络变化，从而提高了网络表示学习的准确性。
优化网络表示学习方法模型训练系统

[发明专利]一种基于浮点数位变异遗传算法优化卷积神经网络的方法-CN201910152613.X有效
发明人：胡劲松;邓国健;李振业 -专利权人：华南理工大学
申请日： 2019-02-28 - 公布日： 2023-09-26 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种基于浮点数位变异遗传算法优化卷积神经网络的方法，包括以下步骤：1）构建卷积神经网络和损失函数；2）初始化种群：通过参数编码构建N个个体作为种群，构建种群的适应度函数计算每个个体的适应度；3）选择操作；4）交叉操作；5）浮点数位变异操作。利用其优化卷积神经网络做人脸识别。本发明结合两者的优点，采用浮点数编码，二进制变异，尤其是利用IEEE 754浮点数来实现，这种改进提高了全局搜索能力。利用改进后的遗传算法优化卷积神经网络，应用于人脸识别。
一种基于浮点数位变异遗传算法优化卷积神经网络方法

[发明专利]用于图像标注的空间注意力模型-CN201780071579.2有效
发明人：卢家森;熊蔡明;R·佐赫尔 -专利权人：硕动力公司
申请日： 2017-11-18 - 公布日： 2023-09-26 - 主分类号： G06N3/0442 文献下载
摘要：所公开的技术提出了一种新颖的空间注意力模型，其使用解码器长短期记忆(LSTM)的当前隐藏状态信息来引导注意力并提取空间图像特征用于图像标注(image captioning)。所公开的技术还提出了一种用于图像标注的新颖的自适应注意力模型，其混合来自卷积神经网络(CNN)的视觉信息和来自LSTM的语言信息。在每个时间步长处，与语言模型相比，自适应注意力模型自动决定依赖图像的程度，以发出下一个字幕单词。所公开的技术进一步将新的辅助哨兵门添加到LSTM架构并产生哨兵LSTM(Sn‑LSTM)。哨兵门在每个时间步长处产生视觉哨兵，这是从LSTM的内存得到的长期和短期视觉和语言信息的附加表示。
用于图像标注空间注意力模型

[发明专利]神经网络中位宽定点化方法、装置、终端和存储介质-CN201811095811.9有效
发明人：翁春磊 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2018-09-19 - 公布日： 2023-09-26 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种神经网络中位宽定点化方法、装置、移动终端和存储介质，属于图像检测技术领域。方法包括：获取神经网络对应的浮点模型和多个样本数据；基于多个样本数据，对浮点模型中的浮点参数、输入数据和输出数据分别进行定点转换，得到浮点参数的第一量化范围、输入数据的第二量化范围和输出数据的第三量化范围；根据第一量化范围、第二量化范围和第三量化范围，基于神经网络的整型卷积运算，对浮点参数的第一量化范围进行调整，得到第四量化范围；将浮点模型中的浮点参数的取值范围调整为第四量化范围得到定点模型。本申请中将浮点运算转为定点运算，提高模型卷积运算速度，降低了内存资源、硬盘存储资源和电量的消耗以及提高了运行速度。
神经网络中位宽定点化方法装置终端存储介质

[发明专利]肉牛个体生长曲线获取方法、装置和存储介质-CN202010440542.6有效
发明人：赵拴平;贾玉堂;徐磊;金海 -专利权人：安徽省农业科学院畜牧兽医研究所
申请日： 2020-05-22 - 公布日： 2023-09-26 - 主分类号： G06N3/045 文献下载
摘要：本发明公开了一种肉牛个体生长曲线获取方法、装置和存储介质。肉牛个体生长曲线获取方法包括从肉牛获取在小于等于t个月的多个生长时间下的各第三体征特征，设定u‑t个零值数据，将第1个月至第u个月生长时间下的各第三体征特征输入到第t个月对应的人工智能模型，获取人工智能模型的输出值，根据所述人工智能模型的输出值确定第三曲线参数，获取由所述第三曲线参数确定的个体生长曲线等步骤。本发明实施例使用经过训练的人工智能模型，可以利用肉牛群体的生长信息，从而预测单个肉牛的生长趋势。本发明广泛应用于肉牛生产技术领域。
肉牛个体生长曲线获取方法装置存储介质

[发明专利]基于层次化图神经网络的多机器人环境探索方法及系统-CN202211454807.3有效
发明人：程吉禹;张浩;张伟;张林;宋然;李晓磊 -专利权人：山东大学
申请日： 2022-11-21 - 公布日： 2023-09-26 - 主分类号： G06N3/0464 文献下载
摘要：本发明提出了基于层次化图神经网络的多机器人环境探索方法及系统，涉及多机器人未知环境探索领域。包括：基于拓扑图的环境建模方法把连续的环境地图表示为拓扑图；基于层次化图神经网络对拓扑图进行特征提取，将拓扑图中不同跳数的特征信息进行聚合，并利用多头注意力机制对拓扑图中结点和边的特征进行融合，得到最终输出拓扑图；将最终输出拓扑图中单个机器人节点对应的结点特征作为强化学习中对应智能体的状态，利用多头注意力机制对来自多个机器人的结点特征进行信息融合，得到机器人系统总状态价值。本发明有注意性地提取环境拓扑图中的特征信息，利用多智能体强化学习框架进行策略学习，提升多机器人系统整体的协同性和任务执行效率。
基于层次神经网络机器人环境探索方法系统

[发明专利]机器学习排名和预测校准-CN202280011998.8在审
发明人： G·沙米尔;Z·李 -专利权人：谷歌有限责任公司
申请日： 2022-09-23 - 公布日： 2023-09-22 - 主分类号： G06N3/045 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用于训练和使用机器学习(ML)模型的计算机程序。在一个方面，一种方法包括接收数字组件请求。第一ML模型可以输出指示数字组件的正结果的可能性的分数。输入数据可以被提供给第二ML模型，并且可以包括基于输出分数选择的数字组件子集的特征值。第二ML模型可以被训练以至少部分地基于将作为推荐一起提供的数字组件的特征值来输出数字组件的参与预测和/或排名，并且可以产生包括数字组件子集中的数字组件的排名和参与预测的第二输出。可以基于第二输出提供至少一个数字组件。
机器学习排名预测校准

[发明专利]一种基于GPT架构的公文自动生成方法及装置-CN202310009751.9在审
发明人：马延美;刘学谦;王来奇 -专利权人：北京方寸无忧科技发展有限公司
申请日： 2023-01-04 - 公布日： 2023-09-22 - 主分类号： G06N3/045 文献下载
摘要：本申请公开了一种基于GPT架构的公文自动生成方法及装置。所述基于GPT架构的公文自动生成方法包括：获取经过训练的GPT‑OD语言模型；获取使用者所输入的文字信息；将所述文字信息输入至经过训练的GPT‑OD语言模型，从而获取GPT‑OD语言模型所输出的公文信息。本申请所提供的基于GPT架构的公文自动生成方法针对公文语料的数据预处理：使用了简单高效的数据预处理策略对大规模的公文语料进行了过滤，进而提升了模型的公文生成能力。
一种基于 gpt 架构公文自动生成方法装置

[发明专利]面向卷积神经网络的量子力学仿生优化及数据增强方法-CN202310298099.7在审
发明人：蔡文鑫;陈德潮 -专利权人：杭州电子科技大学
申请日： 2023-03-24 - 公布日： 2023-09-22 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种面向卷积神经网络的量子力学仿生优化及数据增强方法，包括如下步骤：S1、将已知的卷积神经网络的权重和偏置作为需优化的空间X；S2、将获取的样本作为卷积神经网络的输入，计算卷积神经网络的输出，并将卷积神经网络的输出与样本真实标签进行比较，得到损失函数；S3、根据空间中的最优位置调整卷积神经网络的参数，完成卷积神经网络的初始优化；S4、训练卷积神经网络，在训练卷积神经网络的过程中，在特征空间上进行数据增强，从语义层面扩充样本，进一步提升卷积神经网络的泛化能力。该方法得到的优化后的卷积神经网络的初始参数并从语义上扩充特征集，能有效提升卷积神经网络的泛化能力。
面向卷积神经网络量子力学仿生优化数据增强方法