专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果157个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于深度学习网络的图像分类方法-CN201810448134.8有效
  • 王改华;吕朦;袁国亮;刘文洲;李涛 - 湖北工业大学
  • 2018-05-11 - 2020-10-13 - G06K9/62
  • 本发明公开了一种基于深度学习网络的图像分类方法,首先建立与ResNext网络相同的提取特征部分,这部分通过堆叠卷积快来实现。根据参数设置,将每个参数相同的卷积块分为一节,并对每节部分进行同样大小卷积块的删减;然后在建立好网络的三节部分中提取每一部分网络得到的特征图,处理后获得最后的特征列向量;接着将最后的特征列向量与softmax分类器连接,完整整个网络;整个网络用已知数据库进行调节,保存调节好后的权值;最后将网络运用到新数据库时,用保存好的权值迁移学习,然后进行微调。本发明提出了一种新的卷积神经网络算法结构,并降低了参数储存量,缩短了网络训练时间,同时提高了识别效率。
  • 一种基于深度学习网络图像分类方法
  • [发明专利]一种复合高温压电陶瓷材料-CN201710357002.X有效
  • 张伟飞;袁国亮;穆罕默德·阿德南·凯瑟 - 南京理工大学
  • 2017-05-19 - 2020-06-30 - H01L41/187
  • 本发明公开了一种复合高温压电陶瓷材料。所述陶瓷材料成分以通式Bi3TaTiO9‑xBiFeO3来表示,其中x为BiFeO3与Bi3TaTiO9的重量百分比,且x=20wt%~50wt%。所述材料的制备过程为:首先分别合成Bi3TaTiO9粉体和BiFeO3粉体,然后将Bi3TaTiO9陶瓷粉和BiFeO3陶瓷粉球磨混合烧结成瓷。本发明的复合高温压电陶瓷材料的压电常数d33达到24pC/N,是单相Bi3TaTiO9陶瓷材料的1.8倍,在500℃高温环境下具有较大的电阻率,ρ约为104Ω·m。本发明的复合陶瓷材料适用于制备在高温环境下使用的压电驱动器以及压电传感器。
  • 一种复合高温压电陶瓷材料
  • [发明专利]一种基于MobileNets优化多尺度学习网络的方法-CN201810108120.1有效
  • 王改华;刘文洲;吕朦;袁国亮;李涛 - 湖北工业大学
  • 2018-02-02 - 2020-03-10 - G06N3/04
  • 本发明涉及一种基于MobileNets优化多尺度学习网络的方法,本发明所述多尺度学习网络包括4部分,前3部分为相同的可分离卷积层,每个可分离卷积层后面连接batchnorm和ReLU,再连接池化层,最终与第4部分的全连接层和输出层连接,其中可分离卷积层包括3组卷积操作,具体网络结构为,第一组以3*3的深度卷积进行卷积操作,第二组连续用两个3*3的深度卷积进行卷积操作,然后再将第一组和第二组的输出进行加和操作,继续用1*1的点卷积进行卷积操作;第三组直接用1*1的点卷积进行卷积操作,接着把第一、二组和第三组的输出进行合并操作;通过实验对比发现,本发明构建的网络结构实验参数少,精度高,三组可分离卷积层结构稳定,实验效果最为理想。
  • 一种基于mobilenets优化尺度学习网络方法
  • [发明专利]一种基于空间金字塔的卷积神经网络的图像分类方法-CN201710198700.X有效
  • 王改华;吕朦;李涛;袁国亮 - 湖北工业大学
  • 2017-03-29 - 2019-12-24 - G06K9/62
  • 本发明公开了一种基于空间金字塔的卷积神经网络的图像分类算法,借鉴了空间金字塔先提取全局特征,然后每个金字塔水平画以网格的方式获取局部特征组成空间金字塔的整体特征。构造了一个新的卷积神经网络模型,此模型前半部分为传统的卷积网络,有3个卷积层2个池化层;之后将这3个卷积层以画网格的方式进行均匀池化获得各自特征图。每层特征图按列连成一个特征向量,然后将这3个特征向量顺序连接成为一个总的特征向量。这个总的特征向量即涵盖了经典卷积层的特征,同时也添加了前面卷积层的特征,避免了重要特征的遗失,同时网格大小调整了各卷积层特征图的权重,有助于提高网络的识别效率。
  • 一种基于空间金字塔卷积神经网络图像分类算法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top