“三层神经网络”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果6383641个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络监督的三维图像分割方法-CN202011040012.9有效
发明人：庄树昕;庄哲民;陈贵清;袁野 -专利权人：汕头大学
申请日： 2020-09-28 - 公布日： 2023-10-17 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络监督的三维图像分割方法，将基于卷积神经网络监督的3D U‑Net与双向卷积循环神经网络相结合，构建全新的ABVUS三维图像分割网络模型架构，从三维乳腺超声图像中分割出立体的肿瘤、腺体层、脂肪层与皮下组织层；针对卷积神经网络的编码器在训练过程中可能出现梯度消失、性能退化的问题。因此，通过在卷积神经网络的编码器部分加入深度边界监督作为卷积神经网络，借助深度边界监督卷积神经网络的边界提示，使得浅层网络获得更加充分的训练，避免梯度消失的同时可以提高卷积神经网络的学习能力，从而更好地抵御超声图像的噪声
一种基于卷积神经网络监督三维图像分割方法

[发明专利]基于RBF神经网络的三芯电缆导体温度实时计算方法-CN201610842609.2有效
发明人：马宏忠;付明星;施恂山;许洪华;刘宝稳 -专利权人：河海大学
申请日： 2016-09-22 - 公布日： 2019-01-25 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了基于RBF神经网络的三芯电缆导体温度实时计算方法，该方法首先测量三芯电缆部分参数的运行数据，包括三芯电缆导体运行电流、电缆外表皮实时温度和电缆导体实时温度；然后将三芯电缆导体电流、电缆外表皮温度作为输入，电缆导体实时温度作为输出，建立三层前馈型RBF神经网络模型；再将获取的三芯电缆运行数据作为训练样本，蚁群优化算法作为学习算法，训练并确定性能较优的RBF神经网络模型；最后将实时采集的三芯电缆导体电流、电缆外表皮温度输入到训练好的RBF网络，便可计算输出三芯电缆导体的实时温度。本发明方法可以不受外界复杂环境和电缆本身物理参数的影响，具有准确地动态计算三芯电缆导体温度等优点。
基于 rbf 神经网络电缆导体温度实时计算方法

[发明专利]一种广播电视接入网上行信道噪声智能识别方法-CN201210258582.4无效
发明人：马永涛;刘开华;朱琳 -专利权人：天津大学
申请日： 2012-07-24 - 公布日： 2012-11-07 - 主分类号： H04B17/00 文献下载
摘要：本发明属于广播电视网络双向传输健康监测领域，涉及一种广播电视接入网上行信道噪声智能识别方法，包括：获得实际NGB网络上行信道的实时频谱数据；将NGB网络上行信道的主要噪声划分为热噪声、窄带连续波干扰、宽带脉冲干扰三种，从实际NGB网络上行信道的实时频谱数据选取一些场，并判断每一场的主要噪声种类；提取每一场的多个频点的特征值；建立三层BP神经网络；采用LM算法，并进行BP神经网络的训练，得到对下一代广播电视接入网NGB上行信道进行噪声智能识别的神经网络模型；利用得到的神经网络模型对新输入的NGB上行信道的实时频谱数据的噪声类型进行有效的判断。
一种广播电视接入网上行信道噪声智能识别方法

[发明专利]基于HP-Net卷积神经网络的图像分类方法-CN201810907142.4在审
发明人：李孝杰;伍贤宇;史沧红;吕建成;吴锡;李莉丽;郭峰;罗超;张宪;刘书樵;李俊良 -专利权人：成都信息工程大学
申请日： 2018-08-09 - 公布日： 2018-12-28 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及图像处理技术领域，具体的说是基于HP‑Net卷积神经网络的图像分类方法。，n，n表示图像块的数量；步骤3：将I_i输入到卷积神经网络中进行训练；步骤4：经过若干次提取特征，再通过三层全连接层，得到一维的矩阵，然后使用丢弃正则化操作避免过拟合；步骤5：将卷积神经网络中的输出结果输入到本发明所提出的网络模型表现出更好的性能，在RO‑5和花卉数据集上比其他现有的网络模型要高。
卷积神经网络输入图像图像分类网络模型图像处理技术读取矩阵表示图像分类结果输出结果提取特征分类器连接层数据集图像块正则化拟合三层丢弃集合花卉表现

[发明专利]一种颅脑CT图像出血区域自动分割方法-CN202010559693.3在审
发明人：曹国刚;王一杰;朱信玉;李梦雪;曹聪;刘顺堃;毛红东;孔德卿 -专利权人：上海应用技术大学
申请日： 2020-06-18 - 公布日： 2020-09-29 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种颅脑CT图像出血区域自动分割方法：S1获取需要进行出血区域自动分割的颅脑CT图像；S2：将颅脑CT图像依次通过预先构建并训练的改进U‑Net卷积神经网络，网络整体结构为三层下采样层三层上采样层，在跳跃连接过程中将下采样获取的特征图分别经复制、卷积、裁剪后，与各自对应的上采样层后的特征图进行拼接，对应的上采样层对拼接后的特征图进行上采样和卷积。改进U‑Net卷积神经网络一共包括七层，保证特征提取的同时减少信息的丢失，节省时间提升整体效率；在跳跃连接步骤中对下采样的特征图增加了卷积操作，可以在不改变模型层数的同时为上采样层提供更多的信息，从而提高后续对颅脑出血
一种颅脑 ct 图像出血区域自动分割方法

[发明专利]基于循环神经网络融合的机械零部件健康指标构造方法-CN201710109877.8有效
发明人：雷亚国;牛善涛;郭亮;李乃鹏;林京 -专利权人：西安交通大学
申请日： 2017-02-28 - 公布日： 2020-03-31 - 主分类号： G06F30/17 文献下载
摘要：一种基于循环神经网络融合的机械零部件健康指标构造方法，首先获取机械零部件振动信号，计算得到振动信号时域特征序列和频域特征序列；根据时域特征序列和频域特征序列计算相似性特征；对振动信号进行三层小波包变换，得到频带能量比特征；利用特征的综合评价指标筛选出机械零部件退化过程的敏感特征集，用以训练循环神经网络；通过敏感特征集和训练好的循环神经网络可以得到新的机械零部件健康指标RNN‑HI，本发明利用相似性特征和循环神经网络充分挖掘了机械零部件振动信号中的退化信息
基于循环神经网络融合机械零部件健康指标构造方法

[发明专利]一种基于深度神经网络的VHF/UHF频段无线电信号调制方式识别方法-CN201910999117.8有效
发明人：谢欣;戴江安;唱亮;孙浩;邱天爽;陈兴;丑远婷;高宏杰 -专利权人：大连理工大学;中国人民解放军61081部队;北京东方波泰无线电频谱技术研究所有限公司
申请日： 2019-10-21 - 公布日： 2022-11-18 - 主分类号： G06K9/00 文献下载
摘要：一种基于深度神经网络的VHF/UHF频段无线电信号调制方式识别方法，属于通信技术领域。该方法在深度学习理论的基础上，选择三层神经网络作为信号分类器，以3大类26种信号特征作为分类器输入向量，输出14维向量分别对应VHF/UHF频段中常见的14种无线电信号。神经网络采用ReLU作为神经元的激活函数，输出层使用Softmax函数计算输入信号归为各类的概率。分类器训练中使用Adam优化方法实现网络参数更新，采用交叉熵作为代价函数计算网络的误差，并采用dropout技巧提升网络的识别正确率。
一种基于深度神经网络 vhf uhf 频段无线电信号调制方式识别方法

[发明专利]一种高频金融时序序列多类别预测方法-CN202010880027.X在审
发明人：陈鹏;陈愚夫;罗航;彭德中;龚运鸿;单文煜 -专利权人：西华大学
申请日： 2020-08-27 - 公布日： 2020-12-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种高频金融时序序列多类别预测方法，基于数字货币高频交易数据，得到数据集和用于对应标记数据集元素类别的标签集，数据集分为验证集和训练集；预测模型包括三层Bi‑LSTM神经网络层，神经网络层后接Attention层，Attention层后接全连接层；将训练集应用mini‑batch随机算法结合Adam优化算法，输入神经网络层进行训练更新权重；在tN时刻预测base:Sub>，w为时间窗口长度，输入至预测模型，得到输出与标签集标签相对应格式的四维向量pN+1，四维向量pN+1为神经网络预测类别的概率分布
一种高频金融时序序列类别预测方法

[发明专利]一种大数据空调系统动态智能预测系统建模方法-CN202111332464.9在审
发明人：潘林;李奥;王千逸;张舒怡;王升;卢镜明;王雷冲 -专利权人：武汉理工大学
申请日： 2021-11-11 - 公布日： 2022-03-18 - 主分类号： G06N3/08 文献下载
摘要：一种大数据空调系统动态智能预测系统建模方法，包括以下步骤：S1、建立冷源系统的BP神经网络能耗预测模型：对已知的空调实际运行的能耗数据进行去趋势去周期处理：得到去趋势和去周期处理后的时间序列的能耗值；然后建立三层BP神经网络模型并对该模型进行训练，最后将BP网络的输出预测结果转换成空调系统冷源系统的能耗需求预测值；S2、遗传算法优化神经网络：将初始BP网络的权值和阈值编码成染色体，通过遗传算法配置BP神经网络，最后得到优化后的BP神经网络。
一种数据空调系统动态智能预测建模方法

[发明专利]神经网络训练方法、装置、可读存储介质和计算机设备-CN201910238685.6有效
发明人：陈华明;张红林 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-03-27 - 公布日： 2021-02-26 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种神经网络训练方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取第二神经网络模型，第二神经网络模型的第一网络层包括多个特征领域，各个特征领域存在对应的模型参数，模型参数为与第一网络层连接的第二网络层的输入参数；从第一神经网络模型获取与第一网络层对应的第三网络层，第一神经网络模型已经达到收敛；获取第三网络层中与第一网络层中相同的特征领域，获取相同的特征领域对应的模型参数得到保留模型参数；将保留模型参数作为第二神经网络模型匹配的特征领域的模型参数；输入训练样本至第二神经网络模型进行训练，直至满足收敛条件，得到目标神经网络模型。本申请提供的方案能够提高神经网络模型的训练效率。
神经网络训练方法装置可读存储介质计算机设备

[发明专利]一种三维模型的深度特征提取方法-CN201710148547.X在审
发明人：周燕;曾凡智 -专利权人：佛山科学技术学院
申请日： 2017-03-14 - 公布日： 2017-08-25 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种三维模型的深度特征提取方法，首先，提取三维模型的极视图，作为深度卷积神经网络的训练输入数据；其次，构建深度卷积神经网络，并对极视图进行训练；再次，将极视图输入到深度卷积神经网络进行训练，直到深度卷积神经网络收敛，实现训练完成后深度卷积神经网络的内部权值的确定；最后，在已训练好的深度卷积神经网络中输入需提取特征的三维模型的极视图，计算深度卷积神经网络中全链接层的特征向量，则作为需提取特征的三维模型的深度特征。本发明构建深层卷积神经网络经过迭代修正权值缩小残差，使得网络收敛。待训练完毕后，提取卷积神经网络的全链接层作为三维模型极视图的深度特征。
一种三维模型深度特征提取方法

[发明专利]一种基于RGBD数据的局部描述子学习方法-CN201810083376.1有效
发明人：胡永利;秦子文;孙艳丰;尹宝才 -专利权人：北京工业大学
申请日： 2018-01-29 - 公布日： 2022-03-08 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种基于RGBD数据的局部描述子学习方法，包括设计卷积神经网络模型，使用随机梯度下降方法训练卷积神经网络，使用训练完成的卷积神经网络构造描述子。其中卷积神经网络模型包含两部分：第一部分为特征提取层，第二部分为特征融合层；其中特征提取层分为两个子网络：二维卷积子神经网络和三维卷积子神经网络；特征融合层为全连接神经网络；二维卷积子神经网络和三维卷积子神经网络是平行网络
一种基于 rgbd 数据局部描述学习方法

[发明专利]一种电力系统中变电站短期电能质量预测方法-CN201210434409.5无效
发明人：薛俊茹;宋锐;张海宁;孔祥鹏;丛贵斌;刘可;赵世昌;王轩;梁英;李春来;杨嘉;马勇飞;杨军;杨立滨;张杰;张展;杜永涛 -专利权人：青海电力科学试验研究院;北京一同宇科技发展有限公司
申请日： 2012-11-05 - 公布日： 2013-04-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明所述的方法包括如下步骤：（1）BP神经网络引入步骤；（2）BP神经元三层BP神经网络学习步骤；（3）BP神经网络的设计步骤。本发明采用神经网络法对电力系统中变电站短期电能质量进行预测，其优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。近年来的研究表明，相对于现有技术中的统计技术和专家系统法两种方法，利用神经网络技术进行电力系统中变电站短期电能质量预测可获得更高的精度。
一种电力系统变电站短期电能质量预测方法

[发明专利]一种金属切削突变现象建模方法及系统-CN202210213829.4在审
发明人：熊良山;张少楠;朱宝义;许明贤 -专利权人：华中科技大学
申请日： 2022-03-04 - 公布日： 2022-07-12 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种金属切削突变现象建模方法及系统，确定第一神经网络，第一神经网络模拟金属切削过程中的标准尖点突变模型；确定第二神经网络，其前一级神经网络包括第三、第四神经网络，后一级神经网络为训练好的第一神经网络，第三、第四神经网络的输出层共同构成后一级神经网络的输入层；第三神经网络描述从实际控制参数到理论控制参数之间映射关系，第四神经网络描述从实际控制参数和实际状态参数到理论状态参数之间映射关系；本发明利用多个预先训练的神经网络组合
一种金属切削突变现象建模方法系统

[发明专利]三维卷积神经网络卷积层的处理方法和处理装置-CN202210580197.5在审
发明人：付维;孙轶群;潘志铭;李桂润 -专利权人：深圳大学;深圳优矽科技有限公司
申请日： 2022-05-25 - 公布日： 2022-09-09 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种三维卷积神经网络卷积层的处理方法，用于三维卷积神经网络卷积层的处理装置，所述处理装置包括乘加计算阵列、累加器，所述处理方法包括：配置所述三维卷积神经网络中卷积核的个数为K；配置所述三维卷积神经网络中卷积核和输入特征图的通道数均为C；展开所述卷积核/输入特征图的通道维度以及卷积核的数量维度，完成三维卷积神经网络中卷积层的计算。
三维卷积神经网络处理方法装置