“人工神经网络算法”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2131898个，建议您升级VIP下载更多相关专利

[发明专利]神经网络信息转换方法和系统-CN201710056211.0有效
发明人：裴京;吴臻志;施路平;邓磊 -专利权人：北京灵汐科技有限公司
申请日： 2017-01-25 - 公布日： 2021-07-09 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种神经网络信息转换方法和系统，所述方法包括：接收前继神经元输入的神经元输入信息，包括接收前继人工神经元输入的人工神经元输入信息，或接收前继脉冲神经元输入的脉冲神经元输入信息；根据所述前继人工神经元输入的所述人工神经元输入信息，通过预设的人工信息转换算法，将所述人工神经元输入信息转换为脉冲神经元转换信息；或根据所述脉冲神经元输入信息，通过预设的脉冲信息转换算法，将所述脉冲神经元输入信息转换为人工神经元转换信息；输出所述脉冲神经元转换信息或所述人工神经元转换信息本发明实现了在一个神经网络中，同时兼容两种不同的神经元信息的方式，提高了神经网络的信息处理能力。
神经网络信息转换方法系统

[发明专利]基于人工神经网络的飞机翼型/机翼反设计方法-CN201510198979.2有效
发明人：孙刚;王舒悦;孙燕杰;陶俊 -专利权人：复旦大学
申请日： 2015-04-22 - 公布日： 2018-01-12 - 主分类号： G06F17/50 文献下载
摘要：本发明属于飞机设计技术领域，具体为一种基于人工神经网络的飞机翼型/机翼反设计方法。本发明方法包括利用翼型/机翼PARSEC参数化方法重构翼型/机翼的表达方式，通过人工神经网络（ANN）算法，实现反设计技术。本发明撇开了传统的翼型/机翼设计繁琐而低效率的枚举‑迭代方法（cut‑and‑try），直接建立翼型/机翼气动性能与翼型/机翼几何外形的关系，实现了基于人工神经网络的翼型/机翼参数化反设计。本发明特点一是快速，十分适合于飞机的总体设计尤其是初始设计中；二是由于应用人工神经网络算法到位，使得产生的结果非常准确。
基于人工神经网络飞机机翼设计方法

[发明专利]一种基于演化算法的深度神经网络训练与优化算法-CN201711426103.4在审
发明人：谢玮宜;程国华;季红丽 -专利权人：杭州健培科技有限公司
申请日： 2017-12-25 - 公布日： 2018-06-29 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于演化算法的深度神经网络训练与优化算法。步骤包括：步骤1，训练样本准备，即准备神经网络训练所需的样本数据；步骤2，神经网络结构编码，通过设定初始网络结构和网络结构复杂度变化的范围，通过迭代将待搜索的所有可能的网络结构和参数写入网络结构编码表；步骤3，利用超粒子群算法对网络结构编码表中的项利用同时改变种群中超粒子的位置和空间，来搜索最优的神经网络结构编码。实验证明最优编码代表的神经网络结构和参数比人工通过经验设计和训练的神经网络结构和参数在CT图像肺间质性疾病分类问题上有更好的精确度。
网络结构神经网络结构神经网络训练演化算法优化算法编码表搜索复杂度变化粒子群算法疾病分类经验设计训练样本样本数据迭代粒子写入种群

[发明专利]基于神经网络的围岩变形预测系统及预测方法-CN202011303458.6在审
发明人：李二兵;濮仕坤;段建立;高磊;蔡舒凌;潘越 -专利权人：中国人民解放军陆军工程大学
申请日： 2020-11-19 - 公布日： 2021-04-02 - 主分类号： G06F30/27 文献下载
摘要：一种基于神经网络的围岩变形预测系统及预测方法，利用监测设备获取设定时间范围内的围岩变形的监测数据作为算法的学习样本，建立基于萤火虫搜索算法优化的非线性自回归动态组合神经网络人工智能算法模型，即运用萤火虫算法对神经网络的训练结果全局搜索来确定神经网络初始参数中延时阶数和隐含层单元个数的最优解；随后更新的神经网络对作为样本数据的学习样本重新展开学习训练，构建围岩变形预测模型；根据围岩变形预测模型的精度设定预测范围，自动输出围岩变形预测值。提高了网络学习效率和预测精度，同时扩大了预测外推的时间范围，使得围岩变形预测真正有效服务科研工作和工程实践。
基于神经网络围岩变形预测系统方法

[发明专利]并行互补式神经网络算法-CN202110810076.0在审
发明人：史永康 -专利权人：史永康
申请日： 2021-07-18 - 公布日： 2021-12-03 - 主分类号： G06N3/04 文献下载
摘要：人工智能技术在当代的各个领域发挥着越来越重要的作用，神经网络算法在其中是重要的分支，但是神经网络算法也有很多不足，比如在深度学习反向传播的时候会出现梯度消失和梯度爆炸的问题。本发明的并行互补式神经网络算法，采用两个神经网络进行互补式的学习和输出，一方面可以解决梯度消失和梯度爆炸的问题，另一方面互补式的神经网络可以同时输入不同领域或不同维度的输入向量，例如图片和音频，进行混合式的学习
并行互补神经网络算法

[发明专利]基于遗传神经网络模型的叶绿素a遥感反演方法和装置-CN202011339597.4有效
发明人：陈金月;陈水森;王重洋;付娆;李丹;彭咏石;王力;郑琼;姜浩 -专利权人：广东省科学院广州地理研究所
申请日： 2020-11-25 - 公布日： 2022-08-09 - 主分类号： G01N33/18 文献下载
摘要：本发明涉及一种基于遗传神经网络模型的叶绿素a遥感反演方法和装置，通过利用实验区水域的实测叶绿素a浓度和光谱数据，耦合遗传算法和人工神经网络两种机器学习算法，建立用于获取水体叶绿素a浓度的遗传神经网络反演模型由于利用遗传算法改进了人工神经网络在非线性回归过程中的后向反馈，所估算出的叶绿素a浓度更接近全局最优解，叶绿素a浓度预测值与实测值保持了较高的一致性。同时，由于考虑了波段比值、光谱导数等多种敏感性光谱特征，所述遗传神经网络反演模型具有较好的鲁棒性和空间可移植性，非常适合于物质组成和光学特征复杂的浑浊二类水体。
基于遗传神经网络模型叶绿素遥感反演方法装置

[发明专利]一种基于K-means聚类算法的神经网络预报轧制力的预报方法-CN202110641751.1在审
发明人：高国珺;李佑河;王萍;席波;叶金杰;黄贞益;黄华钦 -专利权人：南京钢铁股份有限公司;安徽工业大学
申请日： 2021-06-09 - 公布日： 2022-05-17 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于K‑means聚类算法的神经网络预报轧制力的预报方法。属于计算机技术领域，具体步骤：确定RBF神经网络的输入及输出层；估算非线性多层前向RBF神经网络输入、输出层和隐节点的节点个数；构成隐含层空间；确定合适的数据中心，并根据各中心之间的距离确定隐节点的扩展常数；训练人工神经网络，学习修正误差，完成人工神经网络构建；并采用此人工神经网络进行轧制力预设定以供生产使用。本发明相较于传统非线性多层前向神经网络运行速度快，模型易于维护，同时避免了依据设计者因个人经验而设定了不合适的神经网网络的隐含层数和隐含层结点数、定位不到准确的各基函数的数据中心等弊端,精度较高。
一种基于 means 算法神经网络预报轧制方法

[发明专利]基于演化神经网络的稀土矿山边坡稳定性预测方法-CN202211061071.3在审
发明人：郭肇禄;向传娇;周才英;杨火根;张文生 -专利权人：江西理工大学
申请日： 2022-08-31 - 公布日： 2022-11-29 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种基于演化神经网络的稀土矿山边坡稳定性预测方法。本发明利用改进的人工蜂群算法来优化神经网络的连接权值和偏置值，然后利用优化设计的神经网络实现稀土矿山边坡稳定性的预测。在改进的人工蜂群算法中，观察蜂执行适应性精英引导的食物源搜索操作；侦察蜂融合停滞食物源和最优食物源的信息来生成新的食物源，增强算法的搜索性能，从而提高稀土矿山边坡稳定性的预测精度。
基于演化神经网络稀土矿山稳定性预测方法

[发明专利]一种基于卷积神经网络算法的转辙机故障检测方法及系统-CN201810110082.3在审
发明人：张艳青;孙迪钢 -专利权人：华南理工大学
申请日： 2018-02-05 - 公布日： 2018-08-24 - 主分类号： G05B23/02 文献下载
摘要：本发明公开了一种基于卷积神经网络算法的转辙机故障检测方法及系统，是对之前基于人工特征工程的转辙机故障检测系统的改进。卷积神经网络是一种深度学习模型，将转辙机功率曲线图输入到卷积神经网络中，利用卷积神经网络的特征学习能力，可以自动提取特征，实现高精度的故障类型检测。
卷积神经网络转辙机故障检测算法故障检测系统功率曲线图故障类型特征学习自动提取检测改进学习

[发明专利]基于线性直连法的径向基函数人工神经元网络的喷射器性能的预测方法-CN201710107523.X有效
发明人：蒋宁;潘凡;徐英杰;高增梁 -专利权人：浙江工业大学
申请日： 2017-02-27 - 公布日： 2017-07-18 - 主分类号： G06F17/50 文献下载
摘要：一种基于线性直连法的径向基函数人工神经元网络的喷射器性能的预测方法，对于给定的喷射器收集相关参数；确定神经网络结构，建立输入层神经元到输出层神经元的直接的全连接；引射流体压力、工作流体压力为神经网络的输入；出口背压、引射系数为神经网络的输出；根据输入向量计算人工神经网络隐含层结点的输入值和输出值再到输出层结点的输出值，采用Kmeans算法得到基函数中心c，根据梯度下降法进行迭代得到神经网络的权值和偏置；该训练完成的神经网络即为建立的喷射器性能预测DLCRBF神经网络；给定实际状态下的输入变量，通过喷射器性能预测DLCRBF神经网络得到预测参数。
基于线性直连法径向函数人工神经元网络喷射器性能预测方法

[发明专利]一种基于ABC—BP神经网络的裂缝识别方法及系统-CN201811420385.1在审
发明人：王育坚;谭卫雄;李深圳 -专利权人：北京联合大学
申请日： 2018-11-26 - 公布日： 2019-04-12 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于ABC—BP神经网络的裂缝识别方法及系统，其中方法包括提取路面裂缝图像的特征矢量还包括以下步骤：使用优化后的BP神经网络训练测试样本；采用所述测试样本的预测值和真实值的交叉熵作为所述矢量特征的目标函数本发明提出一种基于ABC—BP神经网络的裂缝识别方法及系统，通过加入自适应因子对人工蜂群（Artificial bee colony，ABC）算法的搜索位置和概率选择进行改进，利用改进的ABC算法去优化BP神经网络的权值与阈值，建立一种改进的ABC—BP混合神经网络路面裂缝识别算法，通过实验验证了该算法具有较好的通用性与有效性。
算法裂缝识别路面裂缝图像混合神经网络改进测试样本概率选择目标函数实验验证矢量特征搜索位置特征矢量训练测试交叉熵自适应蜂群优化样本预测

[发明专利]一种小麦生长期真菌毒素污染预测方法-CN201811227344.0在审
发明人：杨迎霞 -专利权人：龙口味美思环保科技有限公司
申请日： 2018-10-20 - 公布日： 2019-02-15 - 主分类号： G06Q10/04 文献下载
摘要：一种小麦生长期真菌毒素污染预测方法,包括：A.建立人工神经网络模型，统计影响小麦生长期真菌毒素污染的数据，作为人工神经网络输入；B.计算神经网络隐含层和输出层中神经元的输入、输出值，设立神经网络的训练样本和目标函数；C.以多阶光滑模为逼近度量估计神经网络逼近阶的范围，确定神经网络的函数逼近能力；D.通过自适应遗传算法对人工神经网络模型的网络结构和权重系数进行全局优化搜索，逼近拟合小麦生长期真菌毒素污染预测与影响因素的复杂函数关系该方法具有较好的自适应性和鲁棒性，提高神经网络函数逼近能力，加强小麦生长期真菌毒素污染的预测精度，以便做好产前防控，确保小麦的质量安全。
真菌毒素污染小麦神经网络逼近预测人工神经网络模型自适应遗传算法函数逼近能力计算神经网络人工神经网络神经网络函数神经元复杂函数目标函数权重系数全局优化网络结构训练样本影响小麦影响因素质量安全自适应性光滑模鲁棒性输出层隐含层度量多阶拟合搜索输出统计

[发明专利]一种基于改进神经网络与遗传算法的燃煤锅炉优化方法-CN201310290049.0有效
发明人：李克文;高俊苓 -专利权人：中国石油大学（华东）
申请日： 2013-07-11 - 公布日： 2013-09-25 - 主分类号： G06F19/00 文献下载
摘要：本发明涉及人工智能应用领域，具体是一种基于改进神经网络与遗传算法的燃煤锅炉运行优化预测的方法。主要原理是：通过BP神经网络的优化、预测模型的建立及训练，从而实现燃煤锅炉运行优化。具体步骤是：应用基于遗传算法优化的神经网络对锅炉参数（燃料量、送风量、氧量、温差量、煤种特性）进行实验数据建模，进而利用遗传算法对某一工况进行锅炉可调参数（燃料量、送风量、氧量、温差量）的优化。该方法可以利用优化后的神经网络和遗传算法对电站锅炉进行优化。
一种基于改进神经网络遗传算法燃煤锅炉优化方法

[发明专利]光人工神经网络增强机器视觉芯片及制备方法-CN202110184475.0在审
发明人：崔开宇;熊健;杨家伟;黄翊东;张巍;冯雪;刘仿 -专利权人：清华大学
申请日： 2021-02-08 - 公布日： 2022-08-16 - 主分类号： G06N3/067 文献下载
摘要：本发明提供一种光人工神经网络增强机器视觉芯片及制备方法，本发明提供的芯片以硬件方式模拟人工神经网络，用于机器视觉场景下目标对象的识别，本发明将光滤波器层作为人工神经网络的输入层，将图像传感器作为人工神经网络的线性层，将光滤波器层对进入光滤波器层的入射光的滤波作用作为输入层到线性层的连接权重，使得后续在使用该增强机器视觉芯片进行机器视觉智能处理时不需要再进行与输入层和线性层对应的复杂的信号处理和算法处理，可以大幅降低人工神经网络处理时的功耗和延时
人工神经网络增强机器视觉芯片制备方法

[发明专利]电子装置及操作电子装置的方法-CN202010830615.2在审
发明人：金大成;姜淳荣;金壮燮 -专利权人：爱思开海力士有限公司
申请日： 2020-08-18 - 公布日： 2021-05-28 - 主分类号： H03M13/23 文献下载
摘要：本发明公开了使用神经网络来选择最佳错误校正算法的装置和方法。示例装置包括：解码控制器，被配置成：将第一输入传输到训练后的人工神经网络，第一输入包括初级未满足校验节点的数量即初级UCN的数量、与至少一次迭代相对应的UCN的数量以及与至少一次迭代相对应的校正位的数量中的至少一个，并且基于与第一输入相对应的训练后的人工神经网络的输出，选择第一错误校正解码算法或第二错误校正解码算法；以及错误校正解码器，使用所选择的错误校正解码算法对读取向量执行错误校正解码操作，其中训练后的人工神经网络的输出包括第一预测值，第一预测值指示使用第一错误校正解码算法的第一错误校正解码操作成功的概率。
电子装置操作方法