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2952971个,建议您升级VIP下载更多相关专利
  • [发明专利]基于神经网络的图像识别方法及相关设备-CN202110444011.9在审
  • 郑凤;刘泽宇 - 北京邮电大学
  • 2021-04-23 - 2021-07-20 - G06K9/00
  • 本公开提供一种基于神经网络的图像识别方法及相关设备。获取用户输入的图像数据,对所述图像数据进行预处理;将经过所述预处理的所述图像数据输入目标检测模型进行多标签分类,得到每个所述图像数据对应的类别标签;输出带有所述类别标签的所述图像数据;其中,所述目标检测模型为神经网络模型,所述神经网络模型中的的神经元数量采用评价‑行动‑反馈JAF算法对所述神经网络模型进行预训练而确定。本公开提供的一种基于神经网络的图像识别方法及相关设备,可以自适应的调整神经网络结构,提高对图像识别的准确率。
  • 基于单隐层神经网络图像识别方法相关设备
  • [发明专利]深层神经网络的辨别预训练-CN201210488501.X有效
  • 弗兰克塞得;邓丽;俞栋;李钢 - 微软公司
  • 2012-11-26 - 2013-04-17 - G06N3/08
  • 提出了预训练深层神经网络(DNN)的的辨别预训练技术实施例。大体上,首先利用误差反向传播(BP)使用标签来辨别地训练神经网络。然后,在丢弃之前的神经网络的输出之后,连同新输出在之前训练的的顶上添加另一随机初始化的,所述新输出表示分类或识别的目标。然后利用同一策略辨别地训练作为结果产生的多DNN等等,直到达到期望数量的。这产生了预训练的DNN。所述辨别预训练技术实施例具有如下的优点:使得DNN权重接近良好的局部最优,而仍使其留在具有高梯度的范围内,从而能够有效地对其进行微调。
  • 深层神经网络辨别训练
  • [发明专利]基于ELM极限学习机的色彩空间转换方法-CN201510306105.4在审
  • 李东新;陈萍 - 河海大学
  • 2015-06-05 - 2015-09-16 - H04N9/64
  • 极限学习机的色彩空间转换方法,其特征在于,包括如下步骤:步骤1:采用专业测量仪器测得不同RGB驱动值经过显示器输出的XYZ的参数值,建立样本集;步骤2:根据所述步骤1所述的样本集,以及输出期望值,建立神经网络模型,给定输出函数及节点个数,随机生成节点参数,计算输出矩阵,最后得到神经网络最优权值;步骤3:根据步骤2获得的神经网络训练结果,建立RGB到XYZ色彩空间的转换模型。
  • 基于elm极限学习机色彩空间转换方法
  • [发明专利]基于深度学习的轮对话数据分类方法、装置和电子设备-CN201810644408.0有效
  • 杨鹏 - 北京慧闻科技(集团)有限公司
  • 2018-06-21 - 2022-01-21 - G06F16/332
  • 本申请涉及基于深度学习的轮对话数据分类方法、装置和电子设备。该方法包括:对获取的轮对话数据进行词向量转化以获得所述轮对话数据的词向量表示;通过双向长短期记忆处理所述轮对话数据的词向量表示以获得与所述轮对话数据对应的状态序列;以注意力机制对所述状态序列中的每个状态进行加权求和以获得与所述轮对话数据对应的句子向量表达;以及,以用于分类的逻辑回归模型处理所述句子向量表达以获得所述轮对话数据相对于所述逻辑回归模型的多个标签的概率分布。这样,可以通过双向长短期记忆和注意力机制对轮对话数据中的用户特征进行提取,从而改进轮对话场景下的分类效果。
  • 基于深度学习轮对数据分类方法装置电子设备
  • [发明专利]用于频光纤激光器的智能设计系统-CN202310861334.7在审
  • 潘伟巍;张磊;董金岩 - 上海频准激光科技有限公司
  • 2023-07-13 - 2023-10-20 - G06F30/27
  • 本发明提供了一种用于频光纤激光器的智能设计系统,包括:处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:对待优化激光器参数序列进行特征提取,得到特征向量,对特征向量进行特征重构,得到重构参数序列,根据重构参数序列和目标评价项序列,确定优化损失,根据优化损失,对特征向量进行更新,得到更新特征向量,对更新特征向量进行特征重构,得到优化参数序列,可知,能够对特征向量在深层空间进行优化调整,以满足根据用于描述需求的目标评价项序列确定的优化损失,实现智能化设计调整,从而提高频光纤激光器设计的效率和准确率,以适应日益增长的频光纤激光器的定制化需求。
  • 用于光纤激光器智能设计系统
  • [发明专利]一种目视觉深度估计方法-CN201811246664.0有效
  • 周武杰;袁建中;吕思嘉;钱亚冠;向坚;张宇来 - 浙江科技学院
  • 2018-10-25 - 2021-12-10 - G06N3/04
  • 本发明公开了一种目视觉深度估计方法,其先构建卷积神经网络,其包括输入和输出包括编码框架、译码框架和上采样框架;然后使用训练集中的目图像作为原始输入图像,输入到卷积神经网络中进行训练,得到训练集中的每幅原始的目图像对应的估计深度图像;接着通过计算训练集中的目图像对应的估计深度图像与对应的真实深度图像之间的损失函数值,得到卷积神经网络训练模型及最优权值矢量和最优偏置项;再将待预测的目图像输入到卷积神经网络训练模型中
  • 一种目视深度估计方法

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