“学习神经网络”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1116986个，建议您升级VIP下载更多相关专利

[发明专利]神经网络架构搜索方法、神经网络应用方法、设备及存储介质-CN202010857874.4在审
发明人：张宏达;郑斌;王正国;孙钢;王舒颦;林森;陈思浩;毛燕萍;何韵;蒋群;张艺凡 -专利权人：国网浙江省电力有限公司;国网浙江省电力有限公司营销服务中心
申请日： 2020-08-24 - 公布日： 2020-10-23 - 主分类号： G06N3/04 文献下载
摘要：本申请属于深度学习技术领域，具体涉及一种神经网络架构搜索方法、神经网络应用方法、设备及存储介质。其中的方法包括：通过强化学习架构搜索方法搜索到第一神经网络模型，对所述第一神经网络模型，基于预设的跳跃连接数量，进行网络结构搜索，得到第二神经网络模型；基于预先建立的评估网络的参数对所述第二神经网络模型的结构进行设置，在测试数据集上进行训练，获取训练后的神经网络模型。本申请方法中的神经网络架构搜索速度更快，有效解决了网络架构搜索资源消耗太多的问题。通过训练得到的神经网络模型对目标图像进行处理，可执行多种图像处理任务，图像处理时识别精度更高。
神经网络架构搜索方法应用设备存储介质

[发明专利]一种基于深度学习的超声图像识别方法及其系统-CN201910665903.4在审
发明人：王英伟;杨笑宇;徐道杰;陈平;王海莲;汪乐天;沈雅芳;李东丽 -专利权人：王英伟
申请日： 2019-07-23 - 公布日： 2019-11-01 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及超声图像识别技术领域，公开了基于深度学习的超声图像识别方法及其系统，方法包括预处理原始医学图像，构成训练卷积神经网络模型所需的训练图像；对训练集中的医学图像组进行扩充和特征增强,构建卷积神经网络，在卷积神经网络模型中载入训练集，确定卷积神经网络的模型参数，通过深度学习方法对医学图像进行特征学习，得到训练好的卷积神经网络模型并保存；部署训练好的卷积神经网络模型；既能增加识别的准确率，又能增加后续相似图像的识别速度
卷积神经网络超声图像医学图像原始医学图像预处理模型参数特征学习特征增强相似图像训练图像训练集准确率构建学习载入保存部署

[发明专利]量子神经网络-CN201880036533.1在审
发明人： H.内文;E.H.法希 -专利权人：谷歌有限责任公司
申请日： 2018-06-01 - 公布日： 2020-01-14 - 主分类号： G06N3/063 文献下载
摘要：一种量子神经网络架构。在一个方面，被训练来执行机器学习任务的量子神经网络包括：输入量子神经网络层包括(i)在初始量子状态下准备的、编码机器学习任务数据输入的多个量子比特，以及(ii)目标量子比特；中间量子神经网络层序列，每个中间量子神经网络层包括对多个量子比特和目标量子比特进行操作的多个量子逻辑门；和输出量子神经网络层，包括测量量子门，该测量量子门对目标量子比特进行操作，并且提供表示机器学习任务的解决方案的数据作为输出。
量子神经网络量子测量量子机器学习量子逻辑门编码机器量子状态任务数据输出架构学习

[发明专利]一种基于集成预测模型的光伏发电预测方法及装置-CN202110784293.7在审
发明人：李佳;王健;熊俊杰;何伟;曾伟;夏永洪 -专利权人：国网江西省电力有限公司电力科学研究院;国家电网有限公司;南昌大学
申请日： 2021-07-12 - 公布日： 2021-08-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于集成预测模型的光伏发电预测方法及装置，该方法包括：响应于获取的光伏电站历史数据，构建神经网络模型，其中，神经网络模型包括人工神经网络模型、深度神经网络模型以及卷积神经网络模型；基于将人工神经网络模型、深度神经网络模型以及卷积神经网络模型分别作为Bagging方法的基学习器构建集成预测模型；响应于获取的光伏电站实时数据，基于集成预测模型输出光伏发电功率的预测结果。采用人工神经网络模型、深度神经网络模型和卷积神经网络模型分别作为Bagging方法的基学习器构建集成预测模型，光伏电站实时数据基于集成预测模型输出光伏发电功率的预测结果，提高了光伏发电的预测精度。
一种基于集成预测模型发电方法装置

[发明专利]基于联邦学习训练神经网络模型的方法、装置和系统-CN202011352528.7在审
发明人：毛伟;王希予;张立平;裴积全 -专利权人：京东科技控股股份有限公司
申请日： 2020-11-27 - 公布日： 2021-12-17 - 主分类号： G06K9/00 文献下载
摘要：本公开的实施例公开了基于联邦学习训练神经网络模型的方法、装置和系统。该方法的一具体实施方式包括：接收服务端发送的未训练完成的神经网络模型；利用本地的训练数据训练未训练完成的神经网络模型，得到训练后的神经网络模型，以及将训练后的神经网络模型发送至服务端，其中，服务端用于执行如下处理步骤：聚合从各参与端接收的训练后的神经网络模型，得到聚合后的神经网络模型，响应于确定聚合后的神经网络模型训练完成，发送聚合后的神经网络模型至各参与端；存储训练完成的聚合后的神经网络模型。该实施方式实现了将联邦学习应用于神经网络的训练。
基于联邦学习训练神经网络模型方法装置系统

[发明专利]神经网络结构评价模型构建和神经网络结构搜索方法-CN202010088856.4有效
发明人：袁柳春;彭杰锋;苏江 -专利权人：暗物智能科技(广州)有限公司
申请日： 2020-02-12 - 公布日： 2023-05-05 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了神经网络结构评价模型构建和神经网络结构搜索方法，其中所述神经网络结构评价模型构建方法，包括：获取神经网络结构参数；根据所述神经网络结构参数，构建目标搜索结构集，所述目标搜索结构集由多个神经网络结构组成；获取神经网络结构的多个评价指标；基于所述多个评价指标以及所述目标搜索结构集，对机器学习模型进行迭代训练，直至所述机器学习模型对应的损失函数的损失值满足目标收敛条件，得到包含多个评价器的神经网络结构评价模型通过训练得到的包含多个评价器的神经网络结构评价模型可以高效的对任一待评价神经网络结构进行全局评价，提高了获取满足使用要求的神经网络结构的效率。
神经网络结构评价模型构建搜索方法

[发明专利]信息处理设备和信息处理方法-CN201880071369.8在审
发明人：三上裕明 -专利权人：索尼公司
申请日： 2018-11-21 - 公布日： 2020-06-16 - 主分类号： G06N3/08 文献下载
摘要：[问题]有效地加速使用DNN的学习，而与学习技术无关。[解决方案]提供了一种信息处理设备，其包括使用神经网络执行学习的学习单元，并且该学习单元基于具有用于学习来自神经网络的输出的理想状态的间隙值动态地改变在学习期间的批大小的值。此外，提供了一种信息处理方法，其包括由处理器执行使用神经网络的学习，并且该学习还包括基于具有用于学习来自神经网络的输出的理想状态的间隙值动态地改变在学习期间的批大小的值。
信息处理设备方法

[发明专利]一种基于GMDH神经网络的交通车流量预测方法-CN201711325978.5在审
发明人：刘泓;臧泽林;马东方;戚伟;朱胜 -专利权人：浙江大学城市学院
申请日： 2017-12-13 - 公布日： 2018-04-20 - 主分类号： G08G1/065 文献下载
摘要：本发明涉及一种基于GMDH神经网络的交通车流量预测方法，包括GMDH神经网络离线车流量训练和GMDH神经网络在线车流量实时预测。本发明的有益效果是本方法使用GMDH神经网络算法对交通路口的车流量进行预测，一般的预测方法在处理大体量的数据过程中有时间长，准确率低等缺点，较难实现交通流量实时预测的要求；由于GMDH神经网络具有强大的逼近能力，可以将车流量的预测分成离线学习和在线预测两个部分在离线学习环节结合大量的数据，通过进行神经网络的训练，学习车流量变化的规律；在在线预测部分通过调用已学习完毕的神经网络，快速有效的对车辆的通行状态进行实时预测
一种基于 gmdh 神经网络交通车流量预测方法

[发明专利]一种基于增强式学习的人体跌倒检测方法及系统-CN202010624368.0在审
发明人：王晓原;刘善良;刘亚奇;韩俊彦;刘士杰 -专利权人：青岛科技大学
申请日： 2020-06-30 - 公布日： 2020-11-13 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于增强式学习的人体跌倒检测方法及系统，该方法包括：采集人体在不同姿态下的特征参数，构建人体运动数据集，其中不同姿态中包括跌倒；采用监督学习对人体运动数据集构建用于识别跌倒的人工神经网络模型；将人工神经网络模型的当前权值和当前阈值分别作为初始权值和初始阈值，利用误差‑修正方法对人工神经网络模型进行训练，得到训练后的模型；实时采集基于时间序列的人体运动行为参数；利用训练后的模型对人体运动行为参数进行跌倒检测本发明通过监督学习识别人工神经网络，采用误差‑修正学习的方法对人工神经网络进行训练，调整神经网络的权值和阈值，以使神经网络输出最优，可减少误报率，提高报警的准确性。
一种基于增强学习人体跌倒检测方法系统

[发明专利]图神经网络模型的训练方法、装置、电子设备及存储介质-CN202310945592.3在审
发明人：吴呈;郑凯;徐劲草;王朝坤 -专利权人：北京达佳互联信息技术有限公司;清华大学
申请日： 2023-07-28 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本公开提供了一种图神经网络模型的训练方法、装置、电子设备及存储介质，属于计算机技术领域。方法包括：获取真视图；通过图神经网络模型中的生成器，基于所述真视图中的节点，生成伪视图；通过所述图神经网络模型中的判别器，对所述伪视图进行判别，得到判别结果；基于所述判别结果，确定所述生成器和所述判别器之间的对抗损失；通过所述图神经网络模型中的编码器，对所述真视图和所述伪视图进行对比学习，得到对比损失；基于所述对抗损失和所述对比损失，对所述图神经网络模型进行训练。上述方法实现了通过图生成对抗学习来提升图神经网络模型的图对比学习性能的目的，使得图神经网络模型能够更准确地学习到真视图中的节点特征。
神经网络模型训练方法装置电子设备存储介质

[发明专利]图像分类方法、系统、存储介质及电子设备-CN202110934178.3有效
发明人：申啸尘;周有喜 -专利权人：深圳市爱深盈通信息技术有限公司
申请日： 2021-08-16 - 公布日： 2021-11-12 - 主分类号： G06K9/46 文献下载
摘要：在图像分类方法中，提供的第一神经网络的卷积层的通道维度数量相对较多使第一神经网络具有较好的表达能力，再将训练图像分别输入第一神经网络和第二神经网络中获得由第一神经网络中指导层输出的第一特征图以及第二神经网络中学习层输出的第二特征图，对第一特征图进行降维和对第二特征图进行升维使得到的降维特征图与升维特征图的通道维度数量相等从而实现第一损失的计算，并根据第一损失更新学习层中的参数，实现学习层向指导层进行学习模仿，有利于提高第二神经网络图像分类的准确性
图像分类方法系统存储介质电子设备

[发明专利]人造神经网络的简化装置和简化方法-CN201610608615.1在审
发明人：刘峻诚;郝康立;刘柳 -专利权人：耐能有限公司
申请日： 2016-07-28 - 公布日： 2017-12-26 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种人造神经网络的简化装置和简化方法，其中人造神经网络的简化装置包含多个神经元、一接收电路、一存储器与一简化模块。该多个神经元被组态为构成一原始神经网络。该存储器接收用以训练该原始神经网络的一组样本。该存储器用以记录该原始神经网络的多个可学习参数。在该原始神经网络经过该组样本的训练后，该简化模块根据该存储器所记录的该多个可学习参数舍弃该原始神经网络中一部分的神经元连结，以据此决定一简化后神经网络的架构。
人造神经网络简化装置方法

[发明专利]基于神经网络学习的列车车载设备故障预测方法及装置-CN202010010762.5在审
发明人：贾利民;高一凡;夏志成 -专利权人：北京锦鸿希电信息技术股份有限公司
申请日： 2020-01-06 - 公布日： 2020-06-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于神经网络学习的列车车载设备故障预测方法，包括如下步骤：收集神经网络学习样本、建立神经网络，通过对样本学习,得到预测模型、利用预测模型对车载设备进行故障预测。本发明还提供了基于神经网络学习的列车车载设备故障预测装置，以实现所述方法。本发明具有预测精度高、历史数据需求量小、周期性数据对预测结果影响小等优点。
基于神经网络学习列车车载设备故障预测方法装置

[发明专利]基于输入加权脉冲神经网络的神经形态视觉目标分类系统-CN202110025992.3有效
发明人：赵广社;姚满;王鼎衡;刘美兰 -专利权人：西安交通大学
申请日： 2021-01-08 - 公布日： 2023-06-20 - 主分类号： G06N3/049 文献下载
摘要：本发明公开了一种基于输入加权脉冲神经网络的神经形态视觉目标分类系统，属于人工神经网络技术领域，该分类系统由如下四个方法模块构成：数据预处理模块、网络构建模块、学习模块和推理模块。数据预处理模块用于将获取的事件相机异步输出时空脉冲事件流转换为事件帧序列；网络构建模块用于将输入加权单元和脉冲神经层单元按照一定的网络连接方式搭建成输入加权脉冲神经网络；学习模块用于根据预处理模块得到的事件帧序列，对网络构建模块得到的输入加权脉冲神经网络进行学习，并生成模型文件；推理模块用于加载学习模块输出的网络模型文件进行前馈网络计算。本发明能够使得神经形态视觉分类脉冲神经网络在具备低时延的同时，保持较高性能。
基于输入加权脉冲神经网络神经形态视觉目标分类系统

[发明专利]基于STDP非监督学习算法的脉冲神经网络模型构建方法-CN201710222912.7有效
发明人：常胜;徐智勇;王豪;刘锋 -专利权人：武汉大学
申请日： 2017-04-07 - 公布日： 2020-04-10 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于STDP非监督学习算法的硬件友好型脉冲神经网络模型构建方法，所述脉冲神经网络模型是一种多突触延时的前向反馈神经网络模型，每层神经元分别通过若干条突触与其它层神经元互连，而每层内部神经元相互独立本发明完全依赖数字硬件电路平台进行脉冲神经网络的模型设计，并且创新性的将STDP非监督学习算法用于该脉冲神经网络模型的学习训练中，能够实现特定功能。该硬件平台脉冲神经网络模型具有较高的稳定性，能够在占用较少硬件资源的条件下拥有较快的速度，加上网络结构并行连接的特点，其拓展性也大大提高，对于实现超大规模的脉冲神经网络也提供了新的思路。
基于 stdp 监督学习算法脉冲神经网络模型构建方法

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条