“常规神经网络”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1106864个，建议您升级VIP下载更多相关专利

[发明专利]用于人工智能分类的对抗样本防御系统及方法-CN201910868997.5有效
发明人：丁康一;张小松;牛伟纳;谢科;张瑾昀;赵成洋 -专利权人：电子科技大学
申请日： 2019-09-16 - 公布日： 2022-03-22 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及用于人工智能分类的对抗样本防御系统及方法，其中系统包括第一常规卷积神经网络、防御模型训练模块、第一降采样器连接的第一降采样卷积神经网络；防御模型训练模块中的数据集分别输入到第一常规卷积神经网络，和经第一降采样器输入到第一降采样卷积神经网络中；对抗样本训练集获取模块与数据集一同输入到第二常规卷积神经网络和第二降采样器中，第二降采样器通过第二降采样卷积神经网络与第二常规卷积神经网络一同输入到全连接模型融合器后输出防御模型；第一常规卷积神经网络和第一降采样卷积神经网络分别对应输出参数到第二常规卷积神经网络和第二降采样卷积神经网络中。
用于人工智能分类对抗样本防御系统方法

[发明专利]一种基于长短期记忆网络辅助的卫星定位方法-CN201910463893.6在审
发明人：高迪;何文涛;蔺晓龙;翟昆朋;冯木榉 -专利权人：杭州中科微电子有限公司
申请日： 2019-05-30 - 公布日： 2019-08-27 - 主分类号： G01S19/43 文献下载
摘要：本发明公开了一种基于长短期记忆网络辅助的卫星定位方法，包括常规算法引擎、神经网络算法引擎，所述神经网络算法引擎的可用标志位，其特征在于，在卫星信号良好的情况下，采用常规算法引擎给出卫星定位结果，并利用卫星定位结果对神经网络进行训练和测试当接收机处于复杂条件下，如果神经网络算法引擎已经训练完毕可以使用，则使用神经网络算法引擎对定位结果进行预测。本发明可以在常规算法引擎性能大幅下降时，利用训练完毕的神经网络对接收机坐标进行预测，从而提高卫星定位成功率。
引擎卫星定位神经网络算法常规算法记忆网络神经网络辅助的接收机坐标接收机定位结果复杂条件卫星信号标志位预测可用成功率测试

[发明专利]训练和/或使用神经网络模型来生成光谱图像的中间输出-CN201780073913.8有效
发明人：亚历山大·戈尔班 -专利权人：谷歌有限责任公司
申请日： 2017-09-28 - 公布日： 2023-10-13 - 主分类号： G06V10/82 文献下载
摘要：与训练和/或使用神经网络模型相关的系统、方法和计算机可读介质。训练的神经网络模型可用于基于常规图像生成(例如，在隐藏层上)光谱图像，并生成指示在生成的光谱图像中存在(并在常规图像中存在，因为光谱图像是基于常规图像生成的)的一个或多个特征的输出。作为一个示例，可以将常规图像作为输入应用于训练的神经网络模型、基于常规图像在训练的神经网络模型的多个层上生成的光谱图像以及基于该光谱图像在多个附加层上生成的输出。生成的输出可以根据训练的神经网络模型的附加层的训练指示各种特征。
训练使用神经网络模型生成光谱图像中间输出

[发明专利]一种跨范围量化的卷积神经网络压缩方法-CN202210260332.8在审
发明人：邢晓芬;杨弈才;郭锴凌;徐向民 -专利权人：华南理工大学;中山市华南理工大学现代产业技术研究院
申请日： 2022-03-16 - 公布日： 2022-08-30 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种跨范围量化的卷积神经网络压缩方法，包括以下步骤：确定量化卷积神经网络的量化比特和该量化比特下的量化范围，以及基于步长量化的量化函数；训练一个全精度卷积神经网络，并使用全精度卷积神经网络初始化量化卷积神经网络以及量化步长；前向传播阶段，对卷积神经网络的权重参数以及激活值进行量化，对于量化阈值范围内的值，采取常规量化方式；对于量化阈值范围外的值，先减去量化阈值，再进行常规量化；反向传播阶段，使用梯度近似让不可导的量化函数变为可导本发明在常规量化的基础上对量化范围外的值采取了不同的量化方式，在保留图像识别精度的同时，实现了卷积神经网络的压缩和加速。
一种范围量化卷积神经网络压缩方法

[发明专利]以重油为燃料的工业熔炉燃烧状态的测算方法-CN200510020140.6无效
发明人：党选举;谭永红;陈辉 -专利权人：桂林电子工业学院
申请日： 2005-01-06 - 公布日： 2005-07-20 - 主分类号： F23N5/00 文献下载
摘要：用常规仪器测量观察口抽风口温度和窑压，与图像设备所测火焰长度送入三输入单输出、n个节点的神经网络I，神经网络I通过学习，得到输入信号和火焰长度的非线性关系和神经网络参数。即可只用常规仪表所测值经神经网络I计算火焰长度。常规仪器所测的观察口温度、窑压和抽送风量测量值和分析仪器所测的含氧量送入四输入单输出、m个节点的神经网络II，得含氧量测算公式和参数。即可只用常规仪表所测值经神经网络II计算含氧量。本法适用于各种高温工业窑炉，性能可靠，特别适用于玻璃窑炉熔炉；测算速度快，适于实时控制；使用常规仪表，测量成本低。
重油燃料工业熔炉燃烧状态测算方法

[发明专利]用于通过诱饵训练检测对抗攻击的方法和装置-CN201910563973.9有效
发明人：张佳龙;F·阿劳杰奥;T·塔雅劳尔;M·P·斯多艾克林 -专利权人：国际商业机器公司
申请日： 2019-06-27 - 公布日： 2023-04-18 - 主分类号： G06F21/56 文献下载
摘要：从常规数据生成诱饵数据。使用诱饵数据训练已经用常规数据训练的深度神经网络。训练的深度神经网络响应于包括输入数据的客户端请求，对输入数据进行操作。至少使用所操作的训练的深度神经网络的输出来执行后处理，以确定输入数据是常规数据还是诱饵数据。基于所执行的后处理的结果来执行一个或多个动作。
用于通过诱饵训练检测对抗攻击方法装置

[发明专利]滚动轴承故障诊断方法、故障特征提取方法、设备及介质-CN202310264862.4在审
发明人：程家乐;黄晓艳;江露 -专利权人：武汉虹信技术服务有限责任公司
申请日： 2023-03-15 - 公布日： 2023-07-04 - 主分类号： G01M13/045 文献下载
摘要：本发明公开了一种滚动轴承故障诊断方法，包括：获取滚动轴承数据集；利用滚动轴承数据集对改进型一维卷积神经网络进行训练，以获取训练好的改进型一维卷积神经网络；将待检测的滚动轴承数据集输入至训练好的改进型一维卷积神经网络，输出滚动轴承故障诊断结果；其中，改进型一维卷积神经网络包括三或四层卷积神经网络，其在常规型一维卷积神经网络的基础上取消了全连接层，并引入了全局均值池化层。本发明将常规型一维卷积神经网络进行了改进，去除了全连接层并引入了全局均值池化层，且通过大量对照实验确定了三至四层的卷积神经网络层数。通过将如此改进的一维卷积神经网络进行训练和使用，可显著提升滚动轴承故障的诊断准确率和诊断效率。
滚动轴承故障诊断方法故障特征提取设备介质

[发明专利]一种基于BP神经网络的雪茄原料感官质量预测方法-CN202310391484.6在审
发明人：王硕立;侯冰清;时向东;王以慧;邢雪霞;丁松爽;赵曦;马宇;薛子钟 -专利权人：河南农业大学
申请日： 2023-04-12 - 公布日： 2023-08-29 - 主分类号： G01N33/00 文献下载
摘要：本发明公开一种基于BP神经网络的雪茄原料感官质量预测方法，包括：获取雪茄烟叶样品；对所述雪茄烟叶样品进行处理得到雪茄烟叶处理样品，其中，所述雪茄烟叶处理样品包括：训练样品和测试样品；构建BP神经网络模型，将所述训练样品输入所述BP神经网络模型进行训练，得到训练好的BP神经网络模型；获取所述测试样品的常规化学成分含量；将所述测试样品的常规化学成分含量输入所述训练好的BP神经网络模型得到雪茄原料的感官质量本发明的预测模型可扩展到其他产区雪茄原料感官质量指标得分的预测过程中，为将神经网络应用到雪茄感官质量评价中提供了有力的技术支撑。
一种基于 bp 神经网络雪茄原料感官质量预测方法

[发明专利]一种物理规律和数据双驱动的地震成像方法、系统、设备及存储介质-CN202110945192.3有效
发明人：李闯;高静怀;高照奇;王逸夫;张逸康 -专利权人：西安交通大学
申请日： 2021-08-17 - 公布日： 2023-09-12 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种物理规律和数据双驱动的地震成像方法、系统、设备及存储介质，属于油气物探工程领域，本申请根据观测数据，通过常规逆时偏移得到地下构造成像结果；利用描述地震波传播规律的反偏移和常规逆时偏移，建立第一数据集，训练能够对成像结果进行去模糊化的第一神经网络；根据测井数据建立第二数据集，对第一神经网络的参数进行修正，得到第二神经网络；根据第二神经网络对常规逆时偏移结果进行处理，得到高精度的地下构造反射系数。本申请的方法在物理规律和数据双驱动的框架下训练神经网络，改善了传统数据驱动方法受样本数量限制导致性能降低的问题，能够输出高精度地下构造反射系数。
一种物理规律数据驱动地震成像方法系统设备存储介质

[发明专利]基于神经网络辨识的舵机电液负载模拟器智能控制方法-CN201910053492.3在审
发明人：刘晓琳;李卓 -专利权人：中国民航大学
申请日： 2019-01-21 - 公布日： 2019-05-28 - 主分类号： G05B13/04 文献下载
摘要：一种基于神经网络辨识的舵机电液负载模拟器智能控制方法。其包括由神经网络辨识器和神经网络控制器组成力控制器；神经网络辨识器采用BP神经网络算法，得到舵机电液负载模拟器辨识模型；以舵机电液负载模拟器辨识模型作为控制对象，神经网络控制器确定Adaline网络在线学习准则本发明采用神经网络辨识器对系统数学模型进行在线辨识，有效解决了参数时变、非线性因素干扰严重及常规网络结构缺陷的问题。采用神经网络控制器对系统控制策略进行实时调整，并结合神经网络辨识器与神经网络控制器的功能，综合提高系统的控制效果与控制品质。从而有效改善舵机电液负载模拟器的工作性能。
负载模拟器机电液神经网络控制器神经网络辨识器神经网络辨识辨识模型智能控制结合神经网络系统控制策略系统数学模型非线性因素工作性能控制电压控制对象控制效果力控制器实时调整输出系统网络结构网络在线有效解决在线辨识辨识器时变学习

[发明专利]一种硬件加速器、数据处理方法、系统级芯片及介质-CN202011641233.1有效
发明人：王岩;黄运新;张吉兴;李卫军 -专利权人：深圳大普微电子科技有限公司
申请日： 2020-12-31 - 公布日： 2023-08-15 - 主分类号： G06F9/30 文献下载
摘要：本申请公开了一种硬件加速器、数据处理方法、系统级芯片及介质，硬件加速器处理的指令集包括：数据流控制指令用于执行数据流控制；常规类型计算指令用于执行常规类型计算，以完成所述循环神经网络中的常规类型计算；专用类型计算指令用于执行专用类型计算，以完成所述循环神经网络中的专用类型计算；指数移位指令用于执行指数移位，以完成所述循环神经网络计算中的数据归一化；数据转移指令用于执行数据转移，以完成所述循环神经网络计算时不同寄存器之间的数据转移操作以及寄存器与存储器之间的数据转移操作本申请通过上述技术方案，能够有效提升用于运行循环神经网络的硬件加速器的计算资源利用率，并能够有效避免数据和资源方面的冲突。
一种硬件加速器数据处理方法系统芯片介质

[发明专利]一种船舶航速智能控制方法-CN201110304289.2无效
发明人：王宇超;傅荟璇;杜春洋;李冰;郑秀丽 -专利权人：哈尔滨工程大学
申请日： 2011-10-10 - 公布日： 2012-01-25 - 主分类号： G05B13/04 文献下载
摘要：将给定航速与船上的航速检测装置测得的实际航速进行比较，并将得到的航速误差送入常规PID控制器和小脑模型神经网络；船舶航速控制系统开始运行时，由常规PID控制器进行控制；常规PID输出控制信号Up送入到航速随动系统，直到航速误差为零；船舶航速控制系统中的小脑模型神经网络为前馈控制，实现被控制对象的逆动态模型，学习算法在每一控制周期结束时，利用总输出航速控制信号U与小脑模型神经网络输出信号Uc的差值来调整小脑模型神经网络的权值本发明即发挥PID控制器设计简单，物理意义明确，又充分体现了小脑模型神经网络非线性映射能力强、实时性好、鲁棒性强等优点，使船舶航速控制系统具有更优的控制性能。
一种船舶航速智能控制方法

[发明专利]基于卷积神经网络的人脸表情识别方法-CN201810172291.0在审
发明人：刘惠义;徐新飞;刘鸣瑄 -专利权人：河海大学
申请日： 2018-03-01 - 公布日： 2018-07-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开基于卷积神经网络的人脸表情识别方法。所述方法包括人脸表情图像数据集预处理、改进型卷积神经网络的构建、权值优化和训练，以及人脸表情的分类处理。本发明将连续卷积引入到常规卷积神经网络中得到改进型卷积神经网络，所述改进型卷积神经网络采用小尺度的卷积核进行特征提取，可以使提取到的人脸表情特征更精密，同时两个连续的卷积层也增强了网络的非线性表达能力，此外，本发明还将卷积神经网络和SOM神经网络级联构成预训练网络进行预学习，将最优学习结果的神经元用于初始化改进型卷积神经网络，本发明提供的方法能有效提高人脸表情图像识别精度。
卷积神经网络改进型人脸表情识别人脸表情图像人脸表情卷积神经元预处理常规卷积分类处理神经网络特征提取学习结果训练网络初始化卷积核数据集小尺度构建级联精密引入优化网络学习

[发明专利]用于神经网络的压缩和推断加速的非对称量化-CN202010526606.4在审
发明人：杨颖振;赵志彪;赵宝新;浣军;欧阳剑;王勇;施佳鑫 -专利权人：百度(美国)有限责任公司
申请日： 2020-06-11 - 公布日： 2020-12-15 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及用于神经网络的压缩和推断加速的非对称量化。改进的非对称量化的实施例，通常可被称为改进非对称量化(IAQ)实施例。IAQ实施例结合常规的非对称量化和对称量化的优点，但也提供了额外的计算效率。IAQ的实施例采用神经网络层的权重的非对称范围，因此它们规避了对称量化的对称范围的限制。另外，通过量化每个层的偏移值，通过IAQ实施例量化的神经网络的推断过程比由常规的非对称量化而量化的神经网络的推断过程快得多。
用于神经网络压缩推断加速对称量化

[发明专利]基于神经网络和PID算法的轨迹跟随方法-CN201610058152.6有效
发明人：王军德;吴鑫;崔鹏 -专利权人：武汉光庭信息技术股份有限公司
申请日： 2016-01-28 - 公布日： 2019-04-12 - 主分类号： G05D1/08 文献下载
摘要：本发明提供了一种基于神经网络和PID算法的轨迹跟踪方法，主要用于智能驾驶汽车在驾驶地图的跟踪方案，将常规PID控制与神经网络控制相结合，发挥各自的优势，形成所谓的智能PID控制。该方法能使智能驾驶汽车跟踪希望轨迹，采用神经网络方法设计的控制系统具有更快的实时性、更强的适应性和更好的鲁棒性。计算机仿真实验和实车实验表明，基于神经网络和PID算法的控制较常规的PID控制具有更快的实时性、更好的自适应性，能取得良好的的控制结果。
基于神经网络 pid 算法轨迹跟随方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条