“正则化参数”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3029894个，建议您升级VIP下载更多相关专利

[发明专利]一种变正则化比例归一化子带自适应滤波方法-CN201711189964.5有效
发明人：唐加能;郑洋 -专利权人：华侨大学
申请日： 2017-11-24 - 公布日： 2020-02-18 - 主分类号： H04R25/00 文献下载
摘要：本发明公开了一种变正则化比例归一化子带自适应滤波方法，基于归一化子带自适应滤波算法的助听器反馈控制系统，基于比例自适应技术和变正则化参数变化，结合子带自适应滤波算法，更新自适应滤波器；为了进一步提高自适应滤波算法的性能，本发明基于输入信号、均方误差和估计系统噪声能量，通过均方偏差最大下降原理，更新正则化参数，形成了变正则化比例的参数更新子带自适应滤波的方法；将该方法应用于助听器的声反馈系统中，能取得更好的声反馈抑制效果
一种正则比例归一化自适应滤波方法

[发明专利]语音识别中的正则化口音自适应方法-CN201610971766.3有效
发明人：陶建华;易江燕;温正棋;刘斌 -专利权人：中国科学院自动化研究所
申请日： 2016-10-28 - 公布日： 2019-10-22 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种语音识别中的正则化口音自适应方法，所述方法包括下述步骤：步骤S100，对采集到的口音数据进行特征参数提取；步骤S101，利用提取的所述特征参数，训练口音独立的基线声学模型；步骤S102，利用提取的所述特征参数，用分类器对口音数据识别出其口音类别；步骤S103，计算软化概率分布；步骤S104，正则化目标函数；步骤S105，利用正则化的损失函数对所述口音独立的基线声学模型进行自适应，生成口音依赖的声学模型本发明中，通过对声学模型进行正则化自适应，提高了带口音的语音识别的准确率。
语音识别中的正则口音自适应方法

[发明专利]用于正则化参数自适应的装置、系统和方法-CN201810616850.2有效
发明人： M·马罗;J·贝洛拉多 -专利权人：希捷科技有限公司
申请日： 2018-06-15 - 公布日： 2021-06-11 - 主分类号： H04L25/03 文献下载
摘要：本主题申请涉及用于正则化参数自适应的装置、系统和方法。本发明提供了一种装置，所述装置可包括被配置为使用一组信道参数处理至少一个输入信号的电路。所述电路可使用正则化自适应算法来自适应第一组信道参数，以便由所述电路用作处理所述至少一个输入信号的一组信道参数，所述正则化自适应算法对所述第一组信道参数与对应的预定第二组信道参数的偏差进行罚分。然后所述电路可使用所述第一组信道参数作为一组信道参数来执行对所述至少一个输入信号的所述处理。
用于正则参数自适应装置系统方法

[发明专利]结构TV正则化联合道间差异约束的叠前反演方法及装置-CN202310391542.5有效
发明人：徐梓赫;彭苏萍;崔晓芹;卢勇旭;侯冬霜 -专利权人：中国矿业大学（北京）
申请日： 2023-04-13 - 公布日： 2023-09-01 - 主分类号： G01V1/30 文献下载
摘要：本发明提供了一种结构TV正则化联合道间差异约束的叠前反演方法及装置，包括：获取目标工区的原始地震数据，并对原始地震数据进行数据处理得到实际地震数据；基于实际地震数据计算反射系数序列，并基于反射系数序列进行褶积计算得到正演合成数据；基于实际地震数据和正演合成数据构造STV正则化项和数据约束正则化项；基于STV正则化项、数据约束正则化项以及实际地震数据与正演合成数据之间残差L2范数构造目标函数；对目标函数进行求解，得到弹性参数的反演结果本发明提高了叠前反演得到的弹性参数的可靠性和分辨率。
结构 tv 正则联合差异约束反演方法装置

[发明专利]基于粒子群算法优化正则化极限学习机的文本情感分析方法-CN202210313143.2在审
发明人：李琳娜;魏帆;孙爱晶 -专利权人：西安邮电大学
申请日： 2022-03-28 - 公布日： 2022-08-09 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了基于粒子群算法优化正则化极限学习机的文本情感分析方法。包括以下步骤：(1)获取待分析数据的文本信息,对所述文本信息进行预处理得到文本词汇；(2)将文本词汇采用skip‑gram模型基于同领域数据集语料库进行词向量训练得到文本词向量；(3)利用粒子群算法将正则化极限学习机的参数初始化为一群随机粒子，然后通过迭代确定最佳参数，得到粒子群算法优化正则化极限学习机；(4)将文本词向量输入粒子群算法优化正则化极限学习机，对文本信息进行情感分类。本发明提出采用粒子群算法对正则化极限学习机的三种超参数在一定范围内进行寻优。在使运算精度得以提升的同时，使得网络结构更加紧凑。此外，保证了模型良好的泛化性能。
基于粒子算法优化正则极限学习机文本情感分析方法

[发明专利]一种地埋管换热器多参数协同反演的正则化方法及系统-CN202210463854.8在审
发明人：李旻;杜玉芳;孙玉宝;王敬民;陈曦;王洪飞 -专利权人：中南大学;同方能源科技发展有限公司;无锡同方人工环境有限公司
申请日： 2022-04-19 - 公布日： 2022-07-29 - 主分类号： G06F30/28 文献下载
摘要：本发明公开了一种地埋管换热器多参数协同反演的正则化方法及系统，用于基于现场热响应测试的地埋管换热器的设计参数估计。结合短时温度响应函数和Tikhonov正则化的反演算法，可在缩短现场热响应测试时间的同时，得到可靠、稳定的结果。一方面，短时传热模型使早期高敏感性的数据能够用于参数反演；另一方面，正则化可以抑制数据噪声的影响，从而获得平滑稳定的反演解。
种地换热器参数协同反演正则方法系统

[发明专利]基于快速正交字典的稀疏表征正则化叠前AVO反演方法-CN202010168773.6有效
发明人：王峣钧;刘宇;厍斌;胡光岷 -专利权人：电子科技大学
申请日： 2020-03-12 - 公布日： 2021-11-30 - 主分类号： G06F17/11 文献下载
摘要：本发明公开一种基于快速正交字典的稀疏表征正则化叠前AVO反演方法，应用于地球物理勘探解释技术领域，针对现有基于KSVD字典反演的运算速率慢且受控参数多的问题，本发明根据已知的角道集地震数据、子波序列、入射角信息和初始模型参数，构建目标函数；然后加入正则化约束；最后基于正交字典迭代求解正则化约束目标函数，得到最终的模型参数；本发明的方法在保证与KSVD字典方法具有相当反演效果的同时，能有效提升稀疏反演速率。
基于快速正交字典稀疏表征正则化叠前 avo 反演方法

[发明专利]医学图像迭代重建方法、装置、计算机设备和存储介质-CN201811480554.0在审
发明人：曹文静 -专利权人：上海联影医疗科技有限公司
申请日： 2018-12-05 - 公布日： 2019-03-29 - 主分类号： G06T11/00 文献下载
摘要：所述方法包括：获取初始图像；根据所述初始图像计算所述初始图像的Z方向信息；根据所述初始图像的Z方向信息得到正则化项参数，并根据正则化项参数数确定目标函数；根据所述初始图像和目标函数进行迭代重建。上述方法能够根据图像体积中的Z方向信息动态调整正则化项，通过动态调整正则化项使其适应不同的像素处的Z方向值，从而达到加快迭代重建的目的，并且能够有效的保留图像边缘信息，还能够对图像边缘处的伪影进行消除。
初始图像迭代重建正则化项方向信息计算机设备存储介质动态调整目标函数医学图像图像边缘信息图像边缘伪影像素图像保留申请

[发明专利]通信装置、信息处理方法以及计算机可读存储介质-CN202310053509.1在审
发明人：大石佳树;古贺健一;古池龙也;片冈研人;菊间信良 -专利权人：株式会社东海理化电机制作所;国立大学法人名古屋工业大学
申请日： 2023-02-03 - 公布日： 2023-08-04 - 主分类号： H04B1/717 文献下载
摘要：通信装置具备：无线通信部，从其他通信装置以无线方式接收信号；和控制部，通过使用了作为正的微小量的正则化参数的迭代计算来推定使规定的范数最小化的上述扩展信号矩阵，并基于使上述规定的范数最小化的上述扩展信号矩阵，来推定无线通信部所接收到的信号的接收时刻，上述控制部将上述迭代计算分为多个阶段来执行，将在上述多个阶段中的第二阶段以后的迭代计算中使用的上述正则化参数的值设定为在前一阶段的迭代计算中使用的上述正则化参数的值以上，并且在上述第二阶段以后的迭代计算中基于上述第二信号的接收状况来使上述正则化参数的值变化。
通信装置信息处理方法以及计算机可读存储介质

[发明专利]基于TwIST的二维核磁共振谱的反演方法和装置-CN201711227592.0有效
发明人：谢然红;郭江峰;金国文;高伦 -专利权人：中国石油大学（北京）
申请日： 2017-11-29 - 公布日： 2020-06-02 - 主分类号： G06F17/16 文献下载
摘要：本发明提供一种基于TwIST的二维核磁共振谱的反演方法和装置，该方法包括：通过N组核磁共振测量参数，生成核矩阵，建立用于反演二维核磁共振谱的目标函数；在每一次对正则化参数进行取值时，采用TwIST算法，求取目标函数的解；根据目标函数的每一个解，确定与每一个解对应的数据比值；根据每一个数据比值、以及正则化参数每一次的取值，建立曲线关系；计算曲线关系中与正则化参数每一次的取值对应的斜率，并根据斜率确定正则化参数的最优取值
基于 twist 二维核磁共振反演方法装置

[发明专利]一种联邦学习模型的训练方法及装置-CN202010564409.1在审
发明人：刘楠;王玥琪;李晓丽;陈川;郑子彬;严强;李辉忠 -专利权人：深圳前海微众银行股份有限公司;中山大学
申请日： 2020-06-19 - 公布日： 2020-09-29 - 主分类号： G06N20/20 文献下载
摘要：本发明公开了一种联邦学习模型的训练方法及装置，包括：客户端获取服务器广播的第k‑1次迭代的全局模型参数，其中，k为正整数，再将全局模型参数作为设有正则化约束的本地模型参数，使用本地数据进行第k次迭代训练，得到第k次迭代训练的本地模型参数，其中，正则化约束是根据服务器的全局模型参数和客户端的本地模型参数确定的，通过正则化约束优化模型中的梯度，进而减小极端数据对本地模型参数训练的影响，提高本地模型参数对非独立同分布数据训练的准确率，然后将第k次迭代训练的本地模型参数发送给服务器，以使服务器更新第k次迭代的全局模型参数，提高全局模型参数对非独立同分布数据训练的准确率。
一种联邦学习模型训练方法装置

[发明专利]训练神经网络模型-CN201880088144.3在审
发明人： D·马夫里厄杜斯;B·G·格布雷;S·特拉亚诺夫斯基 -专利权人：皇家飞利浦有限公司
申请日： 2018-11-30 - 公布日： 2020-09-11 - 主分类号： G06N3/08 文献下载
摘要：神经网络模型使用所述训练数据以初始正则化参数来训练。针对所述训练数据和所述测试数据两者的所述神经网络的损失函数用来修改正则化参数，并且所述神经网络模型使用经修改的正则化参数来再训练。
训练神经网络模型

[发明专利]针对图像深度学习模型识别的自适应正则化优化处理方法-CN202010191674.X有效
发明人：罗兆经;谢钟乐;姚畅 -专利权人：杭州铭之慧科技有限公司
申请日： 2020-03-18 - 公布日： 2022-11-01 - 主分类号： G06V10/84 文献下载
摘要：本发明公开了一种针对图像深度学习模型识别的自适应正则化优化处理方法。建立深度学习模型，提取出深度学习模型每一层的模型参数；首先计算混合高斯中高斯模型对于深度学习模型的每一层模型参数的责任函数；再采用以下公式处理获得自适应的正则项；依次重复步骤迭代处理直到收敛为止；将正则项输入到深度学习模型中，然后在模型参数基础上减去正则项。本发明不同层的模型参数学习到最佳的正则项，从而有效地解决过拟合的问题，提高图像识别准确率，运用了延迟更新的方法来快速更新正则项，可广泛用于图像识别领域的深度学习模型。
针对图像深度学习模型识别自适应正则优化处理方法

[发明专利]基于动态正则化的高效终身关系提取方法及系统-CN202010659589.1有效
发明人：琚生根;申航杰;周刚 -专利权人：四川大学
申请日： 2020-07-09 - 公布日： 2021-02-09 - 主分类号： G06F40/279 文献下载
摘要：本发明提供一种基于动态正则化的高效终身关系提取方法及系统，方法包括以下步骤：接收多个数据集，使用神经模型依次对数据集中的训练样本进行训练，每个数据集对应一个任务；为已接受训练的数据集建立内存块存储记忆数据并在新的数据集训练时访问所有内存块的记忆数据，为克服灾难性遗忘，定义内存数据损失函数、定义特征损失函数、定义EWC损失函数；建立连续训练任务期间的训练损失之差模型分别计算特征损失函数、内存数据损失函数、EWC损失函数的正则化因子；根据特征损失函数及其正则化因子、内存数据损失函数及其正则化因子、EWC损失函数及其正则化因子得到最优关系提取参数。该方法能在进行终身关系提取时的准确率更高，且不引入额外参数。
基于动态正则高效终身关系提取方法系统

[发明专利]一种混合正则化随机配置网络工业过程运行指标估计方法-CN202111233201.2在审
发明人：王前进;杨晓冬;朱家骥;辅小荣 -专利权人：盐城工学院
申请日： 2021-10-22 - 公布日： 2022-03-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种混合正则化随机配置网络工业过程运行指标估计方法，包括获取工业过程运行指标历史数据和影响其变化的相关过程变量数据，对混合正则化随机配置网络估计模型的初始参数进行设置，通过建立强约束的监督机制，得到最优隐层节点及对应的最优隐层参数，获得当前模型的隐层输出矩阵，并采用交替方向乘子法确定模型最优输出权值，进而得到当前模型的网络残差，构建混合正则化随机配置网络估计模型，实现目标工业过程的运行指标数据的估计本发明采用高约束的监督机制并以构造法建立参数最优的运行指标估计模型，利用混合正则化技术自动删除对模型贡献低的隐层节点，从而保证了模型具有紧致的结构和良好的泛化性能。
一种混合正则随机配置网络工业过程运行指标估计方法