“神经网络优化”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1340957个，建议您升级VIP下载更多相关专利

[发明专利]一种基于BP神经网络功率分配优化系统及优化方法-CN202011594645.4在审
发明人：李昌泉;郝义国;魏永琪 -专利权人：武汉格罗夫氢能汽车有限公司
申请日： 2020-12-29 - 公布日： 2021-04-13 - 主分类号： B60L58/40 文献下载
摘要：本发明公开了一种基于BP神经网络功率分配优化系统及优化方法，包括制动踏板模块、VCU模块、BP神经网络模块和PID调节模块，所述制动踏板模块的信息输出端连接VCU模块，所述VCU模块的信息输出端连接BP神经网络模块，所述BP神经网络模块的信息输出端连接PID调节模块；所述制动踏板模块，踩压制动踏板，根据制动踏板采集需求功率的大小值；所述VCU模块，接受需求功率的命令，将需求功率值下发到BP神经网络模块该基于BP神经网络功率分配优化系统及优化方法，需求功率协调分配燃料电池输出功率、超级电容输出功率和NiH电池输出功率，采用BP神经网络有利于很好的预测燃料电池、超级电容和NiH电池三者各自的输出功率。
一种基于 bp 神经网络功率分配优化系统方法

[发明专利]神经网络模型的压缩方法及相关装置-CN202010711176.3在审
发明人：沈力;黄浩智;王璇;刘威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-07-22 - 公布日： 2021-05-04 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种神经网络模型的压缩方法及相关装置，属于人工智能技术领域。该方法包括：利用神经网络模型的损失函数和零范数构建第一压缩模型，所述零范数指示所述神经网络模型中模型参数的稀疏度；将所述零范数等价处理为连续优化项，得到与所述第一压缩模型等价的第二压缩模型，所述连续优化项以所述稀疏度的控制参数为自变量，所述连续优化项连续优化的目标值等价于所述零范数；同步训练所述神经网络模型及所述第二压缩模型，以使得所述控制参数根据所述神经网络模型的训练误差稀疏化更新所述模型参数。本申请有效提升压缩后的神经网络模型的精度，提升神经网络模型的压缩可靠性。
神经网络模型压缩方法相关装置

[发明专利]基于小波分析和神经网络的晶粒度检测方法及系统-CN202210418988.8在审
发明人：白雪;王贺;马健;贾中青;徐国健;张振振;陈建伟;宋江峰;郭锐;南钢洋 -专利权人：山东省科学院激光研究所
申请日： 2022-04-20 - 公布日： 2022-08-09 - 主分类号： G06T7/00 文献下载
摘要：本申请公开了基于小波分析和神经网络的晶粒度检测方法及系统，方法包括：获取至少一个金属样件对应的小波时频特征图集；所述小波时频特征图集由若干小波时频特征图构成，一个金属样件对应至少一个小波时频特征图；根据所述小波时频特征图集中的小波时频特征图，将建立的卷积神经网络模型经过训练得到优化卷积神经网络模型；将待测小波时频特征图输入至所述优化卷积神经网络模型中，得到晶粒度检测结果。本申请将超声波回波信号转化的大量小波时频特征图作为优化卷积神经网络的输入数据，可提高卷积神经网络模型的泛化能力，建立的优化卷积神经网络模型应用于金属晶粒度的检测，检测精度更高。
基于分析神经网络晶粒检测方法系统

[发明专利]基于改进长短期记忆神经网络的短期光伏发电预测方法-CN202211116184.9在审
发明人：周柯;丘晓茵;金庆忍;蒙宣任;宋益 -专利权人：广西电网有限责任公司电力科学研究院
申请日： 2022-09-14 - 公布日： 2022-12-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。
基于改进短期记忆神经网络发电预测方法

[发明专利]一种神经网络模型预测的半导体薄膜工艺参数优化系统-CN202010833547.5有效
发明人：刘胜;东芳;甘志银;王彪 -专利权人：武汉大学
申请日： 2020-08-18 - 公布日： 2021-07-02 - 主分类号： G16C60/00 文献下载
摘要：本发明提出了一种神经网络模型预测的半导体薄膜工艺参数优化系统。本发明包括集成多种在线监测功能的神经网络模型预测的半导体薄膜工艺参数优化装置。本发明结合半导体薄膜质量特征向量、人工标定的质量等级构建半导体薄膜质量训练集并进行训练，得到训练后半导体薄膜质量等级预测神经网络模型；通过半导体薄膜质量训练集对生长工艺参数预测神经网络模型进行训练，得到训练后生长工艺参数预测神经网络模型；进一步通过半导体薄膜质量等级预测神经网络模型、生长工艺参数预测神经网络模型优化半导体薄膜样品的生长工艺参数特征向量，使样品生长达到半导体薄膜样品质预定等级。实现生长条件优化，低位错密度，低缺陷高质量外延半导体薄膜的生长。
一种神经网络模型预测半导体薄膜工艺参数优化系统

[发明专利]深度神经网络推理计算中一种基于Profile图的优化方法-CN202011022468.2有效
发明人：李春江;夏一民;刘宗林;龚国辉;刘蓬侠;罗恒;王磊;赵祥;徐雪刚 -专利权人：湖南长城银河科技有限公司
申请日： 2020-09-25 - 公布日： 2022-05-03 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种深度神经网络推理计算中一种基于Profile图的优化方法，所述深度神经网络推理计算中一种基于Profile图的优化方法包括如下步骤：步骤S1、获取深度神经网络推理计算节点的包含计算量和计算时间的Profile信息；步骤S2、将Profile信息与深度神经网络模型结构描述融合，形成Profile图：根据深度神经网络结构描述文件、Profile信息以及计算核心的信息，构建包含计算量、计算时间、计算函数的Profile图，用于指导计算调度；步骤S3、基于深度神经网络Profile图的计算核心调度，实现性能优化。本发明可以对深度神经网络推理全过程的计算工作负载有更清晰直接的认识，可实现面向具体计算设备计算资源的性能优化调度。
深度神经网络推理计算一种基于 profile 优化方法

[发明专利]一种提高深度残差脉冲神经网络精度以优化图像分类的方法及其系统-CN202010772308.3在审
发明人：李丽;陈沁雨;傅玉祥;何书专;李伟 -专利权人：南京大学
申请日： 2020-08-04 - 公布日： 2020-10-30 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种提高深度残差脉冲神经网络精度以优化图像分类的方法及其系统，本发明所公开的方法以深度残差神经网络向深度残差脉冲神经网络的转化过程为优化对象，在转化过程中对网络层进行解析、标准化、转换，并进行针对性优化，证明了优化后的深度残差脉冲神经网络在复杂图像识别问题上的有效性；该优化方法提出了迭代平均标准化策略，解决了在对残差神经网络结构中的短路连接进行转化时所面临的标准化难题；该算法优化后的深度残差脉冲神经网络稀疏度高、无乘法的算法性质决定了计算的高效性和硬件友好性；在MNIST数据集上测试时，转化后生成的深度残差脉冲神经网络无精度损失，在CIFAR10数据集上测试的结果仅有1.3%的精度损失，优于现有技术水平。
一种提高深度脉冲神经网络精度优化图像分类方法及其系统

[发明专利]一种制冷设备故障诊断装置及系统-CN201910148909.4在审
发明人：崔晓钰;韩华;徐玲;范雨强;武浩;张展 -专利权人：上海理工大学
申请日： 2019-02-28 - 公布日： 2019-06-28 - 主分类号： G06N3/04 文献下载
摘要：根据本发明的制冷设备故障诊断装置及系统，制冷设备故障诊断装置包括管理用储存部、节点及层数设定部、深度神经网络训练部、深度神经网络模型构造部、训练步数设定部、故障诊断模型构建部、学习率优化部以及故障诊断结果生成部，管理用储存部至少存储有训练组数据和测试组数据，深度神经网络训练部采用SGDM对深度神经网络进行训练，深度神经网络模型构造部根据神经网络的结构、激活函数、损失函数等建立深度神经网络模型，故障诊断模型构建部用于深度神经网络模型中应用训练组数据进行训练后构建故障诊断模型，学习率优化部采用模拟退火算法对学习率进行优化，故障诊断结果生成部对测试组数据进行故障诊断，得到故障诊断结果。
神经网络模型故障诊断结果故障诊断模型故障诊断装置制冷设备构建神经网络训练神经网络测试组储存部优化模拟退火算法故障诊断激活函数损失函数应用训练训练组组数据步数学习存储管理

[发明专利]战斗策略生成方法及装置-CN201911344540.0在审
发明人：何纬朝 -专利权人：北京像素软件科技股份有限公司
申请日： 2019-12-23 - 公布日： 2020-05-08 - 主分类号： A63F13/67 文献下载
摘要：该方法包括：针对更新策略非玩家角色绑定近端策略优化算法并搭建近端策略优化算法的神经网络结构；计算当前策略神经网络的损失值，更新当前策略神经网络的参数，复制当前策略神经网络的参数替换目标策略神经网络的参数；根据目标策略神经网络的参数使更新策略非玩家角色与玩家角色进行对抗，并根据与玩家角色对抗产生的战斗数据对神经网络结构的神经网络参数进行更新，为更新策略非玩家角色生成新的战斗策略。本发明实施例的战斗策略生成方法及装置通过针对更新策略非玩家角色绑定近端策略优化算法，最终生成战斗策略，从而达到了能够根据具体情况输出离散动作或连续动作的技术效果。
战斗策略生成方法装置

[发明专利]基于知识图谱的图神经网络遥感图像分类方法-CN202310143228.5在审
发明人：鲁锦涛;许晓航;龚启航;李洁;邹圣兵 -专利权人：北京数慧时空信息技术有限公司
申请日： 2023-02-10 - 公布日： 2023-05-16 - 主分类号： G06V20/13 文献下载
摘要：本发明提供一种基于知识图谱的图神经网络遥感图像分类方法，包括：获取不同场景下的遥感样本，并收集与遥感样本集相关的遥感知识；基于遥感知识对遥感样本进行知识图谱的构建，得到第一知识图谱；构建图神经网络模型，将第一知识图谱输入图神经网络模型进行学习，对第一知识图谱进行完善和融合，得到第二知识图谱；利用遥感样本和第二知识图谱对图神经网络模型进行迭代训练，对图神经网络模型进行优化；获取待分类遥感图像，根据优化后的图神经网络模型对待分类遥感图像进行分类本发明通过将知识图谱与图神经网络相结合并互相优化，能够很大程度的提高图神经网络模型的分类精度。
基于知识图谱神经网络遥感图像分类方法

[发明专利]基于卷积神经网络的糖尿病视网膜并发症诊断辅助系统-CN201810414224.5有效
发明人：孙运雷;孙晓;魏倩 -专利权人：中国石油大学（华东）
申请日： 2018-05-03 - 公布日： 2021-08-13 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了基于卷积神经网络的糖尿病视网膜并发症诊断辅助系统，包括：训练集和测试集准备模块，用于准备2型糖尿病并发视网膜病变和非2型糖尿病并发视网膜病变的训练集和测试集；卷积神经网络构建模块，用于构建卷积神经网络；卷积神经网络优化模块，用于对所构建的卷积神经网络进行优化；卷积神经网络训练模块，利用训练集对卷积神经网络进行训练；分类输出模块，将测试集作为训练好的神经网络的输入，输出值是2型糖尿病并发视网膜病变或非为糖尿病并发视网膜病变的早期诊断以及优化诊断流程提供了依据，将深度学习与电子病历信息相结合，得到不错的效果。
基于卷积神经网络糖尿病视网膜并发症诊断辅助系统

[发明专利]基于SBO-CNN网络的显示屏缺陷检测方法-CN202211639637.6在审
发明人：马利军;谢东东;柴永剑 -专利权人：苏州智存宽显电子有限公司
申请日： 2022-12-19 - 公布日： 2023-06-09 - 主分类号： G06T7/00 文献下载
摘要：本发明属于神经网络技术领域，具体为基于SBO‑CNN网络的显示屏缺陷检测方法，该基于SBO‑CNN网络的显示屏缺陷检测方法具体步骤流程如下：步骤一：网络结构、卷积神经网络整体架构：卷积神经网络是一种多层的监督学习神经网络，隐含层的卷积层和池采样层是实现卷积神经网络特征提取功能的核心模块，该网络模型通过采用梯度下降法最小化损失函数对网络中的权重参数逐层反向调节，通过频繁的迭代训练提高网络的精度，使得神经网络结构变得简单，适应性更强的优点，通过智能优化方法优化卷积神经网络的参数可以提高其收敛速度，加快卷积神经网络对大量原始数据的处理速度。
基于 sbo cnn 网络显示屏缺陷检测方法

[发明专利]基于多级网络的图像重建方法、系统、可读存储介质和设备-CN202011360010.8有效
发明人：吕杨;奚臣 -专利权人：上海联影医疗科技股份有限公司
申请日： 2020-11-27 - 公布日： 2023-01-24 - 主分类号： G06T11/00 文献下载
摘要：本申请涉及一种基于多级网络的图像重建方法、系统、可读存储介质和设备，属于医疗影像技术领域，获取医学扫描的原始数据，将所述原始数据分别输入至依次连接的多个神经网络模块，当前神经网络模块对原始数据进行处理后得到中间图像，将该中间图像输入至与当前神经网络模块连接的下一神经网络模块，下一神经网络模块对原始数据和当前神经网络的中间图像进行处理后得到下一神经网络模块输出的中间图像，直至获取末尾神经网络模块输出的图像作为重建图像由于多个神经网络模块依次连接，且每个神经网络模块用于进行不同维度的图像优化，使最终输出的重建图像在不同维度均得到优化处理，从而较为全面地提升图像质量。
基于多级网络图像重建方法系统可读存储介质设备

[发明专利]一种基于卷积神经网络的模式识别方法-CN202310016464.0在审
发明人：葛昕;岳敏楠 -专利权人：上海理工大学
申请日： 2023-01-06 - 公布日： 2023-04-28 - 主分类号： G06N3/0464 文献下载
摘要：本发明属于基于卷积神经网络的模式识别技术领域，公开了一种基于卷积神经网络的模式识别方法。本发明通过构建目标卷积神经网络方法能够有效降低目标卷积神经网络的结构复杂度；并且，在目标卷积神经网络使用时，可以直接基于每对基向量来完成卷积层的卷积运算，提高了运算效率；同时，通过对目标卷积神经网络进行优化方法对目标卷积神经网络进行时间与能耗目标建模，对时间、能耗逐层预测，同时分析时间、能耗开销的主导目标建模参数，通过改进目标建模参数、改变阵列分割方法与缓存分割方法对目标卷积神经网络进行时间与能耗双目标优化从而改进目标卷积神经网络模型。
一种基于卷积神经网络模式识别方法

[发明专利]卷积神经网络的优化方法、装置、存储介质和系统-CN201811639927.4在审
发明人：不公告发明人 -专利权人：北京中科寒武纪科技有限公司
申请日： 2018-12-29 - 公布日： 2019-05-17 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种卷积神经网络优化方法、装置、存储介质和系统。所述方法包括：将冗余神经网络层的卷积计算融合到卷积层中，并删除多余的神经网络层。采用本方法能够使优化后的网络网络性能大幅度提升。
卷积神经网络存储介质神经网络优化卷积计算网络网络冗余卷积删除融合申请