“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]基于可微决策器和知识蒸馏的神经网络剪枝方法及系统-CN202111387877.7在审
发明人：李佳鑫;刘德荣;王永华;赵博 -专利权人：广东工业大学
申请日： 2021-11-22 - 公布日： 2022-02-25 - 主分类号： G06N3/08 文献下载
摘要：本发明提出一种基于可微决策器和知识蒸馏的神经网络剪枝方法及系统，包括：对神经网络进行预训练；为预训练后的神经网络中的每一层卷积层构建可微决策器，对网络中的每一层进行采样并截断，得到每一层的剪枝率；对神经网络进行剪枝，得到剪枝后的网络；使用知识蒸馏方法对神经网络进行优化；对优化后的神经网络进行训练，恢复其准确度。通过在神经网络中的每一层卷积层构建可微决策器，并优化可微决策器的可训练参数，不需要人类专家的经验和人工的设计，减少人工的参与，实现快速自动化准确的神经网络结构搜索，得到神经网络的剪枝率，对神经网络进行剪枝，得到最优的神经网络结构并节省大量时间。
基于决策知识蒸馏神经网络剪枝方法系统

[发明专利]一种基于稀疏BP神经网络的实时交通预测方法及装置-CN201911405684.2有效
发明人：杨亚蕾;蒋丽峰;张雪琼;陈婷婷 -专利权人：福建工程学院
申请日： 2019-12-31 - 公布日： 2021-06-04 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于稀疏BP神经网络的实时交通预测方法。包括根据预设的第一规则生成稀疏神经网络；利用遗传编程对所述稀疏神经网络进行网络结构优化；利用PSO优化所述稀疏神经网络的网络权值；将有效交通数据样本导入所述稀疏神经网络中进行测试，若测试结果在预期范围内，则保留所述稀疏神经网络；若测试结果不在预期范围内，则重新根据预设的第一规则生成稀疏神经网络。本发明还公开了一种基于稀疏BP神经网络的实时交通预测装置。本发明结合了BP神经网络、遗传编程和PSO优化算法，利用遗传算法可以弥补神经网络收敛速度慢和容易陷入局部最优解的不足的特点，使得构建出的稀疏神经网络结构在保证正确率的情况下还能提高预测速度。
一种基于稀疏 bp 神经网络实时交通预测方法装置

[发明专利]一种神经网络芯片的优化方法、系统、设备和存储介质-CN202010574428.2在审
发明人：邹伟;熊超;蔡权雄;牛昕宇 -专利权人：深圳鲲云信息科技有限公司
申请日： 2020-06-22 - 公布日： 2020-10-09 - 主分类号： G06N3/063 文献下载
摘要：本发明实施例公开了一种神经网络芯片的优化方法、系统、设备和存储介质。该方法包括：获取预设的神经网络模型；将所述神经网络模型编译为第一中间表达，所述第一中间表达包括一个或多个第一计算单元；根据所述一个或多个第一计算单元在神经网络芯片的运行时间确定所述第一中间表达在所述神经网络芯片的运行总时间；根据所述运行总时间对所述神经网络芯片的芯片参数进行调整以优化所述神经网络芯片。本发明实施例实现了优化神经网络芯片，以使其与针对某个应用场景的神经网络模型具有高契合度。
一种神经网络芯片优化方法系统设备存储介质

[发明专利]一种基于有界正交约束的可解释神经网络优化方法与系统-CN202211566219.9在审
发明人：周杰;鲁继文;张博睿;郑文钊 -专利权人：清华大学
申请日： 2022-12-07 - 公布日： 2023-03-14 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于有界正交约束的可解释神经网络优化方法与系统，该方法包括：获取训练数据集；利用训练数据集训练神经网络模型参数；其中，神经网络模型参数包括，基于有界性约束的神经网络模型权重参数和基于正交性约束的同层神经网络权重参数；基于有界性约束和正交性约束构建优化目标的损失函数，并对神经网络模型参数进行优化，直到损失函数收敛以更新神经网络模型参数得到训练好的神经网络模型。本发明能够获得具备较强可解释性的神经网络模型，该模型能够实现高精度回溯重建及显著性图生成，同时提升模型的分类性能，以提高自动驾驶等高可靠行业中应用黑盒模型的信任度。
一种基于正交约束可解释神经网络优化方法系统

[发明专利]基于数据可视化的卷积神经网络优化方法及装置-CN202210269009.7在审
发明人：冯旸赫;陈丽;黄金才;刘忠;程光权;梁星星;许乃夫;张驭龙 -专利权人：中国人民解放军国防科技大学
申请日： 2022-03-18 - 公布日： 2022-07-08 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种基于数据可视化的卷积神经网络优化方法、装置、计算机设备和存储介质。所述方法包括：利用初始神经网络的softmax层定义预测的条件概率，根据逻辑规则数据定义规则正则化的条件概率；根据预测的条件概率和规则正则化的条件概率的KL散度设置为优化的卷积神经网络的目标函数；以及将逻辑规则数据设置为优化的卷积神经网络的约束条件；根据约束条件和所述目标函数，建立优化的卷积神经网络的求解模型；通过寻优算法对所述求解模型进行寻优，得到目标函数的最优解；目标函数的最优解为优化后的卷积神经网络。采用本方法能够能够提高神经网络可解释性。
基于数据可视化卷积神经网络优化方法装置

[发明专利]基于改进的径向基神经网络算法的网络异常流量预测方法-CN201910957978.X在审
发明人：刘畅;夏勇军;王晋;李晶;王捷;田里;汪雪琼 -专利权人：国网湖北省电力有限公司电力科学研究院;国家电网有限公司
申请日： 2019-10-10 - 公布日： 2020-01-17 - 主分类号： H04L29/06 文献下载
摘要：本发明提供一种基于改进的径向基神经网络算法的网络异常流量预测方法，包括RBF神经网络初始化、采用QAPSO算法优化RBF神经网络参数、根据RBF神经网络的最优参数重新构建一个优化的RBF神经网络预测模型、以及使用优化的RBF神经网络预测模型进行流量预测。、易于陷入局部最优解和搜索精度不足等问题，在基于自适应思想的APSO算法和基于量子理论的QPSO算法的基础上，使之结合，设计了一种具备更高全局收敛能力和全局搜索精度QAPSO算法，并使用QAPSO算法优化RBF算法参数，提高了RBF神经网络的预测精度。
算法算法优化预测模型径向基神经网络算法网络异常流量量子理论流量预测全局收敛全局搜索算法参数重新构建最优参数初始化自适应最优解预测优化早熟收敛搜索改进

[发明专利]浮点神经网络模型量化系统和方法-CN202011609407.6在审
发明人：陈家麒;黄宇扬;冯建豪 -专利权人：上海熠知电子科技有限公司
申请日： 2020-12-30 - 公布日： 2021-05-07 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种浮点神经网络模型的量化系统，包括：组合校准算法单元，所述组合校准算法单元包括多种校准算法单元，组合校准算法单元为各个浮点神经网络模型或者一个浮点神经网络模型中的各个激活值分配不同的校准算法，以便获得量化参数，并对浮点神经网络进行量化，得到定点神经网络模型；自检优化单元，所述自检优化单元在校准数据集的一个子集上，推演浮点神经网络模型和定点神经网络模型，计算浮点神经网络模型和定点神经网络模型的结果的余弦相似度作为基准余弦相似度；自检优化单元微调初始量化参数，生成经微调的定点神经网络模型，计算浮点神经网络模型和经微调的定点神经网络模型的结果的余弦相似度；判断经微调的余弦相似度是否大于基准余弦相似度，如果经微调的余弦相似度大于基准余弦相似度，则利用经微调的量化参数、经微调的定点神经网络、经微调的余弦相似度更新量化参数、定点神经网络和基准余弦相似度。
浮点神经网络模型量化系统方法

[发明专利]遥感图像的目标识别方法、装置和计算机设备-CN201910007003.0有效
发明人：翟佳;周嘉明;陈峰;彭实 -专利权人：北京环境特性研究所
申请日： 2019-01-04 - 公布日： 2021-03-23 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种遥感图像的目标识别方法，其获取训练遥感图像，以及，获取与所述训练遥感图像对应的标准识别结果；对预设神经网络进行优化，获取优化神经网络；其中，所述优化神经网络具有至少两个不同尺度的用于检测图像的感知域；根据所述训练遥感图像和所述标准识别结果，训练所述优化神经网络，得到训练神经网络；将待识别的遥感图像输入所述训练神经网络，得到所述遥感图像的目标识别结果；能够有效降低成本，并且能够对遥感图像实时检测，且精度较高
遥感图像目标识别方法装置计算机设备

[发明专利]网络优化方法、装置、电子设备及计算机可读存储介质-CN202210383749.3在审
发明人：李文文;王希栋;鹿岩;宋勇;叶晓舟;欧阳晔 -专利权人：亚信科技（中国）有限公司
申请日： 2022-04-12 - 公布日： 2022-07-29 - 主分类号： H04W24/02 文献下载
摘要：本申请实施例提供了一种网络优化方法、装置、电子设备及计算机可读存储介质，涉及无线通信领域。该方法包括：获取目标优化小区当前的网络参数数据；接着，基于网络参数数据和目标优化小区的网络优化指标，根据预设的判决策略，确定通过模仿神经网络或深度强化学习模型，生成网络优化策略，其中，模仿神经网络是基于预先获取到的目标优化小区的网络参数调优经验数据集对预定神经网络进行训练生成的，深度强化学习模型是基于模仿神经网络生成的；接着，根据网络优化策略，优化目标优化小区的网络参数。本申请实施例可以融合模仿神经网络和深度强化学习模型进行网络优化方法，为移动通信网络动态优化的感知决策提供了解决方案。
网络优化方法装置电子设备计算机可读存储介质

[发明专利]神经网络的中间信息分析装置、优化装置、特征可视化装置-CN201710794559.X有效
发明人：尹汭;谭志明;白向晖 -专利权人：富士通株式会社
申请日： 2017-09-06 - 公布日： 2021-09-14 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例提供一种神经网络的中间信息分析装置、优化装置、特征可视化装置及方法、电子设备，通过降维算法对神经网络中长短期记忆层输出的隐藏状态进行简化，并根据简化后的隐藏状态、神经网络的输入数据以及神经网络的输出结果分析该神经网络的中间信息，根据该中间信息，能够从本质上分析该神经网络的原理，从而能够针对具有长短期记忆层的神经网络的各种应用进行优化和改善；根据该中间信息对该神经网络的参数进行优化，能够有效提高该神经网络的应用效果，另外根据该中间信息能够实现该隐藏状态包含的特征的可视化，有利于对于具有长短期记忆层的神经网络的研究和学习。
神经网络中间信息分析装置优化特征可视化

[发明专利]基于GA-BP神经网络的城市用水量预测方法-CN201910701624.9在审
发明人：武风波;赵盼;吕茜彤;范梦宁;刘兆琦;刘贝;刘瑶 -专利权人：西安科技大学
申请日： 2019-07-31 - 公布日： 2019-11-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及神经网络及城市用水预测领域，特别涉及一种基于GA‑BP神经网络的城市用水量预测方法。包括：步骤一、BP神经网络结构的构建；步骤二、GA优化BP神经网络初始权值；步骤三、GA‑BP神经网络的训练与预测；步骤四、将训练好的GA‑BP神经网络用于城市用水量的预测。本发明基于GA‑BP神经网络的城市用水量预测方法，克服了优化神经网络初始权值的困难，提高了分析的预测精度。
城市用水量预测神经网络神经网络结构优化神经网络城市用水构建分析

[发明专利]一种神经网络搜索方法、装置、设备及存储介质-CN202211181426.2在审
发明人：张磊;李富康 -专利权人：中科物栖（北京）科技有限责任公司
申请日： 2022-09-27 - 公布日： 2022-12-23 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络搜索方法、装置、设备及存储介质，涉及神经网络技术领域。该方法包括：利用自动化人工智能的神经结构搜索算法，确定神经网络搜索空间；对所述神经网络搜索空间内每个神经网络结构进行超参数配置，并对配置的超参数进行优化；对超参数配置后的神经网络进行网络性能评分，并根据所有所述神经网络对应的网络性能评分选择出最优神经网络通过利用自动化人工智能的神经结构搜索算法确定神经网络搜索空间，可以扩大神经网络搜索空间，对神经网络搜索空间内每个神经网络结构进行超参数配置后，再进行超参数优化，最后根据网络性能评分确定出最优神经网络，可以灵活满足用户需求，提高神经网络搜索的准确性。
一种神经网络搜索方法装置设备存储介质

[发明专利]一种神经网络模型优化方法、装置、电子设备及存储介质-CN202310230121.4在审
发明人：徐占洋;程洛飞;程建春 -专利权人：南京信息工程大学
申请日： 2023-03-10 - 公布日： 2023-05-12 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种神经网络模型优化方法、装置、电子设备及存储介质，属于深度学习技术领域，方法包括：根据神经网络模型的特征，构建增广拉格朗日目标函数；根据所述增广拉格朗日目标函数，确定所述神经网络模型中每个优化变量对应的优化子问题的目标函数；对所述神经网络模型的各参数进行初始化设置；根据所述优化子问题的目标函数，对所述神经网络模型进行优化变量的更新，以实现对所述神经网络模型的优化。该方法能够弥补基于梯度优化器所涉及的对初始数据敏感和梯度消失的缺陷，解决ADMM算法对非严格凸目标函数表现不好且优化效率低的问题。
一种神经网络模型优化方法装置电子设备存储介质

[发明专利]优化神经网络架构-CN201880013643.6在审
发明人： J.A.迪安;S.摩尔;E.A.瑞尔;T.布鲁尔 -专利权人：谷歌有限责任公司
申请日： 2018-02-23 - 公布日： 2019-10-22 - 主分类号： G06N3/08 文献下载
摘要：方法、系统和装置，包括在计算机存储介质上编码的计算机程序，用于优化神经网络架构。一种方法包括：接收训练数据；使用训练数据确定用于执行机器学习任务的优化的神经网络架构；以及确定具有优化的神经网络架构的神经网络的参数的训练的值。
神经网络架构优化神经网络训练数据计算机存储介质计算机程序机器学习优化

[发明专利]基于卷积神经网络的多相材料结构拓扑优化方法及系统-CN202110511653.6有效
发明人：肖蜜;崔芙铭;张红扬;高亮 -专利权人：华中科技大学
申请日： 2021-05-11 - 公布日： 2022-10-28 - 主分类号： G06F30/20 文献下载
摘要：本发明属于结构优化相关技术领域，其公开了一种基于卷积神经网络的结构拓扑优化方法及系统，优化方法包括：将U‑Net中的编码器网络调整为MobileNet网络，以获得Mobile‑U‑Net卷积神经网络；获取多种边界条件的多个样本数据信息，将样本数据信息分别输入Ordered SIMP获得对应的拓扑结构的单元密度值；将所述多种边界条件和单元密度值分别进行编码以与所述Mobile‑U‑Net卷积神经网络的输入通道和输出通道的预设尺寸相匹配；采用边界条件和单元密度值对Mobile‑U‑Net卷积神经网络进行训练获得训练完成的Mobile‑U‑Net卷积神经网络；将待优化结构的边界条件输入训练完成的Mobile‑U‑Net卷积神经网络获得拓扑优化结构本申请通过设计一种用于结构优化的卷积神经网络，实现可以考虑多种因素并且快捷高效的结构拓扑优化。
基于卷积神经网络多相材料结构拓扑优化方法系统