专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果1225245个,建议您升级VIP下载更多相关专利
  • [发明专利]基于人工神经网络的土地评价方法-CN200910063040.X无效
  • 刘耀林;焦利民;刘艳芳 - 武汉大学
  • 2009-07-07 - 2009-12-09 - G06N3/08
  • 本发明公开了一种基于人工神经网络的土地评价方法,该方法以实际调查样本为基础的自学习方法或以已有知识为基础,依据样本进行自学习修正,构建基于自学习、自适应的神经网络的土地评价方法。根据神经网络模型因模型结构中存在阶跃函数等不可微激发函数而引起的收敛过于缓慢甚至发散的问题,而引入遗传优化,构建了基于遗传优化的土地评价方法,实现基于遗传优化的神经网络土地评价方法。发明用遗传算法优化神经网络的连接权和遗传算法优化神经网络结构提高神经网络模型的准确性和实用性。
  • 基于人工神经网络土地评价方法
  • [发明专利]一种脉冲神经网络储备池计算模型构建方法及装置-CN202211276694.2在审
  • 黎沩安;杨冬平 - 之江实验室
  • 2022-10-19 - 2022-11-18 - G06N3/04
  • 本发明公开一种脉冲神经网络储备池计算模型构建方法及装置,包括构建脉冲神经元的膜电位动力学方程、脉冲神经网络突触可塑性的动力学方程和脉冲神经元膜电位动态时间尺度模型以及突触动态时间尺度模型,并利用上述方程和模型构建基于脉冲神经元的脉冲神经网络储备池隐藏层本发明提出了具有动态时间尺度和STD的脉冲神经网络的储备池的构建方法。这个模型能够彻底解决了在记忆任务中模型的工作参数的鲁棒性问题。本发明构建的具有动态时间尺度的基于脉冲神经网络的储备池模型,满足参数量小,计算简单,鲁棒性强的优点,容易在神经拟态芯片中实现,高鲁棒性使得芯片的性能不容易被影响,具有很好的应用前景。
  • 一种脉冲神经网络储备计算模型构建方法装置
  • [发明专利]模型构建方法、欺诈交易识别方法、装置、设备和介质-CN202310685642.9在审
  • 蔡梦华;林金妮;和欢;贠博严 - 中国银行股份有限公司
  • 2023-06-09 - 2023-09-12 - G06Q20/40
  • 本申请公开了模型构建方法、欺诈交易识别方法、装置、设备和介质,可用于人工智能领域或金融领域。该模型构建方法中,首先,获取多条历史交易信息;然后,基于多条历史交易信息,训练得到决策树模型;接着,基于决策树模型的结构确定待训练神经网络模型的结构,得到待训练神经网络模型,由此可以在构建神经网络模型的初期更为合理、可靠的设置待训练神经网络模型的初始结构;最后,通过多条历史交易信息训练待训练神经网络模型,得到欺诈交易识别模型。由于待训练神经网络模型的结构基于通过历史交易信息训练得到的决策树模型的结构设置,故而能够高效地得到准确度较高的欺诈交易识别模型。
  • 模型构建方法欺诈交易识别装置设备介质
  • [发明专利]基于振动信号的滚动轴承故障诊断方法及电子设备-CN202111681766.7在审
  • 周文康;李柠 - 上海交通大学
  • 2021-12-30 - 2022-05-10 - G06K9/00
  • 本发明提供一种基于振动信号的滚动轴承故障诊断方法及电子设备,所述方法包括:采集滚动轴承的时域振动数据;对时域振动数据进行分割,基于一维卷积神经网络构建时域故障诊断模型;提取域振动数据中的频域信息,基于一维卷积神经网络构建频域故障诊断模型;将时域振动数据转化为二维时频图,基于二维卷积神经网络构建时频域故障诊断模型;基于时域故障诊断模型、频域故障诊断模型以及时频域故障诊断模型构建多流卷积神经网络,基于多流卷积神经网络对滚动轴承的运行状态进行分类本发明通过采集不同种类的故障轴承振动数据,基于多流卷积神经网络构建故障诊断模型,实现滚动轴承的故障分类,提高了故障分类的准确率和可靠性。
  • 基于振动信号滚动轴承故障诊断方法电子设备

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top