“神经网络构建”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1225245个，建议您升级VIP下载更多相关专利

[发明专利]一种同态加密下神经网络构建方法、图像处理方法和系统-CN202011622912.4在审
发明人：刘圣龙;王衡;周鑫;王迪;夏雨潇;张舸;江伊雯;吕艳丽 -专利权人：国家电网有限公司大数据中心
申请日： 2020-12-31 - 公布日： 2021-04-30 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种同态加密下神经网络构建方法、图像处理方法和系统，包括：获取预先训练的卷积神经网络模型输出所述卷积神经网络模型的网络参数；根据所述网络参数，在同态加密下对所述卷积神经网络模型进行转换，得到可识别多类型数据的卷积神经网络；其中，所述卷积神经网络模型是由用户层多个图像数据及其对应的分类结果训练得到的。本发明构建了一个可同时处理原始数据和同态加密的数据的可识别多类型数据的卷积神经网络，改善现有机器学习的弊端，提高预测准确率。
一种同态加密神经网络构建方法图像处理系统

[发明专利]一种基于时域编码和脉冲神经网络的图像分类方法-CN202110378158.2在审
发明人：周士博 -专利权人：周士博
申请日： 2021-04-08 - 公布日： 2021-06-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于时域编码和脉冲神经网络的图像分类方法，包括以下步骤：S1.基于图像的时域编码和类别标记构建样本集；S2.构建脉冲神经网络作为分类模型；S3.利用构建的样本集对脉冲神经网络进行训练，得到训练成熟的脉冲神经网络；S4.对于待识别的图像，将其进行时域编码后输入训练成熟的脉冲神经网络中，得到图像的分类结果。本发明通过不需要计算神经元膜电位的直接训练框架，降低了脉冲神经网络的训练难度，进而有效实现了实时低功耗的图像识别分类。
一种基于时域编码脉冲神经网络图像分类方法

[发明专利]一种基于集成神经网络的终端设备传输功率的控制方法-CN202010964851.3有效
发明人：李君;朱明浩;仲星;王秀敏;李正权 -专利权人：南京信息工程大学滨江学院;中科怡海高新技术发展有限公司
申请日： 2020-09-15 - 公布日： 2022-07-12 - 主分类号： H04W4/70 文献下载
摘要：本发明公开一种基于集成神经网络的终端设备传输功率的控制方法，收集D2D链路的信道功率增益样本；并输入到SPCA算法，得到相应样本下的最优功率分配策略；搭建深度神经网络和卷积神经网络，并初始化神经网络权重；将训练数据集输入至神经网络，构建神经网络的输出和标签之间的MSE作为损失函数，并对神经网络的权重进行更新；当损失函数小于预设值或达到迭代次数时即认为神经网络训练完成，保存神经网络；构建选择器，选择并输出具有更高性能的分配策略本发明克服了深度神经网络对大规模网络学习能力弱和卷积神经网络对小规模网络的局部特征提取的有限性，用集成学习的思想，将两个网络集成起来，使其能适应不同规模网络实时的功率分配需求。
一种基于集成神经网络终端设备传输功率控制方法

[发明专利]模块化分布式人工神经网络-CN201711390236.0有效
发明人：帕维尔·纳斯科;亚历克斯·罗森;伊利亚·布雷瓦兹;贾勒·佩列茨;罗恩·弗瑞丹特尔 -专利权人：小蚁科技（香港）有限公司
申请日： 2017-12-21 - 公布日： 2020-09-08 - 主分类号： G06N3/04 文献下载
摘要：一种模块化神经网络系统，其包括：多个神经网络模块；和控制器，该控制器被配置为选择多个神经网络模块中的至少一个神经网络模块的组合来构建特定任务专用的神经网络。
模块化分布式人工神经网络

[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
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]构建全光衍射神经网络的方法、设备、介质和识别装置-CN202310004274.7在审
发明人：郑敏嘉;石磊;资剑 -专利权人：复旦大学
申请日： 2023-01-03 - 公布日： 2023-05-23 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种用于构建全光衍射神经网络的方法。该方法包括：确定关于待测对象的输入图像的任务属性，以便基于所确定的任务属性确定全光衍射神经网络的类型；基于所确定的全光衍射神经网络的类型，确定与全光衍射神经网络相关联的多个参数的值，多个参数包括像素大小、衍射距离和输入光波长；基于多个参数的值，确定关于全光衍射神经网络的菲涅尔数；以及响应于所确定的菲涅尔数在阈值区间内，根据多个参数的值来构建全光衍射神经网络，该全光衍射神经网络用于调制输入图像。本公开能够使得所构建的全光衍射神经网络的空间复杂度低，易实施且具有优异的性能。
构建衍射神经网络方法设备介质识别装置

[发明专利]一种基于深度学习的土豆图像识别系统-CN202211507737.3在审
发明人：马生旺 -专利权人：青海卓旺智慧信息科技有限公司
申请日： 2022-11-25 - 公布日： 2023-02-24 - 主分类号： G06V20/68 文献下载
摘要：本发明公开了一种基于深度学习的土豆图像识别系统，本发明属于图像识别领域，包括：图像获取模块、模型构建模块、图像识别模块和图像分类模块，通过图像获取模块，获取不同环境生长的土豆图像，将土豆图像分为训练图像、测试图像和待测图像；通过模型构建模块，构建神经网络识别模型，并基于训练图像训练神经网络识别模型，其中神经网络识别模型包括：卷积神经网络和全卷积神经网络，卷积神经网络用于提取土豆图像中的颜色特征，全卷积神经网络用于提取土豆图像中的尺寸特征；通过图像识别模块，将待测图像输入至神经网络识别模型中，得到土豆图像的识别结果；通过图像分类模块将待测图像进行分类。
一种基于深度学习土豆图像识别系统

[发明专利]量子同态神经网络的构建方法及加密图像分类方法-CN202310674764.8在审
发明人：石金晶;陈添;廖佳;袁冰洁;肖子萌;施荣华 -专利权人：中南大学
申请日： 2023-06-08 - 公布日： 2023-08-25 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种量子同态神经网络的构建方法，包括设计并确定量子同态神经网络的编码方式的参数信息；对量子同态神经网络进行训练更新；将训练后的量子同态神经网络作为构建的量子同态神经网络。本发明还公开了一种包括所述量子同态神经网络的构建方法的加密图像分类方法。本发明能够在保证加密图像安全性的基础上，不降低分类预测的准确率；同时本发明利用量子同态加密和量子神经网络结合的特点，提高了数据处理的速度，而且提出的量子同态神经网络密钥和参数的更新策略能够增大攻击者攻击系统的困难性
量子同态神经网络构建方法加密图像分类

[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
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]一种神经网络构建方法-CN201811650285.8在审
发明人：金涛;江浩 -专利权人：浙江新铭智能科技有限公司
申请日： 2018-12-31 - 公布日： 2019-05-10 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种神经网络构建方法，包括获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经网络生成参数生成神经网络，所述神经网络满足下述公式x(n+1)＝W₁u(n+1)+W₂x(n)+W₃y(n)；计算所述神经网络的状态变换矩阵W₂，所述状态变换矩阵用于根据所述神经网络的当前内部状态获取所述神经网络的下一刻内部状态；使用预设训练集训练所述神经网络，在训练过程中得到输入输出映射矩阵，所述输入输出映射矩阵能够根据输入唯一确定输出。本发明从神经网络的架构生成、状态变换矩阵设定的角度构建出了完整的神经网络，其连接结构相较于现有技术得到的神经网络与生物学网络更为近似。
神经网络矩阵生成参数状态变换神经网络构建输入输出映射神经元内部状态神经元聚类程度参数大小参数分布空间架构生成矩阵设定连接结构唯一确定训练过程训练集构建预设生物学近似输出网络

[发明专利]基于深度学习的腋路臂丛神经的识别方法及其系统-CN201910665910.4在审
发明人：王英伟;李根娣;杨笑宇;张清荣;沈志勇;邹颖华;郭婷;沈雅芳;李东丽 -专利权人：王英伟
申请日： 2019-07-23 - 公布日： 2019-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及神经超声图像识别技术领域，公开了基于深度学习的腋路臂丛神经的识别方法及其系统，方法包括预处理腋路臂丛神经的原始医学图像，构成训练Con‑Re‑LU卷积神经网络模型所需的训练图像；构建卷积神经网络，使用Con‑Re‑LU算法构建卷积神经网络,在Con‑Re‑LU卷积神经网络模型中载入训练集，确定Con‑Re‑LU卷积神经网络的模型参数，进行特征学习，得到训练好的Con‑Re‑LU卷积神经网络模型并保存；部署训练好的Con‑Re‑LU卷积神经网络模型；既能增加识别的准确率，又能增加后续相似图像的识别速度，识别更加准确、高效。
卷积神经网络臂丛神经预处理原始医学图像超声图像模型参数算法构建特征学习相似图像训练图像训练集准确率构建载入学习保存部署

[发明专利]一种基于联合神经网络模型的图像内容描述自动生成方法-CN201910453505.6有效
发明人：张应福;陆文斌;周正斌;钟凯;张腾飞;花福军 -专利权人：创意信息技术股份有限公司
申请日： 2019-05-28 - 公布日： 2020-06-26 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于联合神经网络模型的图像内容描述自动生成方法，包括构建联合神经网络、联合神经网络多层映射参数训练、图片及对应文本预处理和输入模型进行描述结果检测等四个步骤。本发明通过使用多层偏移改进的卷积深度神经网络和具有学习长期依赖信息的循环神经网络构建联合神经网络；利用误差反向传播算法对神经网络多层映射参数进行训练；对图像进行预处理，利用卷积神经网络提取特征以及进行特征映射；输入模型进行描述结果检测，用于将测试数据集中的图像进行特征向量输入训练好的联合神经网络中进行生成对应的文本描述，能够显著有效的提升的自动描述图片内容的效果。
一种基于联合神经网络模型图像内容描述自动生成方法

[发明专利]一种基于深度神经网络的抗遮挡的物体位姿估计方法-CN202011562092.4在审
发明人：杨嘉琛;奚萌 -专利权人：天津大学
申请日： 2020-12-25 - 公布日： 2021-04-09 - 主分类号： G06T7/73 文献下载
摘要：本发明提供一种基于深度神经网络的抗遮挡的物体位姿估计方法，包括下列步骤：利用3D建模软件自行构建带有标签的训练集图片数据库与测试集图片数据库；构建深度神经网络：该神经网络包含四个子分支网络，每个子分支是独立的卷积神经网络结构；构建网络预测输出处理算法：四个子分支网络在最后一层密集连接层输出6维度的预测值，代表了待估计物体的位姿信息；由于遮挡的存在，某分支的结果存在误差，4个分支输出中存在着异常值，构建5种算法对其进行优化，提高抗遮挡干扰的能力；训练深度神经网络模型:使用训练集中的样本完成对深度神经网络的训练；使用不同遮挡比例测试集对深度神经网络模型测试。
一种基于深度神经网络遮挡物体估计方法

[发明专利]一种深度神经网络的压缩方法、装置及计算机可读存储介质-CN201910002531.7在审
发明人：鲍媛媛 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2019-01-02 - 公布日： 2020-07-10 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种深度神经网络的压缩方法、装置及计算机可读存储介质，所述方法包括：基于预设训练集，预先训练得到初始深度神经网络；构建与所述预设训练集同分布的第一数据集；利用所述初始深度神经网络对所述第一数据集进行处理，得到所述第一数据集的标注集；构建浅层神经网络，基于所述第一数据集以及所述第一数据集的标注集，对所述浅层神经网络进行监督训练，得到所述浅层神经网络的网络参数。
一种深度神经网络压缩方法装置计算机可读存储介质

[发明专利]一种医学图像肺炎区域分割智能诊断系统-CN202111586633.1在审
发明人：侯高琦;吴军;鞠海涛;樊昭磊;李传鹏;颜红建 -专利权人：山东众阳健康科技集团有限公司
申请日： 2021-12-21 - 公布日： 2022-04-22 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种医学图像肺炎区域分割智能诊断系统，对医学图像进行格式转换和预处理；利用预训练的神经网络模型对预处理后的图像进行处理，得到肺炎区域分割结果；神经网络模型的训练过程包括：构建初步的神经网络模型；将作为样本的预处理后的医学图像中的背景当作正样本，肺炎感染区域当作负样本，输入到构建的神经网络模型进行解码操作；将图像对应的掩码进行反转操作；构建损失函数，利用损失函数优化神经网络模型的参数，直至预测结果符合要求，以此时的神经网络模型为预训练的神经网络模型；将预测结果的掩码进行复原，确定肺炎区域分割结果。
一种医学图像肺炎区域分割智能诊断系统