“神经网络算法训练”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1406375个，建议您升级VIP下载更多相关专利

[发明专利]一种改进鲸鱼算法的循环神经网络短期电力负荷预测方法-CN201910378117.6有效
发明人：童晓阳;党雨 -专利权人：西南交通大学
申请日： 2019-05-08 - 公布日： 2022-03-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种改进鲸鱼算法的循环神经网络短期电力负荷预测方法，涉及短期电力负荷预测技术领域。使用循环神经网络进行短期电力负荷预测，使用待预测日的相似日负荷数据作为循环神经网络的输入数据，确定了循环神经网络的输入神经元个数、输出神经元个数、隐藏层层数、学习率与梯度下降算法。构造了循环神经网络的预测模型。使用差异进化算法改进鲸鱼优化算法，提高了普通鲸鱼算法的高维全局优化能力。采用改进的鲸鱼算法对循环神经网络中的权重进行预训练，当预训练结束后，将训练好的权重放入循环神经网络模型，再使用梯度下降算法对循环神经网络进行训练，当训练完成后，得到权重固定的神经网络模型，再进行负荷预测
一种改进鲸鱼算法循环神经网络短期电力负荷预测方法

[发明专利]一种量子神经网络训练方法和装置-CN202210263335.7有效
发明人：姜金哲;张新;李辰;李红珍 -专利权人：苏州浪潮智能科技有限公司
申请日： 2022-03-17 - 公布日： 2022-07-12 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种量子神经网络训练方法和装置，涉及量子计算技术领域。该量子神经网络训练方法包括：根据量子神经网络算法电路构建期望值求解电路；依次更新所述量子神经网络算法电路中所有量子门对应的当前参数；完成所述量子神经网络算法电路中所有量子门对应的当前参数更新后，判断所述量子神经网络算法电路中所有量子门对应的当前参数是否全部收敛；若所有当前参数全部收敛，则完成所述量子神经网络训练方法。通过该方法的实施，实现在希尔伯特空间对量子态进行直接操作，进而训练量子神经网络。起到了在量子计算机上执行量子神经网络训练的作用，极大地提升了量子神经网络算法的训练效率。
一种量子神经网络训练方法装置

[发明专利]基于小波神经网络的数据预测系统、方法及装置-CN201910730762.X在审
发明人：单菊平 -专利权人：单菊平
申请日： 2019-08-08 - 公布日： 2019-11-15 - 主分类号： G06N3/08 文献下载
摘要：本发明属于神经网络技术领域，具体涉及基于小波神经网络的数据预测系统、方法及装置。所述系统包括：用于进行数据预处理的数据预处理单元、用于构建神经网络的神经网络构建单元、用于训练神经网络的群算法单元、用于根据群算法单元训练得到的结果进行方向传播训练的反向训练单元；所述数据预处理单元信号连接于神经网络构建单元；所述神经网络构建单元信号连接于群算法单元；所述群算法单元信号连接于反向训练单元；所述反向训练单元信号连接于群算法单元。
算法单元神经网络构建信号连接训练单元数据预处理单元神经网络技术数据预测系统小波神经网络训练神经网络数据预处理单元信号分析效率神经网络智能化构建传播

[发明专利]一种基于人工神经网络的图像扫描方法及系统-CN201811248904.0在审
发明人：王晓锐;狄光智;胡坤融;强振平;董跃宇;苗晟;徐全元 -专利权人：西南林业大学
申请日： 2018-10-25 - 公布日： 2019-01-01 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及人工神经网络领域，具体涉及一种基于人工神经网络的图像扫描方法及系统，导入训练样本数据，然后进行样本的训练，再进行人工神经网络模型的构建，人工神经网络模型构建完成后利用训练样本图对神经网络算法进行训练，然后利用神经网络算法对图像进行运算，在利用神经网络算法对图像进行运算后，得到对人工神经网络模型验证，若验证结果符合预设期望精度，对人工神经网络模型验证，判断验证误差是否符合预设期望精度，若验证结果不符合预设期望精度，则再跳回到利用训练样本图对神经网络算法进行训练，直到验证误差符合预设期望精度，然后保存模型。
人工神经网络模型神经网络算法预设人工神经网络验证期望图像扫描训练样本验证结果图像构建运算训练样本数据线阵CCD相机扫描参数样本保存

[发明专利]一种基于遗传算法优化神经网络的卷烟材料与主流烟气成分的预测模型-CN201810839016.X在审
发明人：潘曦;宋旭艳;魏敏;李冉;郭国宁 -专利权人：湖北中烟工业有限责任公司
申请日： 2018-07-27 - 公布日： 2018-12-18 - 主分类号： G06N3/08 文献下载
摘要：一种基于遗传算法优化神经网络的卷烟材料与主流烟气成分的预测模型,包括以下步骤：样本预处理；基于遗传算法得到神经网络最优的权值和阈值参数；基于遗传算法得到的最佳权值和阈值，构建神经网络，并训练神经网络模型；对训练得到的神经网络模型进行验证，评估模型应用于实际的效果。与不采用优化算法的神经网络相比，基于遗传算法优化的神经网络模型先使用遗传算法选择使模型误差达到最小的权值和阈值作为训练神经网络的初始参数，可以避免模型陷入局部最优解，而无法得到全局最优解。
神经网络遗传算法优化遗传算法权值和神经网络模型训练神经网络卷烟材料预测模型主流烟气全局最优解样本预处理初始参数模型误差评估模型优化算法阈值参数最优解构建验证应用

[发明专利]一种卷积神经网络优化方法、装置和设备-CN202011133853.4在审
发明人：马艺菲;韩一石 -专利权人：广东工业大学
申请日： 2020-10-21 - 公布日： 2020-12-15 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种卷积神经网络优化方法、装置和设备，方法包括：输入训练样本至构建好的卷积神经网络模型；基于遗传算法对卷积神经网络模型中的卷积层和全连接层的权重进行初始化，得到优化后的初始权重；基于优化后的初始权重和训练样本，通过模拟退火算法对卷积神经网络模型中的参数进行优化训练，得到优化后的卷积神经网络模型，解决了现有的卷积神经网络采用梯度下降算法进行学习，该算法性能的好坏受卷积神经网络的初始权重影响较大，并且通过误差反向传播算法对卷积神经网络进行训练时，容易得到局部极小值，而非全局极小值，使得训练得到的卷积神经网络预测性能较差的技术问题。
一种卷积神经网络优化方法装置设备

[发明专利]基于DE-BP算法的神经网络模型的参数训练方法-CN202211548944.3在审
发明人：童怡玲;薛羽 -专利权人：南京信息工程大学
申请日： 2022-12-05 - 公布日： 2023-04-04 - 主分类号： G06N3/0499 文献下载
摘要：本发明公开了基于DE‑BP算法的神经网络模型的参数训练方法，包括：对待分类样本数据集进行预处理，按比例划分为训练集和测试集，根据预处理后待分类样本数据构建前馈神经网络模型；利用样本训练集对每个编码后的个体在前馈神经网络模型向前传播过程中训练，计算前馈神经网络模型的预期值和真实值之间的误差，将误差作为个体的适应度值；利用样本训练集训练前馈神经网络模型，分别利用DE算法和BP算法训练编码后的种群，获得种群最优个体；利用带有最优参数的前馈神经网络模型对样本测试集进行测试本发明基于DE‑BP算法对前馈神经网络模型进行训练，解决了BP算法在搜索时容易陷入局部最优点的缺陷，提高神经网络训练的效率。
基于 de bp 算法神经网络模型参数训练方法

[发明专利]机器学习算法的参数调优方法及系统-CN202010036816.5在审
发明人：王宏志;欧龙燊;张恺欣;霸晨民;陈泊舟 -专利权人：哈尔滨工业大学
申请日： 2020-01-14 - 公布日： 2020-06-09 - 主分类号： G06N20/00 文献下载
摘要：一种机器学习算法的参数调优方法及系统，具有自动化、快速高效及具有普适性，属于机器学习领域。本发明包括：S1、输入用户数据集和待调参数算法，提取用户数据集的特征；S2、在神经网络数据库中，找到待调参数算法的神经网络，将S1提取的特征输入该神经网络中，该神经网络输出待调参数算法的参数；所述神经网络数据库包括根据各种机器学习算法建立及训练好的神经网络，具体构建方法为：构建适用于机器学习算法的数据集的知识库；提取知识库中每个数据集的特征；找到在各数据集上运行各机器学习算法的最优参数；建立每个机器学习算法的神经网络，利用数据集的特征和对应的最优参数作为训练集对对应的神经网络进行训练，获得训练好的神经网络。
机器学习算法参数方法系统

[发明专利]一种融合改进智能蜂群算法和BP神经网络的入侵检测方法-CN201810874273.7在审
发明人：段乐天;韩德志;田秋亭;王军;毕坤 -专利权人：上海海事大学
申请日： 2018-08-03 - 公布日： 2019-01-01 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种融合改进智能蜂群算法和BP神经网络的入侵检测方法，包括以下步骤：搜集网络数据包并进行预处理，作为入侵检测模型训练数据；设计多层神经网络模型，为隐藏层和输出层神经元设置激活函数；使用改进智能蜂群算法对神经网络模型进行预训练，输出最优蜜源位置向量；按照最优蜜源位置向量设置神经网络模型的初始权值和阈值；设计反向传播算法并用入侵检测数据对神经网络进行训练，得到神经网络入侵检测模型；设计网络入侵检测软件模块，将其部署在网络环境中实时检测网络数据流量，对检测出的异常网络流量产生报警。本发明采用改进智能蜂群算法优化BP神经网络算法，并且提高了神经网络模型的训练速度和入侵检测的精度。
入侵检测蜂群算法神经网络模型智能入侵检测模型神经网络位置向量改进神经元预处理多层神经网络网络入侵检测网络数据流量异常网络流量网络数据包反向传播激活函数软件模块实时检测算法优化网络环境训练数据融合权值和输出层隐藏层搜集报警并用输出检测部署

[发明专利]一种基于Spark平台的大规模眼底图像分类系统训练方法-CN202010484386.3在审
发明人：丁卫平;任龙杰;丁嘉陆;李铭;孙颖;冯志豪;张毅;鞠恒荣;曹金鑫 -专利权人：南通大学
申请日： 2020-06-01 - 公布日： 2020-09-01 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于Spark平台的大规模眼底图像分类系统训练方法，包括如下步骤：S10设置执行分布式卷积神经网络训练必要的参数；S20调用所述卷积神经网络算法程序，将所述参数代入算法程序，通过分布式蛙跳算法生成所述卷积神经网络训练时的初始权值；S30使用存储的标准图像数据对所述卷积神经网络训练，寻找出最优蛙，作为下次分组权值训练的初始权值，完成所述卷积神经网络的训练；以及S40保存训练完的所述卷积神经网络模型。本发明的一种基于Spark平台的大规模眼底图像分类系统训练方法，采用混合蛙跳算法生成网络初始权值，通过分组优化策略实现卷积神经网络的分布式并行训练，可有效提高大规模眼底图像在卷积神经网络训练时的高效性和分类的准确性
一种基于 spark 平台大规模眼底图像分类系统训练方法

[发明专利]一种基于长短期记忆网络辅助的卫星定位方法-CN201910463893.6在审
发明人：高迪;何文涛;蔺晓龙;翟昆朋;冯木榉 -专利权人：杭州中科微电子有限公司
申请日： 2019-05-30 - 公布日： 2019-08-27 - 主分类号： G01S19/43 文献下载
摘要：本发明公开了一种基于长短期记忆网络辅助的卫星定位方法，包括常规算法引擎、神经网络算法引擎，所述神经网络算法引擎的可用标志位，其特征在于，在卫星信号良好的情况下，采用常规算法引擎给出卫星定位结果，并利用卫星定位结果对神经网络进行训练和测试当接收机处于复杂条件下，如果神经网络算法引擎已经训练完毕可以使用，则使用神经网络算法引擎对定位结果进行预测。本发明可以在常规算法引擎性能大幅下降时，利用训练完毕的神经网络对接收机坐标进行预测，从而提高卫星定位成功率。
引擎卫星定位神经网络算法常规算法记忆网络神经网络辅助的接收机坐标接收机定位结果复杂条件卫星信号标志位预测可用成功率测试

[发明专利]一种构建图像质量评估卷积神经网络的方法及装置-CN201910935025.3在审
发明人：孟亚洲;史腾飞 -专利权人：精硕科技(北京)股份有限公司
申请日： 2019-09-29 - 公布日： 2020-01-03 - 主分类号： G06T7/00 文献下载
摘要：本申请提供了一种构建图像质量评估卷积神经网络的方法及装置，该方法包括：先对训练图像集中的各训练图像以及测试图像集中的各测试图像进行从时域到频域的变换，以频域训练图像集中的每一训练图像作为卷积神经网络的输入，以该训练图像的标记作为卷积神经网络的输出，对卷积神经网络进行训练，最后将频域测试图像集中的测试图像输入至训练完的卷积神经网络，依据输出结果确认训练完的卷积神经网络达到预先设置的精度，得到图像质量评估卷积神经网络，通过将频域图像特征输入卷积神经网络中进行训练，降低了噪声对卷积神经网络算法性能的影响，通过修正浅层的卷积神经网络的各项参数便能保证算法的精度，降低了卷积神经网络的复杂度。
卷积神经网络训练图像测试图像图像质量评估频域算法频域测试频域图像输出结果特征输入图像集中预先设置复杂度构建浅层时域噪声输出修正申请保证

[发明专利]一种二值神经网络的简单快速反向传播及训练算法-CN202011493294.8在审
发明人：陈晖 -专利权人：陈晖
申请日： 2020-12-17 - 公布日： 2022-06-21 - 主分类号： G06N3/08 文献下载
摘要：本发明设计了一种二值神经网络的简单快速反向传播及逆向镜像训练算法，并结合逆向镜像训练来求得二值神经网络输入、输出矩阵权重值。本算法仅使用简单的位运算、位翻转运算、对位匹配运算，相比二值神经网络算法节省计算量，同时便于硬件实现。这样的神经网络模型可以解释，神经网络模型的行为容易预判。便于神经网络模型设计。同时本算法训练的样本量小，鲁棒性好。节省训练时间。本算法应用于需要神经网络的各种人工智能深度学习领域，特别是计算资源受限制的边缘计算领域，及要求实时和需要动态学习的深度学习领域。
一种神经网络简单快速反向传播训练算法

[发明专利]基于改进自适应遗传算法的神经网络图像分类方法-CN201510846339.8有效
发明人：刘芳;马玉磊;黄光伟;周慧娟 -专利权人：北京工业大学
申请日： 2015-11-26 - 公布日： 2019-06-07 - 主分类号： G06K9/62 文献下载
摘要：基于改进自适应遗传算法的神经网络图像分类方法，包括以下步骤：采用基于灰度共生矩阵的特征提取算法，提取出样本图像的纹理特征，获得训练样本的和测试样本的纹理特征；将训练样本的纹理特征作为RBF神经网络的输入，采用基于遗传优化的神经网络学习方法训练RBF神经网络，生成训练好的RBF神经网络；将测试样本的纹理特征输入训练好的RBF神经网络，进行图像分类测试。针对k‑means聚类算法等对初始值选取敏感的不足，本发明能够较好地避免遗传算法的“早熟”收敛，能够简化神经网络分类器的网络结构，而且提高了网络的泛化能力和图像的正确分类率。
纹理特征图像分类自适应遗传算法测试样本神经网络训练样本神经网络分类器灰度共生矩阵神经网络学习特征提取算法聚类算法网络结构样本图像遗传算法早熟收敛改进遗传图像测试敏感分类优化网络

[发明专利]一种神经网络模型的部署方法、设备及介质-CN202010387398.4在审
发明人：冯落落;李锐;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-05-09 - 公布日： 2020-09-11 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络模型的部署方法、设备及介质，包括：在预设的学习框架上训练神经网络模型；根据优化算法对所述神经网络模型中的网络结构进行修改，并根据修改后的网络结构训练所述神经网络模型；将训练好的神经网络模型转化为预先设定的格式，并将转化格式的神经网络模型部署到预先设定的设备中。本申请实施例通过在预设的学习框架上训练神经网络模型，使得神经网络模型的参数量更少，同时，通过优化算法对神经网络模型中的网络结构进行修改，可以减少神经网络模型中的参数量。
一种神经网络模型部署方法设备介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条