“神经网络算法”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1196551个，建议您升级VIP下载更多相关专利

[发明专利]基于优化小波神经网络的停车泊位多步预测方法-CN201711321011.X有效
发明人：杨有;李田田;尚晋;曾绍华;余平 -专利权人：重庆师范大学
申请日： 2017-12-12 - 公布日： 2021-01-19 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于优化小波神经网络的停车泊位多步预测方法，将实际测得有效停车泊位数据处理成以5分钟为时间间隔的有效停车泊位时间序列,利用小波函数‘db32’进行多尺度分解与重构，并将其作为小波神经网络的隐含层函数；利用粒子群算法对权值进行调整，逐步迭代更新得到最优值；利用ELM算法降低EPWNN的预测时间，根据多步预测策略得到预测结果。本发明相对于遗传算法优化神经网络、遗传算法优化小波神经网络、极限学习机优化小波变换、极限学习机优化小波神经网络、粒子群优化神经网络算法、粒子群优化小波神经网络等算法，EPWNN算法的预测误差平均降低了89.17
基于优化神经网络停车泊位预测方法

[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

[发明专利]一种基于引力搜索算法优化递归神经网络的违约概率预测方法-CN202110730392.7在审
发明人：江远强;李兰;谭静 -专利权人：百维金科（上海）信息科技有限公司
申请日： 2021-06-29 - 公布日： 2021-09-10 - 主分类号： G06Q40/02 文献下载
摘要：本发明公开了一种基于引力搜索算法优化递归神经网络的违约概率预测方法，包括以下的步骤：首先，选取有还款或逾期表现的客户作为建模样本，获取客户信用数据；对信用数据进行预处理，随机切分训练集和测试集；根据建模样本的数据特征构建递归神经网络拓扑结构，确定网络的参数，初始化递归神经网络的权值和偏置；构建递归神经网络的权值偏置与引力搜索算法算法的映射关系，通过引力搜索算法算法得到最优权值和偏置，并使用训练集对递归神经网络进行训练；本发明利用引力搜索算法确定了循环神经网络最优的权值和偏置，加快了神经网络的收敛速度，并提高了预测模型的准度，可满足互联网金融信用实时评估的需求。
一种基于引力搜索算法优化递归神经网络违约概率预测方法

[发明专利]一种基于神经网络拟合电力物资方法-CN201910610517.5在审
发明人：吴健超;胡旭光;朱晓程;葛军萍;章伟勇;吴建锋;丁宏琳;金从友;王婧;胡恺锐;王筠琛 -专利权人：国网浙江省电力有限公司金华供电公司;国网浙江省电力有限公司;国家电网有限公司
申请日： 2019-07-08 - 公布日： 2019-11-29 - 主分类号： G06Q10/08 文献下载
摘要：本发明公开了一种基于神经网络拟合电力物资方法。方法包括确定神经网络结构，对神经网络进行训练；根据物资图像，通过神经网络拟合算法，复核物资种类；根据物资数据，通过神经网络拟合算法，输出分拣状态值；根据分拣状态值判断物资分拣状态。通过神经网络拟合算法来复核物资种类和数量，根据分拣中和数量回溯入库时的数量，通过算法计算出误差值，并通过设定状来判断分拣状态。能够准确检测分拣的准确度，有效对出库分拣进行监控。
分拣神经网络拟合算法复核神经网络结构算法计算准确检测准确度出库回溯拟合中和入库图像输出监控

[发明专利]基于IBGA的BP神经网络建立方法和隧洞围岩参数反演方法-CN202211688814.X在审
发明人：郭法旺;沈春勇;朱宝强;石毅鹏;彭浩;于晓旋;周海祚 -专利权人：中国电建集团贵阳勘测设计研究院有限公司;天津大学
申请日： 2022-12-27 - 公布日： 2023-05-26 - 主分类号： G06F30/13 文献下载
摘要：本发明公开了一种基于IBGA的BP神经网络建立方法，包括：定义神经网络结构，初始化IBGA改进元启发式算法参数和种群；其中，种群由染色体构成，染色体为BP神经网络的连接权值和阈值构成的向量；定义BP神经网络算法模型；对BP神经网络进行网络训练，使BP神经网络算法模型输出最优个体；基于最优个体，对BP神经网络的连接权值和阈值重新赋值，通过BP神经网络算法模型在搜索空间中对网络的连接权值和阈值再次进行寻优，输出所述连接权值和阈值的最优解上述技术方案应用于隧洞围岩物理参数的反演，具有反演精度高、网络收敛速度快等优点，提高预测准确度和计算速度。
基于 ibga bp 神经网络建立方法隧洞围岩参数反演

[发明专利]一种基于进化算法的自适应学习神经网络实现方法-CN201510714025.2在审
发明人：何虎;许志恒;马海林;王玉哲;杨奕南;邓宁 -专利权人：清华大学
申请日： 2015-10-28 - 公布日： 2016-01-27 - 主分类号： G06N3/08 文献下载
摘要：本发明属于神经网络计算技术领域，为一种基于进化算法的自适应学习神经网络实现方法，以某种或者某几种已知的神经网络作为进化算法的最初父代，通过进化算法整合作为所述最初父代的各个神经网络的特点，从而得到最优的输出值，本发明通过对神经网络实现的电路进行二进制编码，将编码所得到的结果作为一个个体的染色体，各个染色体构成生物体的原始种群，即最初父代，本发明突破以往只是利用进化算法对神经网络权值进行寻优的情形，实现利用进化算法对神经网络组织形式、网络间的连接权值和网络计算方法等方式同时进行寻优，增强网络自由度，扩大寻优范围；初始得到一个较为简单的网络，在后天学习中，通过算法加大网络的复杂度。
一种基于进化算法自适应学习神经网络实现方法

[发明专利]基于GA-BP神经网络算法的降低火灾误警率的方法-CN202010505476.6在审
发明人：文春明;李科畅;廖义奎;黄天星;李大庆;罗丽平;陈昌毅;曾璐;杨林;陈博文 -专利权人：广西民族大学
申请日： 2020-06-05 - 公布日： 2020-10-16 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于GA‑BP神经网络算法的降低火灾误警率的方法，涉及火灾报警技术领域，通过获取火灾相关的传感器数据，将传感器数据作为BP神经网络的输入，并确定BP神经网络的结构，采用遗传算法确定BP神经网络的权重w和偏置b，根据权重w和偏置b对BP神经网络进行训练，得到GA‑BP神经网络模型，GA‑BP神经网络模型根据实时传感器数据进行判断是否预警火灾。本发明通过多传感器共同判断，减小出错概率；采用BP神经网络作为分类器、火灾样本数据训练、由已知的样本数据训练出来的模型，提高了发明的鲁棒性；采用GA算法初始化BP神经网络的权重w和偏置b，避免了BP神经网络陷入局部最优解
基于 ga bp 神经网络算法降低火灾误警率方法

[发明专利]神经网络运算装置及方法-CN202011535857.5在审
发明人：李思翰;张世杰;许世玄;苏建维;蔡富程 -专利权人：财团法人工业技术研究院
申请日： 2020-12-23 - 公布日： 2021-06-25 - 主分类号： G06N3/063 文献下载
摘要：一种神经网络运算装置及方法。神经网络运算装置包括第一神经元电路及第二神经元电路。第一神经元电路是用以执行神经网络算法中特征图样固定的至少一个运算层的神经网络运算。第二神经元电路是用以执行神经网络算法中特征图样不固定的至少一个运算层的神经网络运算。其中，第一神经元电路的效能大于第二神经元电路。
神经网络运算装置方法

[发明专利]具有多层结构的BP神经元自适应方法-CN201010564827.7无效
发明人：黄晞 -专利权人：福建师范大学
申请日： 2010-11-25 - 公布日： 2011-04-06 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及神经网络硬件实现领域，特别涉及具有多层结构的硬件BP神经网络中单个神经元节点在不同运算阶段的运算以及实现不同学习算法的自适应方法。所述说的神经元处理器用于执行BP神经网络各层单个节点的运算。通过对控制寄存器进行编程设置，微控制器可以控制运算器执行三种不同的BP神经网络在神经元节点上的运算，其中所述说的BP神经网络学习算法指三种典型的学习算法，即BP标准算法、附加动量项算法及学习速率自适应调节算法多个神经元处理器串联可实现流水运算，具有灵活性高，实用性强的特点，适合用于嵌入式硬件BP神经网络应用领域。
具有多层结构 bp 神经元自适应方法

[发明专利]将传统计算机视觉算法实现为神经网络-CN201910420407.2在审
发明人：保罗·布拉塞特;丹尼尔·瓦尔迪兹·巴尔德拉斯;卡加泰·迪基奇;斯巴布斯·塞法尔韦;大卫·霍夫;狄默思·史密斯;詹姆斯·伊伯 -专利权人：畅想科技有限公司
申请日： 2019-05-20 - 公布日： 2019-11-29 - 主分类号： G06N3/08 文献下载
摘要：本文涉及将传统计算机视觉算法实现为神经网络。本文描述了用于将传统计算机视觉算法实现为神经网络的方法和系统。该方法包括：接收传统计算机视觉算法的定义，该定义标识一个或多个传统计算机视觉算法运算的序列；将一个或多个传统计算机视觉算法运算中的每一个映射到在数学上等同于该传统计算机视觉算法运算的一个或多个神经网络基元的集合；根据该序列来对映射到每个传统计算机视觉算法运算的一个或多个网络基元进行链接，以形成表示传统计算机视觉算法的神经网络；以及配置能够实现神经网络的硬件逻辑，以实现表示传统计算机视觉算法的神经网络。
传统计算机视觉算法神经网络运算映射基元定义标识硬件逻辑链接集合数学配置网络

[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]一种基于大数据与人工智能的人生综合能力打分方法-CN201910289171.3在审
发明人：陈建华 -专利权人：陈建华
申请日： 2019-04-11 - 公布日： 2019-07-09 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及人生规划，具体涉及一种基于大数据与人工智能的人生综合能力打分方法，算法模型定义初期，收集千万用户的相关信息用于模型训练，对收集的用户相关信息进行打分标准化处理成数据特征向量，作为CLI神经网络算法的输入，初始化CLI神经网络算法，将输入层和隐藏层的权值、连接层与输出层的权值作为CLI神经网络算法的优化目标，初始化CLI神经网络算法参数，将采集的模型数据在CLI神经网络中训练，得出最优秀的CLI神经网络模型，根据采集的用户特征数值在CLI神经网络模型中计算；本发明提供的技术方案能够有效克服现有技术所存在的目前还没有一种能够为人生规划提供方向的算法的缺陷。
神经网络算法神经网络模型人工智能综合能力初始化大数据用户相关信息采集标准化处理模型数据模型训练神经网络数据特征算法模型相关信息用户特征优化目标连接层输出层输入层隐藏层算法向量规划

[发明专利]神经网络的运算方法、装置、计算机设备和存储介质-CN201810252109.2有效
发明人：李威 -专利权人：上海寒武纪信息科技有限公司
申请日： 2018-03-26 - 公布日： 2022-02-08 - 主分类号： G06N3/06 文献下载
摘要：本申请涉及一种神经网络运算方法、系统、计算机设备和存储介质，所述方法包括：获取任务处理指令，根据所述任务处理指令生成神经网络运算装置的控制指令和预处理配置指令；根据所述控制指令，得到神经网络运算算法；根据所述预处理配置指令对FPGA IP核进行配置，得到预处理算法；通过所述FPGA IP核对神经网络的输入神经元数据执行预处理，得到预处理后的输入神经元数据；根据所述神经网络运算算法对所述预处理后的输入神经元数据执行神经网络运算，得到输出神经元数据；通过FPGA IP核输出所述输出神经元数据。通过本申请所提供的方法、装置、计算机设备和存储介质能够使得神经网络运算装置灵活性高、对深度学习算法依赖性小、能够适应不断变化的应用需求或算法变化。
神经网络运算方法装置计算机设备存储介质

[发明专利]一种基于深层神经网络的电网故障诊断方法及装置-CN202310041168.6在审
发明人：吴少雄;陆洋;陶晓峰;吕朋朋;刘淇;肖庆华;吴海龙;缪平;刘涅煊;韦宣;陆宇洋;赵孝春;丁健 -专利权人：国电南瑞科技股份有限公司;国电南瑞南京控制系统有限公司;南瑞集团有限公司
申请日： 2023-01-12 - 公布日： 2023-06-02 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于深层神经网络的电网故障诊断方法及装置，所述方法包括获取电网故障告警信息和网络拓扑结构；根据电网故障告警信息和网络拓扑结构构建神经网络样本，神经网络样本包括神经网络学习样本和神经网络测试样本；对神经网络样本进行预处理，获得故障特征向量；将神经网络学习样本的故障特征向量输入至预先构建并基于混沌粒子群算法优化后的深层神经网络模型中进行学习，获得优化并学习后的深层神经网络模型；将神经网络测试样本的故障特征向量输入至优化学习后的深层神经网络模型中进行概率诊断测试，获取故障概率结果，本发明对样本建立深层神经网络模型并利用混沌粒子群算法对深层神经网络进行学习训练，具有较高的诊断正确率。
一种基于深层神经网络电网故障诊断方法装置

[发明专利]一种基于蚁群算法优化循环神经网络的逾期监控方法-CN202011536733.9在审
发明人：江远强 -专利权人：百维金科（上海）信息科技有限公司
申请日： 2020-12-23 - 公布日： 2021-04-09 - 主分类号： G06Q40/02 文献下载
摘要：本发明公开了一种基于蚁群算法优化循环神经网络的逾期监控方法，包括以下的步骤：首先，选取建模样本及采集样本的信用数据及表现数据标签化；对采集到的信用数据进行预处理，对建模样本随机切分训练集和测试集；根据训练集特征确定循环神经网络拓扑结构及初始化网络参数，建立循环神经网络模型；采用蚁群算法对循环神经网络中的权重和偏置进行预训练，再使用梯度下降算法对循环神经网络进行训练；输入测试集样本到训练后的循环神经网络进行预测对比和评估；本发明利用蚁群算法确定了循环神经网络最优的权值和偏置，加快了神经网络的收敛速度，并提高了预测模型的准度，可满足互联网金融欺诈行为实时检测的需求。
一种基于算法优化循环神经网络逾期监控方法