“神经网络输出层”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6083624个，建议您升级VIP下载更多相关专利

[发明专利]应用神经网络的综合性智能深度学习方法-CN202010407041.8在审
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-05-14 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种应用神经网络的综合性智能深度学习方法,神经网络包括输入神经网络层和输出神经网络层，输入神经网络层和输出神经网络层之间存在呈递进排列的多层隐含神经网络层，输入神经网络层包含若干输入神经元，隐含神经网络层包含若干隐含神经元，输出神经网络层包含若干输出神经元，每个输入神经元为一个单元神经网络经过深度学习后得出的单元结果值，单元神经网络包括单元输入层和单元输出层，单元输入层与单元输出层之间存在呈递进排列的多层单元隐含层，由单元输出层推断出单元结果值，单元输入层包含若干单元输入神经元，单元隐含层包含若干单元隐含神经元，单元输出层包含若干单元输出神经元。
应用神经网络综合性智能深度学习方法

[发明专利]一种适应目标数据集的网络模型微调方法、系统、终端和存储介质-CN202010392066.5在审
发明人：王晓权;唐锐;王凡 -专利权人：纵目科技（上海）股份有限公司
申请日： 2020-05-11 - 公布日： 2020-07-07 - 主分类号： G07B15/02 文献下载
摘要：本发明提供一种适应目标数据集的网络模型微调方法、系统、终端和存储介质，原神经网络，所述原神经网络包括统一神经网络和输出层，所述原神经网络的作用是先使用原数据集预训练原神经网络，获得预训练后原神经网络各个层的参数，标记这些参数；目标神经网络，所述目标神经网络包括与原神经网络相互匹配的网络层数，目标神经网络也包括输出层和统一神经网络层，所述目标神经网络中统一神经网络层的各个参数沿用原神经网络中统一神经网络层的各个参数；微调模块，所述微调模块用于微调目标神经网络中除输出层之外的各个层特征参数以适应识别目标。
一种适应目标数据网络模型微调方法系统终端存储介质

[发明专利]混合专家神经网络-CN201780068472.2在审
发明人： N.M.沙泽尔;A.米尔霍西尼;K.S.马齐亚尔兹 -专利权人：谷歌有限责任公司
申请日： 2017-11-03 - 公布日： 2019-06-21 - 主分类号： G06N3/04 文献下载
摘要：一种包括神经网络的系统，神经网络包括第一神经网络层和第二神经网络层之间的混合专家(MoE)子网。MoE子网包括多个专家神经网络。每个专家神经网络被配置为处理由第一神经网络层生成的第一层输出，以生成相应的专家输出。MoE子网还包括选通子系统，选通子系统基于第一层输出选择专家神经网络中的一个或多个并为每个所选择的专家神经网络确定相应权重，将第一层输出作为输入提供给所选择的专家神经网络中的每一个，根据所选择的专家神经网络的权重来组合由所选择的专家神经网络生成的专家输出以生成MoE输出，以及将MoE输出作为输入提供给第二神经网络层。
神经网络输出第一层子网输入提供选通输出选择权重配置

[发明专利]一种神经网络蒸馏方法及装置-CN202010615537.4在审
发明人：许奕星;陈醒濠;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-06-30 - 公布日： 2020-11-03 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络蒸馏方法，应用于人工智能领域，包括：通过第一神经网络和第二神经网络对待处理数据进行处理，以获取第一目标输出和第二目标输出，第一目标输出为对第一神经网络层的输出进行基于核函数的变换得到的，第二目标输出为对第二神经网络层的输出进行基于核函数的变换得到的；根据第一目标输出和第二目标输出构建的目标损失对第一神经网络进行知识蒸馏。本申请对第一神经网络层的输出和第二神经网络层的输出进行了基于核函数的变换，进而可以将第一神经网络层和第二神经网络层输入和权重映射到高维特征空间，消除了知识蒸馏时由于神经网络层的权重分布不同而造成的网络性能降低
一种神经网络蒸馏方法装置

[发明专利]一种神经网络的量化方法、装置及电子设备-CN202211029712.7在审
发明人：吴珺媛;武迎迎;梁天柱;刘鹏 -专利权人：南京芯驰半导体科技有限公司
申请日： 2022-08-25 - 公布日： 2022-11-11 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种神经网络的量化方法、装置及电子设备，该方法包括：采用目标量化方式对目标神经网络的当前神经网络层的输入参数和网络参数进行量化；目标神经网络包括多个神经网络层；目标神经网络用于对图像中的目标进行识别；基于量化后的输入参数和当前神经网络层的量化后的网络参数，确定量化后的第一输出结果；基于输入参数及网络参数量化前的第一输出结果及量化后的第一输出结果对当前神经网络层的量化后的网络参数进行校正，得到量化后的当前神经网络层；确定量化后的当前神经网络层是否为目标神经网络的最后一个神经网络层，若是，则基于量化后的各个神经网络层，得到量化后的目标神经网络。如此可减少目标神经网络的参数量和计算量。
一种神经网络量化方法装置电子设备

[发明专利]一种神经网络自适应输出层的设计方法、设备及存储介质-CN202110262165.6在审
发明人：寇广;易晓东;王之元;韩晓旭 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2021-03-10 - 公布日： 2021-06-08 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络自适应输出层的设计方法、设备以及储存介质，所述方法包括以下步骤：S1，建立神经网络，对于神经网络进行网络参数初始化，初始化参数字典；S2，网络训练，开始神经网络的前向传播与反向传播，基于当前数据集训练神经网络；S3，当神经网络的输出层维度需要根据任务扩展时，参数字典新增一个元素，并将其初始化为输出层其他神经元参数的平均值；当神经网络的输出层维度需要根据任务减少时，参数字典删除对应的元素所述神经网络自适应输出层的设计方法实现了网络输出层维度的动态变化，完成神经网络知识的迁移利用，减少重复训练。
一种神经网络自适应输出设计方法设备存储介质

[发明专利]同类感知系统-CN202210303160.8在审
发明人：孙滕谌;马扬 -专利权人：北京他山科技有限公司
申请日： 2022-03-25 - 公布日： 2022-07-22 - 主分类号： G06N3/04 文献下载
摘要：所提供的同类感知系统，包括一个或多个基础感知单元与共享神经网络；基础感知单元提供本地神经网络；所述一个或多个基础感知单元的本地神经网络的输出都耦合到所述共享神经网络的输入；所述共享神经网络的输出作为所述同类感知系统的输出；所述一个或多个基础感知单元的本地神经网络，各自为包括输入层、中间层和输出层的独立完整神经网络；以及所述共享神经网络也是包括输入层、中间层和输出层的独立完整神经网络。
同类感知系统

[发明专利]神经网络层权重的连续参数化-CN201980020210.8在审
发明人：沙赫拉姆·伊扎迪;塞姆·克斯金 -专利权人：谷歌有限责任公司
申请日： 2019-07-23 - 公布日： 2020-10-30 - 主分类号： G06N3/04 文献下载
摘要：用于更有效且准确地生成神经网络输出的方法、系统和设备，例如，用于对图像或音频数据进行分类。在一个方面，一种方法包括使用包括多个神经网络层的神经网络来处理网络输入以生成网络输出。所述神经网络层中的一个或多个是条件神经网络层。使用条件神经网络层来处理层输入以生成层输出包括获得所述条件神经网络层的一个或多个决策参数的值。所述神经网络处理所述层输入和所述条件神经网络层的所述决策参数，以从连续的可能潜在参数值的集合来确定所述条件神经网络层的一个或多个潜在参数的值。所述潜在参数的值指定条件层权重的值。
神经网络权重连续参数

[发明专利]应用神经网络深度学习的整体性智能识别方法-CN202010407034.8在审
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-05-14 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种应用神经网络深度学习的整体性智能识别方法，神经网络包括输入神经网络层和输出神经网络层，输入神经网络层和输出神经网络层之间存在呈递进排列的多层隐含神经网络层，输入神经网络层包含若干输入神经元，隐含神经网络层包含若干隐含神经元，输出神经网络层包含若干输出神经元，整体性智能识别方法包括以下内容：A、深度学习方法；B、识别方法。
应用神经网络深度学习整体性智能识别方法

[发明专利]神经网络模型的优化方法及装置、电子设备和存储介质-CN201811093816.8有效
发明人：罗棕太;张学森;伊帅;闫俊杰;王晓刚 -专利权人：北京市商汤科技开发有限公司
申请日： 2018-09-19 - 公布日： 2021-09-14 - 主分类号： G06N3/08 文献下载
摘要：本公开涉及一种神经网络模型的优化方法及装置、电子设备和存储介质。该方法包括：将输入数据分别输入第一神经网络模型和第二神经网络模型，基于从第一神经网络模型的输出层之前的全连接层中选取的部分神经元，得到第一神经网络模型的输出，并基于从第二神经网络模型的输出层之前的全连接层中选取的部分神经元，得到第二神经网络模型的输出；确定第一神经网络模型的输出与期望输出两者之间的第一交叉熵；确定第一神经网络模型的输出相对于第二神经网络模型的输出的第一相对熵；基于第一交叉熵和第一相对熵，优化第一神经网络模型本公开实施例能够稳定提高神经网络模型的准确率，并能够增强神经网络模型的泛化能力。
神经网络模型优化方法装置电子设备存储介质

[发明专利]一种基于深度学习的系统检测方法-CN202011024526.5有效
发明人：谢文武;杨锦霞;吴宇;向良军;彭鑫;朱鹏;余超;王子筝;肖健;廖俭武;黄婷玉;彭思瑾 -专利权人：湖南理工学院;湖南基石通信技术有限公司
申请日： 2020-09-25 - 公布日： 2023-05-23 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种基于深度学习的系统检测方法，本方法包括确定神经网络，所述神经网络包括输入层、隐藏层和输出层；获得输出层向隐藏层传递的关系和隐藏层向输出层传递的关系，确定隐藏层的层数；确定神经网络的权值变化量和神经网络的阈值变化量；对接收到的信号基于神经网络进行信道估计；获得滤波器系数组，并基于所述滤波器系数组确定神经网络的权值的初始值；计算所述神经网络的网络训练的代价函数；输出神经网络的修正后的权值、神经网络的修正后的阈值、隐藏层的层数和所述神经网络的网络训练的代价函数
一种基于深度学习系统检测方法

[发明专利]神经网络优化装置和神经网络优化方法-CN201911366022.9在审
发明人：金冏荣;高祥修;金炳秀;金哉坤;金度润;河相赫 -专利权人：三星电子株式会社
申请日： 2019-12-26 - 公布日： 2020-07-10 - 主分类号： G06N3/08 文献下载
摘要：一种神经网络优化装置，其包括性能估计模块，部分选择模块，新神经网络生成模块以及最终神经网络输出模块。性能估计模块基于对被用于执行神经网络的操作的资源的限制要求，根据执行神经网络的操作来输出估计性能。部分选择模块从性能估计模块接收估计性能并选择神经网络的偏离限制要求的部分。新神经网络生成模块通过强化学习，通过改变包括在神经网络的所选部分中的层结构来生成子集，基于从性能估计模块提供的估计性能来确定优化层结构，并将所选部分改变为优化层结构以生成新神经网络。最终神经网络输出模块输出由新神经网络生成模块生成的新神经网络作为最终神经网络。
神经网络优化装置方法

[发明专利]误差反向传播神经网络的预测方法、系统及服务器-CN201510925606.0在审
发明人：杨庭清;徐俊;姜烨;徐正蓺;田欣;张晓凌;何子卿;张浩 -专利权人：中国科学院上海高等研究院
申请日： 2015-12-11 - 公布日： 2016-03-02 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种误差反向传播神经网络的预测方法，包括：构建一个初始神经网络；利用预先采集的N个训练数据样本对初始神经网络进行训练以获取第一收敛神经网络；对第一收敛神经网络中隐含层的神经元节点的输出数据进行相关性分析，合并大于预设相关性阈值的隐含层的神经元节点以产生保留m个隐含层的神经元节点的第二收敛神经网络；对第二收敛神经网络中隐含层的神经元节点的输出数据和第一收敛神经网络中输出层的神经元节点的输出数据进行关联性分析以获取优化神经网络；再次利用N个训练数据样本对优化神经网络进行训练以获取预测神经网络。本发明确定单隐含层神经网络隐含层节点个数，弥补了单一的主分量分析和关联系数法的不足之处。
误差反向传播神经网络预测方法系统服务器

[发明专利]流体机械叶片的设计与制造-CN201980045084.1有效
发明人：丹尼尔·海因;费利克斯·孔策-费克纳;克里斯蒂安·皮伦;福尔克马尔·斯特青 -专利权人：西门子能源全球有限两合公司
申请日： 2019-07-02 - 公布日： 2023-10-13 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种用于设计流体机械叶片(26)的方法，其中将预设的输入参数(6)传输给神经网络系统(4)，并且由所述神经网络系统(4)根据所传输的所述输入参数(6)确定和输出叶片参数(8)。根据本发明提出，所述神经网络系统(4)具有多个单独的神经网络(10、12‑18)，所述多个单独的神经网络分别具有输出层(44)，多个单独的神经网络中的每个神经网络确定一个或多个叶片参数(8)并且经由其输出层(44)输出一个或多个叶片参数(8)，其中所述神经网络系统(4)的单独的神经网络(10、12‑18)包括第一神经网络以及第二神经网络，并且由所述第一神经网络确定并且经由其输出层(44)输出的一个或多个叶片参数与由所述第二神经网络确定并且经由其输出层(44)输出的一个或多个叶片参数是不同的。
流体机械叶片设计制造

[发明专利]通信装置及方法-CN202210357164.4在审
发明人：郭子阳;刘鹏;杨讯;罗嘉俊 -专利权人：华为技术有限公司
申请日： 2022-04-06 - 公布日： 2023-10-24 - 主分类号： H04W28/18 文献下载
摘要：该装置包括：输入接口、神经网络处理器和输出接口，该神经网络处理器存储有神经网络，该神经网络包括输入层和输出层；输入接口，用于获取输入指示信息、功能指示信息、输出指示信息或参数指示信息中的至少一项；神经网络处理器，用于根据输入层和输出层执行功能指示信息所指示的功能；输出接口，用于输出神经网络处理器执行功能后的结果。神经网络的输入层结构和输出层结构可以基于输入接口获取到的信息确定。通过该装置，能够基于神经网络实现MAC层所实现的功能，简化神经网络的复杂度，便于硬件加速。
通信装置方法

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