“人工神经网络算法”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2131898个，建议您升级VIP下载更多相关专利

[发明专利]用于建模序列数据中长期依赖性的双重递归神经网络架构-CN202011011935.1在审
发明人： W·拜永;J·考茨 -专利权人：辉达公司
申请日： 2020-09-22 - 公布日： 2021-04-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了用于建模序列数据中长期依赖性的双重循环神经网络递归神经网络架构。学习环境的动态变化并预测将来的后果是一项最新的技术进步，其可以应用于视频预测，语音识别以及其他应用。通常，机器学习(例如深度学习模型，神经网络或其他人工智能算法)用于进行预测。但是，当前用于进行预测的人工智能算法通常仅限于进行短期未来预测，这主要是由于以下原因：1)高维视频数据中存在复杂的动态变化；2)随时间传播的预测误差；以及3)未来的内在不确定性。本公开通过提供双重(即，两部分)递归神经网络架构，使得能够建模用于进行长期预测的序列数据中的长期依赖性。
用于建模序列数据中长期依赖性双重递归神经网络架构

[发明专利]一种基于海洋用钢成分腐蚀量的预测方法-CN201510586362.8有效
发明人：王青峰;刘科;张书铭;李俊;陈英;王倩;康双双 -专利权人：燕山大学
申请日： 2015-09-16 - 公布日： 2018-07-13 - 主分类号： G06F19/00 文献下载
摘要：一种基于海洋用钢成分腐蚀量的预测方法，它包括以下步骤：1、数据的初始化，将一种成分在某时间长度下的腐蚀量和对应的时间成分定义为一组数据，在获取目标环境下钢铁材料腐蚀的数据后，将所有数据整理为构建神经网络，并将其输入到matlab软件；2、神经网络结构优化，利用蚁群算法对神经网络隐含层层数、各层节点数进行优化，将最优的隐含层结构作为神经网络结构；3、神经网络权值和阈值的初值优化，利用人工鱼群算法优化权值阈值的初值；4、神经网络预测及误差分析。
神经网络腐蚀量神经网络结构钢铁材料腐蚀优化预测人工鱼群算法神经网络预测成分定义海洋环境获取目标数据整理误差分析行为机理蚁群算法初始化节点数耐候钢权值和隐含层组数据海洋构建隐含研究帮助开发

[发明专利]使用神经网络评估电池的充电状态的设备和方法-CN200480036021.3有效
发明人：赵一 -专利权人：株式会社LG化学
申请日： 2004-12-17 - 公布日： 2007-01-03 - 主分类号： G01R31/36 文献下载
摘要：公开了一种使用神经网络评估表现出非线性特征的电池的充电状态的设备和方法。该设备包括：用于从电池单元检测电流、电压和温度的检测部分；神经网络，基于从该检测部分发送的电流、电压和温度以及当前时间数据执行神经网络算法和学习算法，从而输出通过最终学习算法评估的该电池的SOC；比较器，其用于将该神经网络的输出值与预定目标值对比，并且如果该神经网络的输出值和预定目标值之间的差值在预定极限之外，使得该神经网络迭代地执行该学习算法，从而更新该学习算法以产生最终学习算法。该电池的充电状态可通过该神经网络算法进行精确地评估。
使用神经网络评估电池充电状态设备方法

[实用新型]一种人工智能SOC处理器芯片-CN201821969682.7有效
发明人：颜军;龚永红;唐芳福;许怡冰;蒋晓华 -专利权人：珠海欧比特宇航科技股份有限公司
申请日： 2018-11-27 - 公布日： 2019-07-23 - 主分类号： G06F15/78 文献下载
摘要：本实用新型公开了一种人工智能SOC处理器芯片，芯片采用主处理器加AI协处理单元的异构方式，使用4核SPARC LEON4，AI协处理单元由4核GPU单元和4核神经网络加速器构成，特别适合基于神经网络的模型软件运算，处理神经网络算法速度快，功耗低。
协处理单元人工智能神经网络芯片神经网络算法本实用新型模型软件主处理器加速器功耗异构运算

[发明专利]基于人工智能神经网络的HSS数据容灾算法-CN201210197195.4有效
发明人：许萌 -专利权人：青岛百灵信息科技有限公司
申请日： 2012-06-15 - 公布日： 2012-10-10 - 主分类号： H04L12/24 文献下载
摘要：基于人工智能神经网络的HSS数据容灾算法，所述算法首先对HSS数据库新增设置四个区域字段，所述区域字段包括用户注册状态改变频率、PPR发送频率、RTR发送频率和通过BP神经网络学习之后所预测的用户类型，当用户注册状态改变频率、PPR发送频率或RTR发送频率三者任何一个超过事先设定的神经元阈值时，该用户即可被HSS数据库加入特定列表，触发备份算法，所述备份算法为人工智能神经网络算法。
基于人工智能神经网络 hss 数据算法

[发明专利]一种基于LSTM的智能建筑系统预测控制参数整定方法-CN202111528493.2在审
发明人：贺宁;习坤 -专利权人：西安建筑科技大学
申请日： 2021-12-14 - 公布日： 2022-03-25 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于LSTM的智能建筑系统预测控制参数整定方法，包括以下步骤：1)基于MPC算法获取训练样本；2)建立长短期记忆人工神经网络，根据步骤1)得到的训练样本对长短期记忆人工神经网络进行训练；3)利用训练后的长短期记忆人工神经网络预测智能建筑系统的控制参数，该方法能够实现智能建筑系统预测控制参数的整定，且具有成本低及速度快的特点。
一种基于 lstm 智能建筑系统预测控制参数方法

[发明专利]一种基于遗传算法-神经网络的热负荷预测方法-CN201811252715.0在审
发明人：介鹏飞;焉富春;方舟;罗锦文;张欣楠;王梓沣 -专利权人：北京石油化工学院
申请日： 2018-10-25 - 公布日： 2018-12-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于遗传算法‑神经网络的热负荷预测方法，首先仿真获取一段时间内每天四个特征向量以及一个待预测标签；将上述仿真出的数据按照时间进行划分，分为训练集数据和预测集数据；再利用z‑scroe算法将两个数据集的特征向量以及待预测标签进行归一化处理，进而将各数据的量纲统一；对遗传算法的参数和BP神经网络参数进行设置和初始化；基于初始化参数建立BP神经网络；计算某一个体的适应度值；通过遗传算法对参数进行寻优获得最佳BP神经网络，对预测集数据的热负荷进行预测上述方法可以克服传统人工神经网络容易陷入局部极小值的缺点，并对热负荷进行有效预测，保证了热负荷预测的准确性。
热负荷遗传算法预测神经网络特征向量预测集标签初始化参数归一化处理训练集数据传统人工初始化适应度数据集再利用量纲算法寻优保证统一

[发明专利]一种基于神经网络运行模式的工程项目控制方法及控制系统-CN202010780774.6在审
发明人：李鹏程 -专利权人：北京清立科技有限公司
申请日： 2020-09-01 - 公布日： 2020-11-06 - 主分类号： G05B13/04 文献下载
摘要：本发明提供一种基于神经网络运行模式的工程项目控制方法，包括：基于对工程项目的描述，以矢量图形方式模拟神经系统信号传递过程，建立用于工程控制的神经网络模型；通过若干服务程序支持所述模拟过程的Web访问、数据库访问、以及对物理接口服务程序的映射访问；通过算法程序实时完成所述信号的运算与传递，由所述算法程序动态选择最优信号路径，最终实现控制工程项目所设定的各种控制功能与控制流程。本发明将控制过程抽象为神经网络运行矢量图模式，采用人工神经网络有向图的数学模型与算法架构，可以更直观、高效的绘制编程模式，支持自由绘制控制运行图，降低了编程难度、简化了编程的过程。
一种基于神经网络运行模式工程项目控制方法控制系统

[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]一种基于二值化网络的井下机车行人及距离检测方法-CN201910940988.2在审
发明人：段章领;李百奇 -专利权人：合肥合工安驰智能科技有限公司
申请日： 2019-09-30 - 公布日： 2020-02-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于二值化网络的井下机车行人及距离检测方法，本方法涉及计算机视觉领域，利用卷积神经网络的强大性能实现矿下行人检测，并通过基于双目视觉差的原理部署算法检测行人距离，此外本方法基于二值化将全精度卷积神经网络改造为二值化卷积神经网络，大大降低神经网络的参数，将二值化与卷积神经网络相结合，以实现压缩权重的卷积神经网络，加快训练速度，并且容易部署在嵌入式平台，目标检测与嵌入式平台相融合入，极大地推进了嵌入式人工智能的发展。其技术方案要点是：包括以下步骤：数据集准备阶段：通过位于矿井机车的摄像头拍摄，将视频集处理后人工标注；网络创建一阶段：创建全精度卷积神经网络框架。
一种基于二值化网络井下机车行人距离检测方法

[发明专利]基于人工智能的马铃薯病害监测方法、系统及电子设备-CN201911392444.3在审
发明人：姜金涛;严向华;孟翔芸;杨志强;穆俊祥;杨洪涛;冀文慧 -专利权人：内蒙古智诚物联股份有限公司
申请日： 2019-12-30 - 公布日： 2020-05-15 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于人工智能的马铃薯病害监测方法、系统及电子设备，基于SVM算法和卷积神经网络算法CNN得到马铃薯病害识别算法，能对采集到的马铃薯的待识别图像进行病害识后得到病害识别结果，解决了马铃薯病害识别问题，然后将病害识别结果反馈给用户，而且，本申请的马铃薯病害识别算法是基于SVM算法和卷积神经网络算法CNN，即基于人工智，在一定程度上提高了对马铃薯的病害识别结果的准确率，且减少人工巡查和人工查阅资料的工作量
基于人工智能马铃薯病害监测方法系统电子设备

[发明专利]一种基于半监督学习的运动目标检测方法、介质及设备-CN202310854982.X在审
发明人：陈初杰;李彤;李俊薇;阮成明;陈碧乾;许斌;吴昊天 -专利权人：中国电子科技集团公司第五十二研究所
申请日： 2023-07-12 - 公布日： 2023-10-13 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及计算机视觉技术领域，具体涉及一种基于半监督学习的运动目标检测方法、介质及设备，包括步骤：A，获取数据集，包括自动生成集、半人工标注集、全人工标注集以及测试集；B，建立神经网络参数模型，神经网络参数模型包括依次连接的图像输入器、特征提取器以及结构输出器；C，基于获取的数据集中的自动生成集、半人工标注集以及全人工标注集对神经网络参数模型进行训练，并计算损失函数，直至损失函数收敛至预设值，以得到训练好的神经网络参数模型；D，利用训练好的神经网络参数模型对测试集进行运动目标检测，在相机运动的情况下能够有效检测到运动目标，自动学习出运动目标特征，不容易受环境影响，具有更好的算法鲁棒性。
一种基于监督学习运动目标检测方法介质设备

[发明专利]神经网络压缩编译器及其编译压缩方法-CN201810333784.8在审
发明人：孙晓明;单羿 -专利权人：赛灵思公司
申请日： 2018-04-13 - 公布日： 2019-10-25 - 主分类号： G06F8/41 文献下载
摘要：一种神经网络压缩编译器及其编译压缩方法。该神经网络压缩编译器可以包括：编译前端，用于对输入的神经网络算法进行分析，所述算法包括神经网络算法的拓扑结构和神经网络算法的参数；优化器，用于对所述算法和/或所述分析生成的中间表示进行优化；以及指令压缩生成器，用于生成计算平台执行神经网络计算所需的、经压缩的二进制指令码。由此，通过针对神经网络创造性地提出的压缩编译方法，可有效解决神经网络算法编译时间长、存储空间占用过大的问题。
压缩神经网络算法神经网络编译编译器二进制指令指令压缩生成器算法存储空间占用神经网络计算二进制码汇编代码计算平台拓扑结构有效解决中间表示优化器指令码分析转换优化

[发明专利]信创环境下基于人工智能实现主数据识别处理的方法、装置、处理器及计算机可读存储介质-CN202310450823.3在审
发明人：陈瑞吴;魏明;李卜 -专利权人：普元信息技术股份有限公司
申请日： 2023-04-24 - 公布日： 2023-08-01 - 主分类号： G06F18/241 文献下载
摘要：本发明涉及一种信创环境下基于人工智能实现主数据识别处理的方法，包括以下步骤：对原始数据进行预处理；通过调整神经网络中的权重和偏置项来将麻雀算法应用于神经网络的参数优化中，通过调整神经网络中的权重和偏置项来优化神经网络本发明还涉及一种用于实现信创环境下基于人工智能的主数据识别处理的装置、处理器及其存储介质。采用了本发明的信创环境下基于人工智能实现主数据识别处理的方法、装置、处理器及其计算机可读存储介质，通过提出的改进的麻雀算法对深度神经网络进行参数优化，有效解决了数据特征提取成功率不高的问题；可以更有效地对主数据进行精确识别分类
环境基于人工智能实现数据识别处理方法装置处理器计算机可读存储介质

[发明专利]集成奇异谱分析与BP人工神经网络算法的热力站边缘计算服务器-CN202210777753.8在审
发明人：王雅然;吕晶;由巨俊;宋子旭;史凯雨 -专利权人：天津大学
申请日： 2022-07-04 - 公布日： 2022-09-16 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种集成奇异谱分析与BP人工神经网络算法的热力站边缘计算服务器，内部集成有用于热力站负荷的预测的奇异谱分析与BP人工神经网络算法，通过以下步骤进行热力站负荷的预测：利用奇异谱分析法对实时获取的室外温度时间序列原始数据进行奇异值分解以及重构处理，获得室外温度时间序列的重构数据；将所述室外温度时间序列的重构数据与热力站二次供水温度归一化处理后作为输入，输入应用BP人工神经网络算法构建的热力站负荷预测模型，对热力站二次回水温度进行预测，实现热力站负荷预测
集成奇异谱分析 bp 人工神经网络算法热力边缘计算服务器