“前馈神经网络”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2301005个，建议您升级VIP下载更多相关专利

[发明专利]一种伺服控制系统及神经网络前馈控制器训练方法-CN202211294257.3在审
发明人：李敏;孙凡茗;陈涛涛;金思芃;刘恋奇;陈曦 -专利权人：中国地质大学（武汉）
申请日： 2022-10-21 - 公布日： 2023-03-07 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及一种伺服控制系统及神经网络前馈控制器训练方法，包括：加减运算器、反馈控制器、神经网络前馈控制器、加法运算器和被控对象；采用迭代学习控制方法学习多个不同参考轨迹的最优前馈控制信号，确定神经网络的输入与输出；选择神经网络的架构与训练算法，利用遗传算法优化神经网络的超参数，根据参考轨迹和最优前馈控制信号训练神经网络前馈控制器，建立参考轨迹与最优前馈控制信号之间的映射关系；在伺服运动控制中，神经网络前馈控制器根据参考轨迹实时预测最优前馈控制信号本发明综合了迭代学习控制与神经网络的优点，使得伺服控制系统在重复性运动与非重复性运动中均能实现优良的轨迹跟踪性能。
一种伺服控制系统神经网络控制器训练方法

[发明专利]一种基于深度前馈神经网络的数字全息图生成系统及方法-CN202010983019.8在审
发明人：刘静;马超群;蒋晓瑜;李刘鹏;苏立玉;黄开宇 -专利权人：西安交通大学
申请日： 2020-09-17 - 公布日： 2020-12-15 - 主分类号： G06T17/00 文献下载
摘要：本发明公开一种基于深度前馈神经网络的数字全息图生成系统及方法，所述方法包括：1)构建前馈神经网络，包含输入层、隐含层和输出层；2)构建四层全连接神经网络，包含一个输入层、两个隐含层和一个输出层，使用相应数据进行训练，得到训练完毕的全连接神经网络；3)以步骤1)构建前馈神经网络的输出作为步骤2)所得全连接神经网络的输入，对两个网络进行拼接，形成深度前馈神经网络；使用深度前馈神经网络生成点云物体的数字全息图。
一种基于深度神经网络数字全息图生成系统方法

[发明专利]一种处理汽车气动系统数据的方法-CN201911198041.5在审
发明人：蒋遂平;方志;蔡光伟;于鸿飞;丁怡 -专利权人：北京计算机技术及应用研究所
申请日： 2019-11-29 - 公布日： 2020-04-17 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种估计前馈神经网络隐含层节点数目的方法，该方法包括：(1)收集训练数据步骤。收集训练前馈神经网络需要的数据。(2)整理训练数据步骤。根据本征值计算前馈神经网络隐含层的节点数目。目前，前馈神经网络隐含层节点的数目靠经验估计，很难设计出性能较高的前馈神经网络。本发明提出的估计前馈神经网络隐含层节点数目的方法，能够有效地指导前馈神经网络的设计，在人工智能领域中具有重要的应用价值。
一种处理汽车气动系统数据方法

[发明专利]一种基于多层前馈神经网络算法的食源性致病菌分类方法-CN202210226118.0在审
发明人：曾万聃;杨雪钰 -专利权人：上海应用技术大学
申请日： 2022-03-08 - 公布日： 2022-06-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多层前馈神经网络算法的食源性致病菌分类方法，包括步骤1：对获得的食源性致病菌数据做数据预处理工作；步骤2：构建多层前馈神经网络；步骤3：对构建的多层前馈神经网络模型进行评估，得到当前模型分类的准确率本发明使用基于多层前馈神经网络算法的方法，通过对多层前馈神经网络算法的结构配置及优化提高了食源性致病菌光谱分类的准确率。本发明主要解决的技术问题是通过对多层前馈神经网络算法建模实现食源性致病菌光谱数据分类的自动化，为食源性致病菌检测的提供了新的方法。
一种基于多层神经网络算法食源性致病菌分类方法

[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]基于验证的前馈神经网络单层权重修复方法-CN202310306435.8在审
发明人：钱俊彦;庞薇;丁浩 -专利权人：广西师范大学
申请日： 2023-03-27 - 公布日： 2023-05-16 - 主分类号： G06N3/0499 文献下载
摘要：本发明公开一种基于验证的前馈神经网络单层权重修复方法，先通过验证器对训练好的神经网路进行验证，如果前馈神经网络出错，则验证器会提供反例，再利用反例对前馈神经网络出错层的链接权重进行修改，直到修改后的前馈神经网络通过验证在对神经网路进行修复的过程中，本发明把惩罚项加入目标函数的方法，提出了前馈神经网络单层修复的方法，这种单层修复的方法不需要重新训练，从而不需要获得原始训练数据(原始训练数据一般难以获得)，定位到出错层对其进行修改，既能从源头修改了错误，也能在一定程度上保持前馈神经网络原有的特性，从而把修复问题转换成优化问题。
基于验证神经网络单层权重修复方法

[发明专利]基于神经网络的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备-CN201911056457.3在审
发明人：胡中骥;钟鑫;张鑫 -专利权人：佳禾智能科技股份有限公司
申请日： 2019-10-31 - 公布日： 2020-03-17 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种基于神经网络的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备，用于改善链路产生的谐波以及交调失真的情况，其中方法包括：构建第一神经网络模型，基于自适应前馈式主动降噪架构，用所构建的第一神经网络模型来作为所述架构中的前馈滤波器；且/或构建第二神经网络模型，基于自适应前馈式主动降噪架构，用第二神经网络模型来作为所述架构中的次级通道估计S＇(z)。
基于神经网络自适应前馈式主动方法计算机可读存储介质电子设备

[发明专利]前馈生成式神经网络-CN201880027095.2在审
发明人： A.G.A.范登奥德;K.西蒙扬;O.文雅尔斯 -专利权人：渊慧科技有限公司
申请日： 2018-05-22 - 公布日： 2019-12-06 - 主分类号： G06N3/04 文献下载
摘要：公开了一种前馈生成式神经网络，该前馈生成式神经网络生成在单个神经网络推理中包括特殊类型的多个输出示例的输出示例。可选地，生成可以以上下文输入为条件。例如，前馈生成式神经网络可以生成语音波形，语音波形是以文本片段的语言特征为条件的输入文本片段的语言化。
神经网络生成式前馈语音波形输入文本文本片段语言特征输出语言化可选推理

[发明专利]基于前馈神经网络的可信与不可信用户识别方法-CN201310547349.2有效
发明人：王英;左万利;田中生;王鑫;彭涛;王萌萌;赵秋月 -专利权人：吉林大学
申请日： 2013-11-07 - 公布日： 2014-02-12 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于前馈神经网络的可信与不可信用户识别方法，旨在克服现有技术存在精准度不够、识别依据不足、灵活性缺失与社会网络解析粒度较粗等问题，该方法的步骤为：1.获取特殊用户并确定训练集包含的用户；2.分析并量化用户特征，将用户表示为用户特征向量；3.构建前馈神经网络；4.训练前馈神经网络；5.由训练后的前馈神经网络实现可信与不可信用户识别，其步骤为：1）获取社会网络中用户信息；2）量化用户信息并生成用户特征向量；3）将用户特征向量输入到前馈神经网络中，依据输出节点的输出值识别可信与不可信用户。
基于神经网络可信不可信用户识别方法

[发明专利]基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备-CN202310204371.0在审
发明人：胡中骥;钟鑫;张鑫 -专利权人：佳禾智能科技股份有限公司
申请日： 2019-10-31 - 公布日： 2023-06-23 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种基于神经网络滤波器的自适应前馈式主动降噪方法、计算机可读存储介质、电子设备，其中方法包括：构建第一神经网络模型，基于自适应前馈式主动降噪架构，用所构建的第一神经网络模型来作为所述架构中的前馈滤波器使用本发明通过将自适应前馈式主动降噪架构中的前馈滤波器改用为第一神经网络模型实现，利用神经网络的非线性滤波特性，实现更好地对噪声进行控制，改善由A位噪声源到B位扬声器的传播路径中存在非线性环节而引起的谐波以及交调失真现象
基于神经网络滤波器自适应前馈式主动方法计算机可读存储介质电子设备

[发明专利]基于神经网络在线学习的永磁同步电机前馈解耦方法-CN201310016351.7有效
发明人：刘国海;王朝霞;梅从立;于霜;丁煜寒 -专利权人：镇江市江大科技有限责任公司;江苏大学
申请日： 2013-01-16 - 公布日： 2013-07-24 - 主分类号： H02P21/00 文献下载
摘要：本发明提出了一种基于神经网络在线学习的永磁同步电机前馈解耦方法，其包括：步骤一、根据前馈解耦控制方法推导出前馈解耦补偿器输出函数；步骤二，根据所述前馈解耦补偿器输出函数采集所需要数据，进而离线训练神经网络，得到前馈补偿神经网络初始状态；步骤三、通过参考模型输出与系统输出误差在线调整神经网络第二层的连接权值，进行永磁同步电机的动态解耦。
基于神经网络在线学习永磁同步电机前馈解耦方法

[发明专利]一种反馈型人工神经网络训练方法及计算系统-CN201310358885.8有效
发明人：陈进才;张涵;周西;周功业;卢萍 -专利权人：华中科技大学
申请日： 2013-08-16 - 公布日： 2013-12-18 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种反馈型人工神经网络训练方法及计算系统,属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相连，采用一系列脉冲信号实现所述反馈型人工神经网络训练方法。本发明提供的人工神经网络收敛速度快，人工神经网络计算系统控制元件较少，能耗低，可应用于数据挖掘、模式识别、图像识别等方面。
一种反馈人工神经网络训练方法计算系统

[发明专利]喉部疾病智能化诊断平台-CN202110236398.9在审
发明人：甘正霞 -专利权人：甘正霞
申请日： 2021-03-03 - 公布日： 2021-07-20 - 主分类号： A61B5/08 文献下载
摘要：本发明涉及一种喉部疾病智能化诊断平台，包括：波形录取机构，贴附在喉部疾病病人的咽喉处，用于采集预设时间长度内的咽喉声音信号；网络运行设备，用于在完成将各个二进制编码数据输入到前馈神经网络的输入层的内容输入操作后，运行所述前馈神经网络，以获得所述前馈神经网络的输出层的输出数据，所述前馈神经网络的输出层的输出数据为病人疾病类型；网络处理设备，用于将所述网络处理设备训练后的前馈神经网络发送给所述网络运行设备。
喉部疾病智能化诊断平台

[发明专利]一种基于动态前馈神经网络的生化需氧量在线软测量方法-CN201210271656.8无效
发明人：张昭昭;郭伟;张美金 -专利权人：辽宁工程技术大学
申请日： 2012-07-31 - 公布日： 2013-01-16 - 主分类号： G01N33/18 文献下载
摘要：本发明一种基于动态前馈神经网络的生化需氧量在线软测量方法，通过设计用于污水曝气池生化需氧量软测量的动态前馈神经网络拓扑结构，确定动态前馈神经网络的输入样本，并对输入样本进行在线归一化处理；采用标准化后的数据训练神经网络，计算神经网络中与隐节点相连的所有权连接值在每次训练过程中的变化情况，判断该隐节点的活跃性，对活跃度较大的隐节点进行分裂；通过计算隐节点在训练过程中绝对输出的变化情况，判断该隐节点学习信息的能力，删除没有学习能力的隐节点；对神经网络参数进行调整；动态前馈神经网络训练过程结束后，确定曝气池出水生化需氧量BOD；本发明具有实时性好、稳定性好、精度高、神经网络的泛化能力强的优点。
一种基于动态神经网络生化需氧量在线测量方法

[发明专利]一种基于前馈神经网络与感知损失函数的图像超分辨率重建方法-CN202111393116.2在审
发明人：杨旭广;杨欣;罗子扬;李恒锐;周大可 -专利权人：南京航空航天大学
申请日： 2021-11-23 - 公布日： 2022-03-04 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于前馈神经网络与感知损失函数的图像超分辨率重建方法，包括如下步骤：(1)基于ResNet和SRGAN，设计残差块，作为前馈卷积神经网络的核心部分；(2)将图像输入生成网络，得到前馈卷积神经网络的输出；(3)将前馈卷积神经网络的输出与目标图像共同输入vgg16网络模型；(4)通过感知损失函数衡量二者之间的差距；(5)通过对vgg16网络和感知损失函数的模型进行大量数据训练改变前馈网络中的参数，使损失降低
一种基于神经网络感知损失函数图像分辨率重建方法

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