“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]起重机优化设计的神经网络方法-CN200710180500.8有效
发明人：禹建丽;唐敦硕;王亮;张晓文;张少辉;张宗伟 -专利权人：新乡市起重机厂有限公司
申请日： 2007-11-21 - 公布日： 2009-05-27 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及起重机最优化设计的神经网络方法，其特征是建立起重机最优化设计的BP神经网络模型。包括BP神经网络拓扑结构的建立，对样本数据的处理，BP神经网络训练。采用具有含一层隐层的三层前馈型网络结构，层与层之间采用全互连方式连接，同一层结点之间无连接。网络的学习是有导师学习，其学习算法的学习过程由正向传播和反向传播两部分组成。利用BP神经网络模型的泛化能力，对于一组起重机设计影响因素的输入变量，可得到最优化的设计参数。
起重机优化设计神经网络方法

[发明专利]一种小型双馈风力发电机并网控制方法-CN201610637101.9在审
发明人：张新;张继红;杨培宏;张飞;吴振奎 -专利权人：内蒙古科技大学
申请日： 2016-08-03 - 公布日： 2016-11-23 - 主分类号： H02J3/38 文献下载
摘要：本发明公开了一种小型双馈风力发电机并网控制方法，在传统PI控制中加入模糊控制和神经网络控制，具体步骤为：获取双馈风力发电机系统偏差和偏差变化率，并将偏差和偏差变化率模糊化；将模糊化后的偏差和偏差变化率作为模糊神经网络输入并进行处理，获得模糊神经网络的输出；将模糊神经网络的输出反模糊化处理得到PI控制参数；将PI控制参数传给PI控制器，PI控制器对双馈风力发电机的并网进行控制。
一种小型风力发电机并网控制方法

[发明专利]一种基于改进前馈神经网络模型的短期电力负荷预测方法-CN202310232162.7有效
发明人：郑伟钦;钟炜;唐鹤;马欣;何胜红;谭家勇;倪非非;陈志平;张勇;张哲铭;叶小刚;冯镇生;王俊波;谭泳岚;骆林峰;吴洁璇;姜美玲;钟嘉燊 -专利权人：广东电网有限责任公司佛山供电局
申请日： 2023-03-13 - 公布日： 2023-07-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于改进前馈神经网络模型的短期电力负荷预测方法，通过改进前馈神经网络模型进行电力负荷预测，该模型包括输入层、增强隐含层和输出层，增强隐含层包括若干个暂态隐含层，不同的暂态隐含层挖掘和捕捉不同负荷数据的特征本发明的改进前馈神经网络模型，通过对传统神经网络结构中的隐含层进行改进，提出增强型隐含层概念，深度学习和挖掘负荷数据的特征，自适应学习负荷数据的不确定性和随机性，从而适应当前电力系统的负荷预测需要。
一种基于改进神经网络模型短期电力负荷预测方法

[发明专利]一种机载LiDAR姿态角补偿装置解耦控制方法-CN201810264066.X有效
发明人：王建军;李云龙;范媛媛;苗松 -专利权人：山东理工大学
申请日： 2018-03-28 - 公布日： 2022-09-30 - 主分类号： G05B13/02 文献下载
摘要：其次，建立姿态角补偿装置动力学系统的神经网络逆系统模型，并采集神经网络学习数据，对神经网络进行离线训练。然后，用神经网络逆系统的输出与期望输入值进行比较，其差值送入前馈控制器用于修正姿态角补偿装置的控制电压信号。最后，结合采用闭环反馈回路的模糊‑PID控制器，组成前馈‑反馈复合控制器，实现对姿态角补偿装置控制系统的实时解耦，提高了控制精度和抗干扰性，改善了动态控制性能。
一种机载 lidar 姿态补偿装置控制方法

[发明专利]电动助力转向中的马达控制-CN202180092747.2在审
发明人： X-D·孙 -专利权人：采埃孚汽车英国有限公司
申请日： 2021-12-30 - 公布日： 2023-09-29 - 主分类号： G06N3/0499 文献下载
摘要：其在输入端处接收指示马达的所需行为的需求信号，并在输出端处提供被馈送到马达的驱动级的控制信号，控制器与马达被布置在闭环中，并被配置为最小化包括如由需求信号所指示的所需行为与马达的实际行为之间的差异的误差值，以及神经网络，其具有神经元的输入层、神经元的至少一个隐藏层以及包括至少一个输出神经元的输出层，其中神经网络包括前馈神经网络，其在输入神经元的输入层处接收需求信号、从控制器输出的控制信号以及误差值，并且其中神经网络被配置为确定PID控制器使用的P增益、I增益和D增益项中的一个或多个，并且进一步其中神经网络接收至少一个附加离散环境变量作为附加前馈项。
电动助力转向中的马达控制

[发明专利]一种基于深度学习的自适应空域均衡方法-CN202010006831.5有效
发明人：张渭乐;李妍;穆鹏程;王文杰 -专利权人：西安交通大学
申请日： 2020-01-03 - 公布日： 2021-07-13 - 主分类号： H04L25/03 文献下载
摘要：一种基于深度学习的自适应空域均衡方法，发送端发送数据帧，发送端发送数据帧到达接收端后，接收端有M根天线，将M根天线接收到的数据帧的实部和虚部进行串联，作为深度学习神经网络的输入，发送端发送的理想数据信号作为监督信息，进行神经网络的训练；其中，深度学习神经网络为多层前馈神经网络；训练完成之后进行网络测试，发送端发送新的数据帧到接收端，接收端同样将M根天线接收到的数据帧的实部和虚部进行串联，作为训练完成之后的深度学习神经网络的输入，经过深度学习神经网络的计算完成空域均衡。
一种基于深度学习自适应空域均衡方法

[发明专利]双馈异步风机电能质量异常故障诊断方法-CN202011106895.9在审
发明人：傅雷;朱添田 -专利权人：浙江工业大学
申请日： 2020-10-16 - 公布日： 2021-03-09 - 主分类号： G06K9/00 文献下载
摘要：一种双馈异步风机电能质量异常故障诊断方法，包括以下步骤：步骤1)采用经验小波分解方法对原始电能质量扰动信号进行分解；步骤2)把K个fi(t)子信号行向量进行竖向排列，得到一个基于经验小波分解的时域信号矩阵F；步骤3)引入半监督协同训练进行数据重构，去除噪声或错误样本；步骤4)构建卷积神经网络模型，将时域信号矩阵F作为卷积神经网络模型的输入，利用训练集训练卷积神经网络模型，进行参数调整，利用测试集测试卷积神经网络模型；步骤5)将卷积神经网络特征值矩阵作为支持向量机模型的输入，进行双馈异步风机电能质量异常故障信号识别。本发明得到的双馈异步风机电能质量异常故障诊断分类器具有较好的分类精度和鲁棒性。
异步风机电能质量异常故障诊断方法

[发明专利]一种基于神经网络和电磁仿真预测雨滴粒子RCS的方法-CN202310505567.3在审
发明人：孙筱枫;赵远;杜国宏;黄富林 -专利权人：成都信息工程大学
申请日： 2023-05-06 - 公布日： 2023-08-11 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于神经网络和电磁仿真预测雨滴粒子RCS的方法，在全波仿真软件中建立球形雨滴粒子模型，用雷达平面波对雨滴粒子进行照射，计算单站RCS；以粒径为横坐标，RCS为纵坐标，画RCS散点图；构建前馈神经网络模型，将球形雨滴粒子粒径、雷达波的频率等作为输入，预测RCS作为输出，获得训练和预测的输入输出集；将训练输入集投入神经网络进行训练，将输出的结果与训练输出集作对比，计算相对误差，并作成散点图；训练达到预期后，将预测输入集投入到该网络当中，获得球形雨滴粒子RCS的预测结果。本发明利用神经网络来提高雨滴粒子雷达散射界面的计算速度，并且通过神经网络模型训练，使得预测参数尽可能的与真实的模型逼近。
一种基于神经网络电磁仿真预测雨滴粒子 rcs 方法

[发明专利]基于BA-BPNN数据融合的WSAN执行器任务分配方法-CN201610828651.9有效
发明人：齐蔚然;苗红霞;刘娟;苗雪娇;胡刚;江冰 -专利权人：河海大学常州校区
申请日： 2016-09-18 - 公布日： 2019-03-15 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种基于BA‑BPNN数据融合的WSAN执行器任务分配方法,该方法采用BA优化的BP神经网络建立数据融合模型。具体是采用蝙蝠算法优化BP神经网络的权值和阈值，构建数据融合模型，对传感器节点信息进行数据融合，从而得出执行器节点的任务分配信息。BP神经网络是一种在训练过程中能够寻找全局最优值的多层前馈神经网络，可以加速网络收敛速率。该方法通过蝙蝠个体的位置更新来寻找BP神经网络的最优参数，数据融合更加精确，执行器任务分配更合理。
基于 ba bpnn 数据融合 wsan 执行任务分配方法

[发明专利]基于改进时变深度前馈神经网络的电价预测方法及装置-CN202310548767.7在审
发明人：林诗媛;初保驹;田丽春;朱雅芳;叶楠;郑超峰;郑冬虬 -专利权人：国网福建省电力有限公司经济技术研究院
申请日： 2023-05-16 - 公布日： 2023-09-15 - 主分类号： G06Q30/0201 文献下载
摘要：本发明涉及一种基于改进时变深度前馈神经网络的电价预测方法及装置，所述方法包括获取原始电价数据；将原始电价数据输入至预构建的预测模型中，在得到的预测结果达到预测精度时，输出预测结果；根据预测结果得到各个时刻的概率密度曲线本发明利用时变前馈预测网络(ForecastNet)的时变性与交错输出性，将其与时间卷积神经网络(TCN)融合，解决了传统模型固有的梯度消失问题，在避免传统深度学习模型中递归多步预测累积误差的同时，还能够获得邻近时刻电价的相关性
基于改进深度神经网络电价预测方法装置

[发明专利]一种数据处理方法及相关设备-CN202011052624.X在审
发明人：李梓超;侯璐;蒋欣 -专利权人：华为技术有限公司
申请日： 2020-09-29 - 公布日： 2021-01-29 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及人工智能领域，公开了一种数据处理方法，包括：获取待处理数据以及目标神经网络模型，目标神经网络模型包括第一transformer层，第一transformer层包括第一残差支路和第二残差支路，第一残差支路包括第一注意力头，第二残差支路包括目标前馈层FFN；根据目标神经网络模型对待处理数据进行目标任务相关的处理，以得到数据处理结果，其中目标神经网络模型用于将第一注意力头的输出与第一权重值进行目标运算，得到第一残差支路的输出，和/或目标神经网络模型用于将目标FFN的输出与第二权重值进行目标运算，得到第二残差支路的输出。本实施例针对于不同的任务，设置了用于控制残差支路的输出的权重值，降低了终端设备运行目标神经网络模型的计算资源需求。
一种数据处理方法相关设备

[发明专利]服务器、媒资推荐网络的训练方法及媒资推荐方法-CN202210149930.8有效
发明人：车进;韩洁;陈艳君 -专利权人：聚好看科技股份有限公司
申请日： 2022-02-18 - 公布日： 2023-10-24 - 主分类号： H04N21/25 文献下载
摘要：本申请提供了一种服务器、媒资推荐网络的训练方法及媒资推荐方法，服务器被配置为：采集用户观看媒资的历史行为数据；计算所述历史行为数据对应观看顺序的第一矩阵、计算所述历史行为数据对应观看间隔的第二矩阵、计算所述历史行为数据对应媒资内容的第三矩阵；通过自注意力模型对所述第一矩阵、第二矩阵和第三矩阵进行自注意力计算，得到所述历史行为数据对应的媒资表示矩阵；将所述媒资表示矩阵输入前馈神经网络，通过媒资训练集对所述前馈神经网络进行训练，得到用于进行媒资推荐的媒资推荐网络
服务器推荐网络训练方法

[发明专利]一种基于集成策略布谷鸟搜索的混沌时间序列预测方法-CN202310140174.7在审
发明人：程加堂;熊燕;张烈平;王一光;覃彦之 -专利权人：桂林理工大学
申请日： 2023-02-20 - 公布日： 2023-05-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明针对人工神经网络在混沌时间序列预测中所存在的不足，将神经网络与智能优化算法进行有机结合以提高预测精度。首先，构建混沌时间序列数据集；其次，采用前馈神经网络建立预测模型；再次，设计一种基于集成策略的布谷鸟搜索算法，增强算法的寻优精度与收敛速度；最后，应用该集成策略布谷鸟搜索算法来优化神经网络的权值和阈值参数
一种基于集成策略布谷鸟搜索混沌时间序列预测方法

[发明专利]基于多层前馈神经网络的电力系统谐波分析方法-CN201110200347.7有效
发明人：赵丽娟;李永倩 -专利权人：华北电力大学（保定）
申请日： 2011-07-18 - 公布日： 2012-02-15 - 主分类号： G01R23/16 文献下载
摘要：本发明公开了电力系统信号测试技术领域中的一种基于多层前馈神经网络的电力系统谐波分析方法。本发明根据光纤电压传感器或光纤电流传感器获得电力系统电压或电流信号，建立了一个单隐层的多层前馈神经网络，激励函数为正弦和余弦函数，可变参数为谐波幅值和角频率，对于获得的电力系统信号加汉宁窗，然后进行离散傅立叶变换，将校正后各次谐波的正弦和余弦分量的幅值以及谐波角频率作为该神经网络的初始权值，并在此基础上采用RPROP算法训练，根据训练得到的权值即可获得各次谐波的幅值和频率。
基于多层神经网络电力系统谐波分析方法

[发明专利]一种移动web深度学习协作的方法及系统-CN201910911077.7有效
发明人：乔秀全;黄亚坤;商彦磊 -专利权人：北京邮电大学
申请日： 2019-09-25 - 公布日： 2022-07-19 - 主分类号： G06F9/50 文献下载
摘要：该方法包括：通过移动web浏览器加载目标任务，对目标任务进行预处理，并向边缘服务器发送深度学习计算请求；边缘服务器根据深度学习计算请求和当前上下文信息，计算压缩深度神经网络模型需求，并向移动web浏览器返回满足的压缩深度神经网络模型；移动web浏览器接收并执行压缩深度神经网络的前馈过程，得到第一任务计算结果，并将第一层卷积层作为共享层的暂存结果；移动web浏览器计算第一任务计算结果的标准交叉熵，若判断标准交叉熵大于预设阈值，则接收第一任务计算结果本发明实施例提出的移动Web深度学习协作，有效降低了模型的传输和前馈计算时延。
一种移动 web 深度学习协作方法系统