专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果1116986个,建议您升级VIP下载更多相关专利
  • [发明专利]一种深度学习神经网络的分解与合成方法和系统-CN201810016932.3有效
  • 朱定局 - 大国创新智能科技(东莞)有限公司
  • 2018-01-05 - 2020-08-11 - G06N3/04
  • 本发明公开了一种深度学习神经网络的分解与合成方法和系统,具体为:首先获取输入数据变量与输出数据变量集合;然后将输入数据变量集合分解为N个子集;接着初始化第一深度学习神经网络;然后初始化第二深度学习神经网络;然后初始化第三深度学习神经网络;接着对每个子集对应的第一深度学习神经网络进行无监督训练;然后对第二深度学习神经网络进行无监督训练;最后对第二或第三深度学习神经网络进行有监督训练。本发明将输入数据变量集合分解为多个子集,并为每个子集初始化一个深度学习神经网络,再以所有深度学习神经网络的输出层为输入层初始化一个深度学习神经网络,降低了深度学习的数据维度和计算复杂度,改进了深度学习神经网络的效果
  • 一种深度学习神经网络分解合成方法系统
  • [发明专利]基于大数据和深度学习神经网络深度学习方法和系统-CN201711259996.8有效
  • 朱定局 - 华南师范大学
  • 2017-12-04 - 2020-11-13 - G06N3/08
  • 本申请涉及一种神经网络深度学习方法、系统、计算机可读存储介质和计算机设备。所述方法包括获取目标初始化神经网络的特征信息,将目标初始化神经网络的特征信息在预设神经网络大数据或数据库中进行分析,得到分析结果,根据分析结果确定目标初始化神经网络,通过训练数据训练目标初始化神经网络,得到深度学习的目标神经网络。本申请的方案通过特征信息分析,将预先存储的深度学习神经网络来作为将来深度学习神经网络初始化的基础,从而优化深度学习神经网络初始化的结果,使得深度学习神经网络在更优初始化的情况下进行训练,从而能够缩短训练时间,提高神经网络的训练速度,同时也能保证神经网络深度学习的效果。
  • 基于数据深度学习神经网络学习方法系统
  • [发明专利]一种融合人工神经网络神经形态计算的在线学习方法-CN201910880288.9有效
  • 周军;李思旭;张兆民;弓育川 - 电子科技大学
  • 2019-09-18 - 2023-10-27 - G06N3/045
  • 本发明公开了一种融合人工神经网络神经形态计算的在线学习方法,属于机器学习领域,特别是涉及神经网络学习领域。解决神经网络面对特征变化或者未知数据时正确率下降的问题,需要对神经网络进行在线学习。脉冲神经网络通常采用无监督学习,比起有监督学习,准确率较低,容易在学习错误之后一直向着错误的方向前进。人工神经网络通常采用有监督学习,准确率较高,但是推理和学习功耗较大。因此本专利中提出一种新的方案,使用人工神经网络辅助脉冲神经网络进行在线学习,由于大多数时间采用脉冲神经网络推理和无监督学习,因此功耗较低,同时隔一段时间通过人工神经网络和有监督学习对权值进行修正,因此可以保证较高的准确率
  • 一种融合人工神经网络神经形态计算在线学习方法
  • [发明专利]神经网络压缩方法、装置、设备及可读存储介质-CN202210264300.5在审
  • 陈武辉;巫继强;赵昊立;郑子彬 - 中山大学
  • 2022-03-17 - 2022-06-10 - G06N3/04
  • 本申请公开了神经网络压缩方法、装置、设备及可读存储介质,本申请获取待压缩的多层级深度学习神经网络网络损失;确定与多层级深度学习神经网络对应的稀疏编码及稀疏权重,如此,可去除多层级深度学习神经网络中冗余参数及权重;确定稀疏编码损失及稀疏权重损失;将网络损失、稀疏编码损失及稀疏权重损失进行融合,得到压缩损失;利用压缩损失对多层级深度学习神经网络进行压缩,得到压缩后的多层级深度学习神经网络。可见,本申请可实现对该待压缩的多层级深度学习神经网络进行双重压缩,减少冗余参数,以降低神经网络的计算性能损耗。本申请对多层级深度学习神经网络的各层级进行稀疏编码及稀疏权重,可避免深度学习神经网络中的强串扰问题。
  • 神经网络压缩方法装置设备可读存储介质
  • [发明专利]个性化自动化机器学习-CN202180008767.7在审
  • 王大阔;淦创;谭铭;A·乔杜里;鞠琳 - 国际商业机器公司
  • 2021-02-11 - 2022-08-30 - G06F16/36
  • 根据本发明的实施例,提供一种用于为自动化机器学习系统的用户个性化机器学习模型的方法,机器学习模型由自动化机器学习系统生成。该方法包括获得用于训练第一神经网络、第二神经网络和第三神经网络的第一组数据集,将训练数据集输入到神经网络,调整用于测试和训练神经网络的第一、神经网络第二神经网络和第三神经网络的超参数,输入第二组数据集到经训练的神经网络和第三神经网络生成包括每个机器学习模型的每个用户的相关性分数的第三输出数据,并显示与每个用户相关联的机器学习模型的列表,每个机器学习模型显示相关性分数。
  • 个性化自动化机器学习
  • [发明专利]学习装置以及学习方法-CN202210066481.0在审
  • 阿密特·波帕特·莫尔 - 本田技研工业株式会社
  • 2022-01-20 - 2022-09-06 - G06V10/774
  • 本公开涉及一种学习装置以及学习方法。本发明所涉及的学习装置包含处理机构,处理机构包含:第一神经网络,其提取图像数据内的物标的第一特征;第二神经网络,其使用与第一神经网络不同的网络结构来提取图像数据内的物标的第二特征;以及学习辅助神经网络,其从在第一神经网络中提取出的第一特征中提取第三特征。并且,第二特征和第三特征是相对于物标被偏置的特征,处理机构使学习辅助神经网络学习,以使在第二神经网络中提取出的第二特征与在学习辅助神经网络中提取出的第三特征接近,并且,处理机构使第一神经网络学习,以使在第一神经网络提取的第一特征中出现的第三特征减少
  • 学习装置以及学习方法
  • [发明专利]映射自然神经网络的方法和电子神经网络装置-CN202111325136.6在审
  • 咸炖憙;金尚骏 - 三星电子株式会社
  • 2021-11-10 - 2022-05-27 - G06N3/06
  • 公开了映射自然神经网络的方法和电子神经网络装置。所述方法包括:基于自然神经网络的多个生物神经元的膜电位来构建自然神经网络神经网络图,其中,所述膜电位对应于至少两种不同的各个形式的膜电位;以及将神经网络图映射到电子神经网络装置。构建神经网络图和映射神经网络图执行电子神经网络装置的学习。所述方法还可包括:获得输入或刺激;在获得的输入或刺激的条件下,激活学习后的电子神经网络装置,以执行神经网络操作;以及基于激活的学习后的电子神经网络装置的结果生成获得的输入或刺激的神经网络结果。
  • 映射自然神经网络方法电子装置
  • [发明专利]学习装置、识别装置、以及程序-CN201980012591.5在审
  • 尾崎夏子 - 索尼公司
  • 2019-10-29 - 2020-10-13 - G06N3/08
  • 提供一种学习装置,具备:第一学习单元,用于基于和连接至第一神经网络的前级的第二神经网络的输入数据相同的数据与第一神经网络的输出数据之间的第一误差学习第一神经网络的参数;和第二学习单元,用于基于和输入数据不同的数据与从第二神经网络输出的数据之间的第二误差、以及从第一神经网络发送的且其误差经过符号反转的数据而学习第二神经网络的至少一部分参数。
  • 学习装置识别以及程序
  • [发明专利]一种深度学习神经网络的优化方法、装置及系统-CN201910513306.X有效
  • 林宇;陶海 - 北京文安智能技术股份有限公司
  • 2019-06-14 - 2021-06-01 - G06T7/00
  • 本发明涉及深度学习技术领域,公开了一种深度学习神经网络的优化方法、装置及系统。其中,所述深度学习神经网络的优化方法包括:获取深度学习神经网络的输出信息,样本的原始类别标注信息以及亲近类别损失函数;将所述深度学习神经网络的输出信息和所述样本的原始类别标注信息,通过所述亲近类别损失函数进行梯度分析,获取所述样本的梯度分析结果;将所述样本的梯度分析结果发送给所述深度学习神经网络进行参数调整,实现深度学习神经网络的优化,使得深度学习神经网络的精度不受实际场景的影响而有明显的波动,并且降低严重识别错误的发生概率
  • 一种深度学习神经网络优化方法装置系统
  • [发明专利]一种基于元学习神经网络优化方法及装置-CN201910173076.7有效
  • 蔡富琳;谭奔;刘大鹏;肖磊 - 腾讯科技(深圳)有限公司
  • 2019-03-07 - 2023-05-12 - G06N3/09
  • 本发明公开了一种基于元学习神经网络优化方法及装置,所述方法包括:部署多个机器学习任务,每个机器学习任务均运行于学习框架中,每个学习框架均包括神经网络本体和神经网络优化器,所述神经网络优化器用于对与其对应的神经网络本体的参数权重进行调整;设置元学习组合优化器;基于所述元学习组合优化器拟合机器学习任务运行过程中各个神经网络组合的状态特征与质量参数的映射关系;响应于优化指令,使用所述元学习组合优化器输出组合优化策略;使用所述组合优化策略对待优化的神经网络进行优化本发明可以为各种学习任务自适应输出表现较佳的优化器及其组合,从而得到最佳优化效果。
  • 一种基于学习神经网络优化方法装置

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top