“学习神经网络”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1116986个，建议您升级VIP下载更多相关专利

[发明专利]一种提高深度学习图片识别算法鲁棒性的方法-CN201711130625.X在审
发明人：蒋国平;李海涛;葛炎 -专利权人：南京邮电大学
申请日： 2017-11-15 - 公布日： 2018-05-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种提高深度学习图片识别鲁棒性的方法。首先对深度学习的神经网络进行随机初始化；然后将训练样本集和训练标签集作为输入深度学习神经网络，进行前向传播输出深度学习神经网络认为其所属各个类别的概率；接着将新的样本和其标签进行反向传播，对深度学习神经网络进行调优；利用测试样本集和测试标签集对训练效果进行测试，输出测试样本集的测试准确率；最后在对训练样本集和训练标签集迭代了一定次数后，输入验证样本集，并将深度学习神经网络的输出与验证标签集进行对比，输出深度学习神经网络的验证准确率本发明可以有效提高深度学习图片识别算法鲁棒性，提高深度学习图片识别在样本标签标注有误的情况下的图片识别准确率。
一种提高深度学习图片识别算法鲁棒性方法

[发明专利]一种光流神经网络训练方法及装置-CN201811518482.4有效
发明人：石大虎;虞抒沁;谭文明 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2018-12-12 - 公布日： 2023-04-07 - 主分类号： G06T7/269 文献下载
摘要：本申请实施例提供了一种光流神经网络训练方法及装置。其中，方法包括：将样本图像帧和所述样本图像帧的相邻图像帧输入第一神经网络和第二神经网络，得到所述第一神经网络输出的第一稠密光流和所述第二神经网络输出的第二稠密光流，所述第一神经网络为预先经过训练的光流神经网络，所述第二神经网络为模型复杂度低于所述第一神经网络的光流神经网络；基于所述第一稠密光流与所述第二稠密光流之间的偏差，调整所述第二神经网络的网络参数。选用本申请实施例，由于第二神经网络能够学习到第一神经网络已经学习到的图像对到稠密光流的映射关系，可以使得第二神经网络的性能逼近于模型复杂度更高的第一神经网络。
一种神经网络训练方法装置

[发明专利]卷积神经网络权重调优方法、装置、存储介质和电子设备-CN202211113628.3在审
发明人：李言洲 -专利权人：杭州海康机器人股份有限公司
申请日： 2022-09-14 - 公布日： 2022-11-15 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种卷积神经网络的权重调优方法，包括：将第一卷积神经网络的各指定层对应的学习率参数组成学习率参数组，将所述学习率参数组作为遗传算法的个体，将所述学习率参数作为所述遗传算法的基因；利用所述遗传算法依次对每一代的所有学习率参数组进行处理，直到满足遗传算法的优化终止条件，以确定用于通过训练所述第一卷积神经网络生成第二卷积神经网络的最优学习率参数组。应用本申请，能够不依赖任何先验知识找到迁移学习中的最优或局部最优学习率参数组，提高迁移学习的目标卷积神经网络的性能。
卷积神经网络权重方法装置存储介质电子设备

[发明专利]一种基于深度强化学习的推荐算法-CN201811070447.0在审
发明人：陈曦;蓝志坚;余智君;陈卓 -专利权人：广州丰石科技有限公司
申请日： 2018-09-13 - 公布日： 2019-03-15 - 主分类号： G06F16/951 文献下载
摘要：本发明提出一种基于深度强化学习的推荐算法，构建了MainNet神经网络和TargetNet神经网络的双网络结构模型，其中MainNet神经网络是主神经网络，用于得到户对推荐列表，TargetNet神经网络用于训练模型参数，得到最优模型参数，并不断更新模型参数，作为MainNet神经网络的输入的当前状态不仅包括长期特征，而且包括外部条件特征，为用户购物行为的准确预测奠定了基础。本发明克服了传统机器学习的缺点，不需要历史数据积累，只要网站存在交易行为，该算法可以实现自我学习，自我优化和自我完善。
神经网络算法强化学习网络结构模型传统机器购物行为交易行为历史数据模型参数外部条件训练模型自我学习最优模型构建网站预测更新积累优化学习

[发明专利]一种变工况滚动轴承分段式故障诊断方法及系统-CN202210403176.6在审
发明人：许颜贺;李思樊;赵坤杰;刘伟 -专利权人：华中科技大学
申请日： 2022-04-18 - 公布日： 2022-08-09 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种变工况滚动轴承分段式故障诊断方法及系统，属于轴承故障诊断领域，诊断方法包括：将已知工况的训练数据输入至迁移学习神经网络中，以迁移学习神经网络的总损失最小为基准，确定迁移学习神经网络参数，完成迁移学习神经网络的训练；将待诊断工况的部分已知能够表征轴承工作状态的原始信号输入至迁移学习神经网络中，输出待诊断工况的所有故障信号；在本发明中领域代表两种不同的工况，将已知工况学习到的特征信息迁移到未知工况中
一种工况滚动轴承段式故障诊断方法系统

[发明专利]一种可配置神经网络推理与在线学习融合计算电路-CN202010991702.6有效
发明人：周军;甘家彦;弓育川 -专利权人：电子科技大学
申请日： 2020-09-21 - 公布日： 2020-12-29 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种可配置神经网络推理与在线学习融合计算电路，属于神经网络技术领域。该电路包括主控制单元、可配置控制单元、缓存控制单元、压缩/解压缩单元、交互单元、缓存单元、神经网络融合计算单元。本发明电路通过配置神经网络的计算通路、在线学习的层数、以及标签生成方式实现了低成本可配置的推理和在线学习融合计算，保障了神经网络高效的推理和学习；通过基于硬件动态复用计算引擎，使推理与在线学习计算融合，
一种配置神经网络推理在线学习融合计算电路

[发明专利]基于学习神经网络滑模的航天器编队轨道容错控制方法-CN202210789081.2有效
发明人：贾庆贤;舒睿;高君楠;桂玉乐;于丹;吴云华 -专利权人：南京航空航天大学
申请日： 2022-07-06 - 公布日： 2022-11-08 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了基于学习神经网络滑模的航天器编队轨道容错控制方法，按以下步骤进行：1、考虑空间摄动和推力器故障，建立航天器编队系统的非线性相对动力模型；2、结合P型迭代学习算法、径向基函数神经网络模型和滑模算法，设计一种学习神经网络滑模观测器，对推力器故障进行鲁棒重构；3、结合学习神经网络模型和滑模控制算法，设计一种学习神经网络滑模容错控制器，实现航天器编队系统受到空间摄动和推力器故障时对标称构型的高精度维持控制
基于学习神经网络航天器编队轨道容错控制方法

[发明专利]一种基于监督学习和强化学习的弹性资源分配方法-CN202211623990.5在审
发明人：李丽娜;许一鸣;李念峰;黄盛奎 -专利权人：长春大学
申请日： 2022-12-15 - 公布日： 2023-05-02 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于监督学习和强化学习的弹性资源分配方法，包括：步骤一、基于爬取并处理后的测试数据，划分第一训练集和第一测试集，同时构建第二训练集；步骤二、建立第一神经网络，基于监督学习技术，通过第一训练集对第一神经网络进行训练调参，通过RMSprop优化算法和第一测试集调优训练后的监督模型；步骤三、建立第二神经网络，初始化第二神经网络，基于强化学习技术，通过第二训练集对第二神经网络训练调参，通过Adam优化算法调优训练后的强化学习模型；步骤四、通过训练优化后的第二神经网络对真实数据集进行资源分配，输出最优的资源分配结果。采用监督学习技术初始化神经网络，再结合强化学习技术，从而有效地提高了资源分配的精准性。
一种基于监督学习强化弹性资源分配方法

[发明专利]精简输入的深度学习神经网络方法、装置和机器人系统-CN201711331068.8有效
发明人：朱定局 -专利权人：华南师范大学
申请日： 2017-12-13 - 公布日： 2021-01-22 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种深度学习神经网络方法，该方法包括：对第一深度学习神经网络进行测试得到第一输出正确率，将第一深度学习神经网络的输入层的每个输入变量作为一个输入变量组合组成尝试删除输入变量组合的集合，尝试删除输入变量组合的集合中选取一个输入变量组合，根据输入变量组合得到第二深度学习神经网络，对得到的第二深度学习神经网络进行测试得到第二输出正确率，根据第一输出正确率和第二输出正确率生成了可选删除输入变量组合的集合，在可选删除输入变量组合的集合中选取优选删除的输入变量组合，根据优选删除的输入变量组合得到第三深度学习神经网络。此外，还提供了一种深度学习神经网络装置、一种计算机设备、一种机器人系统和计算机可读存储介质。
精简输入深度学习神经网络方法装置机器人系统

[发明专利]一种基于卷积神经网络和字典对学习的肺结节分类方法-CN201710280338.0在审
发明人：强彦;贺娜娜;强梓林;赵涓涓;郝瑞;王华;张小龙 -专利权人：太原理工大学
申请日： 2017-04-26 - 公布日： 2017-08-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卷积神经网络和字典对学习的肺结节分类方法，该方法将字典对学习算法作为卷积神经网络的分类层与卷积神经网络进行结合，称为CNN‑DPC。该算法包括卷积神经网络参数的训练与肺结节分类两个阶段。首先对训练数据进行预处理，获得肺实质部分；然后对卷积神经网络进行预训练；接着用字典对学习算法替换卷积神经网络的分类层，并对预训练后的网络参数及字典对进行优化；最后对待分类数据进行预处理，获得肺实质部分，本发明实现简单、易于理解，通过将卷积神经网络与字典对学习算法的优势相结合，能够较快且较好地实现肺结节的良恶性分类。
一种基于卷积神经网络字典学习结节分类方法

[发明专利]基于WTA学习机制的交叉阵列脉冲神经网络硬件系统-CN202010933121.7在审
发明人：王喆;李海;周铁军;支涛云;富嘉育 -专利权人：杭州电子科技大学
申请日： 2020-09-08 - 公布日： 2021-01-01 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于WTA学习机制的交叉阵列脉冲神经网络硬件系统，该脉冲神经网络系统实现了以WTA为学习机制的真并行化的脉冲神经网络，可以高效得完成图像、语音以及文本等模型的学习和分类任务，该脉冲神经网络架构包含数据预处理模块、输入层神经元、突触阵列以及输出层神经元，其中数据预处理模块与多个输入层神经元输入端连接，输入层神经元输出端连接突触阵列的输入端，突触阵列输出端连接多个输出层神经元的输入端。本发明的实质性效果是：基于WTA学习机制的交叉阵列脉冲神经网络硬件架构，可以构造大规模并行计算的脉冲神经网络，实现高速低功耗的类脑芯片。
基于 wta 学习机制交叉阵列脉冲神经网络硬件系统

[发明专利]神经网络的训练方法和装置-CN202010601427.2在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-29 - 公布日： 2020-10-13 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了神经网络的训练方法和装置，涉及人工智能、深度学习技术领域，可用于图像处理。具体实施方式包括：获取待训练的神经网络，启动对所述神经网络的训练，其中，对所述神经网络的训练以分布式的方式在不同主体执行，且包括至少两轮次迭代；响应于达到训练中的任一预设迭代轮次，在所述不同主体，以至少两个衰减速度进行一轮次学习率的衰减过程，并以衰减得到的学习率进行迭代；响应于完成对所述神经网络的所述至少两轮次迭代，基于所述至少两轮次迭代后的神经网络，得到训练后的神经网络。本申请可以采用不同的衰减速度，实现了学习率的异步衰减，从而促进了训练过程中神经网络的收敛。并且，采用分布式的训练方式，提升了训练速度。
神经网络训练方法装置

[发明专利]一种基于深度学习的实体关系抽取方法-CN202010222471.2在审
发明人：路松峰 -专利权人：南京搜文信息技术有限公司
申请日： 2020-03-26 - 公布日： 2020-07-17 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种基于深度学习的实体关系抽取方法。该方法使用卷积神经网络和循环神经网络对实体关系抽取，在CNN和LSTM神经网络上加入文本中的词向量特征和位置特征、局部特征和序列特征等。然后将卷积神经网络和循环神经网络组合在一起，分别组合成串联、并联的组合模型对实体关系进行抽取，从不同角度去学习特征，获得更加充分全面的学习能力，还在多种不同结构的神经网络的基础上，将卷积神经网络和循环神经网络组合在一起最后联合了多个基于深度学习的模型，将利用之前设计的多个关系抽取模型，将这些模型联合在一起进行实体关系抽取，进而选择出样本较优的实体关系。
一种基于深度学习实体关系抽取方法

[发明专利]一种基于信息熵的自适应多神经网络模型集成学习方法-CN202111215613.3在审
发明人：郑超;黄园园;谢文嵘;顾钊铨;王乐;韩伟红;唐可可 -专利权人：中电积至（海南）信息技术有限公司
申请日： 2021-10-19 - 公布日： 2022-01-14 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种基于信息熵的自适应多神经网络模型集成学习方法。所述基于信息熵的自适应多神经网络模型集成学习方法包括以下步骤：S1同时设计多个结构相同的深度神经网络模型，每个周期内多个神经网络模型权值正常迭代更新；S2计算每一个深度神经网络模型参数的信息熵；S3多个神经网络模型根据其贡献度进行自适应进行加权平均得到新的集成模型本发明提供的基于信息熵的自适应多神经网络模型集成学习方法，在不改变深度学习模型结构的同时提高模型识别效果；该方法提出自适应加权平均函数，针对每一个深度神经网络模型的参数特点，动态的调整模型参数共享度，相比于给所有模型设置统一的系数更加简便高效
一种基于信息自适应神经网络模型集成学习方法

[发明专利]一种二值神经网络的简单快速反向传播及训练算法-CN202011493294.8在审
发明人：陈晖 -专利权人：陈晖
申请日： 2020-12-17 - 公布日： 2022-06-21 - 主分类号： G06N3/08 文献下载
摘要：本发明设计了一种二值神经网络的简单快速反向传播及逆向镜像训练算法，并结合逆向镜像训练来求得二值神经网络输入、输出矩阵权重值。本算法仅使用简单的位运算、位翻转运算、对位匹配运算，相比二值神经网络算法节省计算量，同时便于硬件实现。这样的神经网络模型可以解释，神经网络模型的行为容易预判。便于神经网络模型设计。本算法应用于需要神经网络的各种人工智能深度学习领域，特别是计算资源受限制的边缘计算领域，及要求实时和需要动态学习的深度学习领域。
一种神经网络简单快速反向传播训练算法

首页
«上一页
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
下一页»
尾页
共 100000 条