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]基于人工神经网络的土地评价方法-CN200910063040.X无效
  • 刘耀林;焦利民;刘艳芳 - 武汉大学
  • 2009-07-07 - 2009-12-09 - G06N3/08
  • 本发明公开了一种基于人工神经网络的土地评价方法,该方法以实际调查样本为基础的自学习方法或以已有知识为基础,依据样本进行自学习修正,构建基于自学习、自适应的神经网络的土地评价方法。根据神经网络模型因模型结构中存在阶跃函数等不可微激发函数而引起的收敛过于缓慢甚至发散的问题,而引入遗传优化,构建了基于遗传优化的土地评价方法,实现基于遗传优化的神经网络土地评价方法。发明用遗传算法优化神经网络的连接权和遗传算法优化神经网络结构提高神经网络模型的准确性和实用性。
  • 基于人工神经网络土地评价方法
  • [发明专利]混合学习神经网络架构-CN201980093428.6在审
  • 理栈;任志星;张云;王加龙 - 阿里巴巴集团控股有限公司
  • 2019-05-15 - 2021-10-19 - G06F1/20
  • 提供了用于预测数据中心中的计算机机房的能量效率的系统和方法,并且更具体地,提供了使用双塔深度学习架构来按优化的参数而预测计算机机房的电源使用效率(PUE)的系统和方法。所述双塔深度学习架构可以自动地根据数据和本体结构学习嵌入,并且可以包括两个子网络如捕获嵌入在本体中的领域知识的第一神经网络和根据输入预测PUE的第二神经网络的训练。可以为无监督的所述第一神经网络和可以为监督的所述第二神经网络学习可以是同时的并且被称为混合学习,以及所述双塔深度学习架构也可以被称为混合学习神经网络(HLNN)架构。
  • 混合学习神经网络架构
  • [发明专利]一种基于深度学习的因果医疗诊断方法-CN202111046470.8在审
  • 孙洁 - 宁波工程学院
  • 2021-09-08 - 2021-12-17 - G16H50/20
  • 本发明公开一种基于深度学习的因果医疗诊断方法,该方法包括基于深度神经网络的诊疗模型,和带知识正则化处理的因果性学习模块。基于深度神经网络的诊疗模型利用深度神经网络的高效非线性学习能力,获取复杂生理信号的深度特征,因果性学习模块结合知识正则化进行因果发现。该方法的有益效果在于:1)利用深度神经网络获取深度特征,再将特征与疾病形成变量对,以进一步挖掘疾病表征的因果关系;2)带知识正则化处理的因果性学习模块利用神经网络实现,可嵌入到当前任意一个自动诊疗模型中,且整体方法可用梯度下降方法进行学习和优化;3)采用了基于知识的正则化技术,结合公理和领域知识改良神经网络分类结果,使得因果发现更加稳健。
  • 一种基于深度学习因果医疗诊断方法
  • [发明专利]基于深度学习的声呐目标识别算法-CN202311199254.6在审
  • 孙锋;金丽玲;范勇刚;王砚梅;沈文彦;何春良;李永恒 - 海底鹰深海科技股份有限公司
  • 2023-09-18 - 2023-10-27 - G01S7/539
  • 本发明涉及声呐系统智能化领域,公开了基于深度学习的声呐目标识别算法,包括如下步骤:步骤一、使用深度卷积神经网络对声呐数据进行特征提取和预处理;步骤二、通过逐层学习和权重调整,深度卷积神经网络自动学习目标表征;步骤三、采用循环神经网络进行时序建模,以捕捉目标在时间域上的动态信息;步骤四、结合深度卷积神经网络和循环神经网络的特性,使用全连接层进行目标分类和定位。本发明的技术方案通过深度卷积神经网络进行特征提取和深度学习,能够实现声呐图像识别的深度学习,使其不断提高目标识别的精准度,旨在提高声呐图像的识别精准度,解决了传统的深度学习算法不适用于细小的水下声呐图像识别技术的问题
  • 基于深度学习声呐目标识别算法
  • [发明专利]基于平均脸特征的性别检测方法-CN201410720504.0有效
  • 沈飞;谢衍涛 - 中科创达软件股份有限公司
  • 2014-12-01 - 2017-09-29 - G06K9/66
  • 本发明提供基于平均脸特征的性别检测方法,包括学习步骤和检测步骤学习步骤包括A、对人脸图像数据库进行分类,并计算各类人脸图像的平均脸;B、将所述各平均脸数据配置为卷积神经网络的输出层、各平均脸所属类别下的人脸数据集中的人脸各位置配置为卷积神经网络的输入层,对卷积神经网络进行学习;C、将所述卷积神经网络的输出层作为性别分类层的输入层,不同性别作为性别分类层的输出层,对性别分类层进行学习;检测步骤包括将待检人员的人脸图像输入学习后的卷积神经网络,由性别分类层输出性别基于卷积神经网络对平均的脸约束学习得到平均脸的特征表达,有效的解决现有的经典的人工设计的特征的局限性,实现性别的准确识别。
  • 基于平均特征性别检测方法
  • [发明专利]具有多层结构的BP神经元自适应方法-CN201010564827.7无效
  • 黄晞 - 福建师范大学
  • 2010-11-25 - 2011-04-06 - G05B13/04
  • 本发明涉及神经网络硬件实现领域,特别涉及具有多层结构的硬件BP神经网络中单个神经元节点在不同运算阶段的运算以及实现不同学习算法的自适应方法。所述说的神经元处理器用于执行BP神经网络各层单个节点的运算。通过对控制寄存器进行编程设置,微控制器可以控制运算器执行三种不同的BP神经网络神经元节点上的运算,其中所述说的BP神经网络学习算法指三种典型的学习算法,即BP标准算法、附加动量项算法及学习速率自适应调节算法多个神经元处理器串联可实现流水运算,具有灵活性高,实用性强的特点,适合用于嵌入式硬件BP神经网络应用领域。
  • 具有多层结构bp神经元自适应方法
  • [发明专利]一种基于多重目标神经网络的强化学习值函数更新方法-CN202010628201.1在审
  • 李辉;吴昊霖;王壮 - 四川大学
  • 2020-07-02 - 2020-10-27 - G06N3/08
  • 本发明提出一种基于多重目标神经网络的强化学习值函数更新方法,包括步骤:(1)构建并初始化强化学习智能体,其主要包括1个在线神经网络和K个目标神经网络;(2)智能体与环境进行交互;(3)每隔一定训练次数,将在线神经网络的参数按照编号顺序复制到相应的目标神经网络;(4)将多重目标神经网络输出中小于阈值的值函数进行平均,得到新的值函数估计更新目标;(5)利用基于多重目标网络的更新目标来更新在线神经网络参数;上述基于多重目标神经网络的强化学习值函数更新方法,能够有效去除值函数估计过程中的过估计误差,从而得到具有更好表现的策略。
  • 一种基于多重目标神经网络强化学习函数更新方法
  • [发明专利]一种模糊神经网络学习算法-CN201310262771.3无效
  • 贾海涛;张伟;唐迁;周雪;鞠初旭 - 电子科技大学
  • 2013-06-27 - 2013-10-02 - G06N3/08
  • 本发明公开了一种模糊神经网络学习算法,其中具体包括模糊神经网络的建立、模糊神经网络参数的训练以及对训练好的模糊神经网络进行预测识别,通过实际输出的结果,判断目标所属类别。本发明一种模糊神经网络学习算法通过对所建立的模糊神经网络的训练,得到包含权值的网络分类器,训练过程中学习率采用随着训练过程的梯度变化而变化的方法,以实现对这类误识别数据的准确识别,并且提出了采用倒数法使对分母中变量的偏导求解变成普通变量的偏导求解的方法,减少了系统的运算量,从而提高了系统的效率;最后利用训练好的模糊神经网络对测试数据进行识别预测,与传统模糊神经网络相比识别率有显著提高。
  • 一种模糊神经网络学习算法

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