“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]一种基于深度学习的毫米波通信系统中的功率控制方法-CN202010964461.6有效
发明人：李君;朱明浩;仲星;王秀敏;李正权 -专利权人：南京信息工程大学滨江学院;中科怡海高新技术发展有限公司
申请日： 2020-09-15 - 公布日： 2022-07-08 - 主分类号： H04W4/70 文献下载
摘要：本发明公开一种基于深度学习的毫米波通信系统中的功率控制方法，首先，收集环境内D2D设备和蜂窝设备的地理位置信息，构造两个大小为M×M的密度网格矩阵来表示链路收发机的位置；然后，收集训练数据集，构建卷积神经网络框架，并初始化神经网络权重；最后，将训练数据集输入至神经网络中，构建神经网络的输出和标签之间的MSE作为损失函数，并选择一个梯度下降算法优化神经网络的权重；完成训练并保存神经网络。本发明克服了毫米波网络环境中蜂窝设备和D2D设备的干扰问题，用卷积神经网络对收发机的相对位置进行特征提取，以监督学习的方式逼近传统算法来学习设备位置到最优功率分配的映射关系。
一种基于深度学习毫米波通信系统中的功率控制方法

[发明专利]一种归纳多层次图网络表示学习方法-CN202110506974.7在审
发明人：王勇;王范川;王晓虎;姜铼 -专利权人：电子科技大学
申请日： 2021-05-10 - 公布日： 2021-07-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种归纳多层次图网络表示学习方法，方法包括：通过在多层图神经网络中引入注意力机制来控制节点邻域的聚合，再通过多层次门控机制控制图神经网络每一层生成的节点表示来学习图网络节点的最终表示，以提高图神经网络节点的表示能力；多层图神经网络将目标接节点邻域的表示聚合得到目标节点新的表示；注意力机制通过学习图网络中节点间的注意力分数来权衡邻域中各个节点对目标节点表示的贡献；多层次门控机制通过控制多层图神经网络每层学习到的节点表示对目标节点最终表示的影响来生成图网络中节点的最终表示本发明能适应图网络表示学习任务，下游任务可以对接节点分类和用户身份推断，有效提升图网络节点的学习和表示能力。
一种归纳多层次网络表示学习方法

[发明专利]动态地管理人工神经网络-CN201780052695.X在审
发明人：罗宾·杨 -专利权人：罗宾·杨
申请日： 2017-06-27 - 公布日： 2019-05-03 - 主分类号： G06N3/08 文献下载
摘要：在一些实施例中，所公开的主题涉及在机器学习系统中使用具有多个人工神经网络的套接字层，来为机器学习服务创建可定制的输入和输出。机器学习服务可以包括多个卷积神经网络和多个预训练的全连接神经网络以找到最佳拟合。在一个实施例中，当定制的输入或输出数据不是预训练的人工神经网络的良好拟合时，套接字层可以自动请求附加卷积层或神经网络的新训练，以动态地管理机器学习系统，以适应定制的输入或定制的输出。
人工神经网络机器学习神经网络套接字层机器学习系统卷积神经网络输出服务创建管理机器输出数据学习系统自动请求最佳拟合可定制卷积服务管理

[发明专利]一种深度卷积神经网络模型构建方法-CN201710157013.3在审
发明人：邹国锋;傅桂霞;赵新宇;林钉屹;高明亮;尹丽菊;李海涛 -专利权人：山东理工大学
申请日： 2017-03-16 - 公布日： 2017-07-07 - 主分类号： G06N3/04 文献下载
摘要：一种深度卷积神经网络模型构建方法，属于模式识别与机器学习领域。其特征在于包括以下步骤，1)、卷积神经网络模型初始化；2)、对网络进行端到端的全局扩展学习，直到卷积神经网络系统平均误差达到预设期望值；3)、全局扩展后，采用交叉验证样本对网络性能进行评估，若识别率未达到期望值，则对网络展开局部扩展学习；4)、增加新的增量式端到端扩展学习支路，实现网络结构的增量扩展学习，最终实现深度卷积神经网络的模型构建。本发明可根据参与训练样本的情况按需添加神经元，实现网络结构的扩充式扩展和增量式扩展，增强了数据样本和网络模型之间的关联性，实现了网络结构自适应增量学习。
一种深度卷积神经网络模型构建方法

[发明专利]一种基于卷积神经网络的斜眼检测方法-CN201811127832.4在审
发明人：范衠;黄龙涛;朱贵杰;郑策 -专利权人：汕头大学
申请日： 2018-09-26 - 公布日： 2019-02-15 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例公开了一种基于卷积神经网络的斜眼检测方法，包括：搜集斜眼图像，并建立由斜眼图像组成的斜眼图像库；利用常见的人脸数据库训练一个用于定位眼部区域的卷积神经网络，并确定卷积神经网络中的学习参数；利用东方人脸数据集OFD和斜眼图像库训练一个用于斜眼识别的卷积神经网络，并确定卷积神经网络中的学习参数；利用训练好的用于定位眼部区域的卷积神经网络定位斜眼图像库中斜眼图像的眼部区域；利用训练好的用于斜眼识别的卷积神经网络识别裁剪得到的眼部区域图像本发明充分利用卷积神经网络的特征提取及特征学习能力，可以高效准确地判断人是否患有斜眼，有助于医生对斜眼疾病的诊断和治疗。
卷积神经网络图像库眼部区域定位眼图像检测人脸数据库诊断和治疗人脸数据特征提取特征学习图像组成裁剪搜集输出疾病学习医生

[发明专利]一种制冷系统故障诊断方法-CN201910148922.X在审
发明人：韩华;崔晓钰;徐玲;范雨强;武浩;张展 -专利权人：上海理工大学
申请日： 2019-02-28 - 公布日： 2019-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明的制冷系统故障诊断方法，包括以下步骤：通过模拟冷水机组故障实验，采集并处理后得到训练组数据和测试组数据；设置深度神经网络的节点数及层数；建立深度神经网络模型，确定深度神经网络的拓扑结构，该拓扑结构包括深度神经网络的输入层数、权值以及阈值；确定深度神经网络的训练步数；在深度神经网络模型中应用训练组数据进行训练后得到故障诊断模型；采用小批量动量随机梯度下降法对深度神经网络进行训练；设置深度神经网络的学习率；计算损失函数C；采用模拟退火算法对学习率进行优化；得到最优学习率；满足训练结束条件，得到训练好的故障诊断模型；使用训练好的故障诊断模型对S2中测试组数据进行故障诊断，得到故障诊断结果。
神经网络故障诊断模型神经网络模型制冷系统故障拓扑结构测试组随机梯度下降法动量故障诊断结果计算损失函数冷水机组故障模拟退火算法故障诊断结束条件应用训练诊断节点数输入层小批量训练组组数据步数学习采集优化

[发明专利]神经网络模型及其学习方法-CN202080090652.2在审
发明人：幸村雄介;井上弘毅;永嶋文哉 -专利权人：株式会社半导体能源研究所
申请日： 2020-12-14 - 公布日： 2022-08-02 - 主分类号： G06N3/04 文献下载
摘要：提供一种可以以高精度处理输入数据的神经网络模型。本发明包括第一及第二神经网络，第一神经网络包括第一层、第二层及第三层。将第一层所输出的特征图输入到第二层及第二神经网络，将第二神经网络所输出的特征图输入到第三层。在此，以在将第一数据输入到第一神经网络时第一层所输出的特征图为正确的特征图，以在将噪声附加到第一数据而得的第二数据输入到第一神经网络时第一层所输出的特征图为学习特征图，此时第二神经网络进行了学习以使输入学习特征图时输出的特征图与正确的特征图一致
神经网络模型及其学习方法

[发明专利]一种深度学习驱动的基于信道状态信息的用户定位方法-CN202211514093.0在审
发明人：张朝阳;陈子瑞 -专利权人：浙江大学
申请日： 2022-11-29 - 公布日： 2023-04-25 - 主分类号： H04W4/029 文献下载
摘要：本发明公开了一种深度学习驱动的基于信道状态信息的用户定位方法。本发明使用多频累积定位神经网络来学习从CSI到用户位置的映射；多频累积定位神经网络由一个循环神经网络和一组参数共享的全连接神经网络组成，其中每个全连接神经网络都与循环神经网络中的一个单元对应，并级联于该单元之后，基站利用用户CSI和对应的位置数据训练该神经网络参数，并在训练完成后部署在基站端完成用户定位服务。本发明能够实现基于CSI的高精度用户定位，解决了当前其他基于深度学习的CSI定位方法因拟合能力不足或过拟合带来的性能限制。多频累积定位神经网络满足变长输入的需求，可直接部署于FDMA模式中。
一种深度学习驱动基于信道状态信息用户定位方法

[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]基于强化学习的直升机系统控制方法、系统、装置及介质-CN202111249357.X有效
发明人：赵志甲;何伟添;邹涛;李致富;马鸽 -专利权人：广州大学
申请日： 2021-10-26 - 公布日： 2023-04-25 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于强化学习的直升机系统控制方法、系统、装置及介质，方法包括：构建直升机系统的非线性状态空间方程；构建直升机系统的评价神经网络和执行神经网络；通过强化学习对评价神经网络和执行神经网络进行权重更新，得到训练好的评价神经网络和执行神经网络；根据训练好的评价神经网络和执行神经网络以及非线性状态空间方程确定直升机系统的控制律，进而根据控制律对直升机系统进行控制。本发明可以对直升机系统的非线性未知因素进行近似表示并不断学习优化，提高了对系统内部耦合性、建模不准确等造成的影响的抑制，从而减小了直升机的跟踪误差，提高了直升机的控制精度，可广泛应用于直升机控制技术领域
基于强化学习直升机系统控制方法装置介质

[发明专利]一种基于深度学习神经网络的系统异常预警方法-CN201910527500.3在审
发明人：曾德良;张丽霞;胡勇;牛玉广;刘吉臻;孙同敏;赵俊杰 -专利权人：华北电力大学;国电内蒙古东胜热电有限公司
申请日： 2019-06-18 - 公布日： 2019-09-27 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了基于深度学习神经网络的系统异常预警方法，所述预警方法采用深度学习神经网络方法对系统运行异常提出预警。基于机组运行过程中积累的海量历史数据，首先对影响系统性能的众多输入变量进行降维处理，确定系统的输入、输出变量关系，并通过离群点检测和缺失值填补等方法对历史数据进行预处理，提升训练数据的有效性；进而采用深度学习神经网络算法建立系统神经网络模型，并将输入变量实时值接入神经网络模型，对输出变量进行实时预测；最后，根据输出变量实时值与神经网络模型预测值，采用皮尔逊相关系数判据，实现对系统的异常预警。
学习神经网络输出变量预警神经网络模型输入变量系统异常神经网络模型预测预处理海量历史数据机组运行过程离群点检测建立系统降维处理历史数据实时预测系统运行训练数据异常预警影响系统判据算法填补积累

[发明专利]基于强化学习的工质热物性获取方法、系统和存储介质-CN202210305859.8在审
发明人：陈曦;王超 -专利权人：苏州浪潮智能科技有限公司
申请日： 2022-03-25 - 公布日： 2022-06-21 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种基于强化学习的工质热物性获取方法、系统和存储介质，方法包括：将神经网络模型作为强化学习的决策网络，以进口温度作为所述神经网络模型的输入，并通过所述神经网络模型获得最优的热物性参数；将物理模型作为强化学习的估值网络，并将所述最优的热物性参数输入所述物理模型，通过所述物理模型获得预测出口温度；根据所述预测出口温度获取强化学习的奖励；根据所述奖励修正所述神经网络模型的网络参数，直至所述神经网络模型收敛。
基于强化学习工质物性获取方法系统存储介质

[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]一种深度哈希的行人再识别方法-CN201910311137.1有效
发明人：张磊;刘方驿 -专利权人：重庆大学
申请日： 2019-04-18 - 公布日： 2023-04-07 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种深度哈希的行人再识别方法，它包括步骤:1、构建深度神经网络,该深度神经网包括特征学习模块和哈希学习模块，所述特征学习模块采用Resnet网络，所述哈希学习模块为一个全连接层和一个tanh函数层；2、深度神经网络的训练，1）、准备行人图片，2）、把训练图片送入深度神经网络进行训练，包括特征学习、哈希学习和损失函数学习；3）、网络优化及参数更新；步骤3、深度神经网络的测试，通过特征学习模块与哈希学习模块得到松弛的哈希码
一种深度行人识别方法

[发明专利]一种基于联邦学习与改进池化金字塔的医学图像分割方法-CN202310421906.X在审
发明人：郭艳卿;李宇航;姚明;李祎;刘航;王湾湾;付海燕 -专利权人：大连理工大学;深圳市洞见智慧科技有限公司
申请日： 2023-04-19 - 公布日： 2023-07-18 - 主分类号： G06V10/26 文献下载
摘要：本发明提供一种基于联邦学习与改进池化金字塔的医学图像分割方法，主要包括：各参与方接收初始化神经网络模型参数，并基于初始化神经网络模型参数作为本地神经网络模型参数；对本地神经网络模型进行训练；各参与方将各自新的本地神经网络模型参数上传至中心服务器，所述中心服务器对各神经网络模型参数进行聚合处理；将聚合网络参数下发至各参与方；各参与方基于当前本地神经网络模型参数判断本地模型是否收敛，如果收敛则参与方保存当前本地神经网络模型参数；各参与方基于收敛的本地神经网络模型进行医学图像分割通过联邦学习的方式克服隐私泄露的问题，同时基于改进池化金字塔方法，提高医学图像的分割精度。
一种基于联邦学习改进金字塔医学图像分割方法