“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]一种片上学习神经网络处理器-CN201710691146.9有效
发明人：刘洋;伍元聪;王俊杰;詹稀童;钱堃;于奇 -专利权人：电子科技大学
申请日： 2017-08-14 - 公布日： 2020-11-10 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种片上学习神经网络处理器包括数据接口模块、数据预处理模块、数据缓存区模块、神经元权值缓存区模块、随机初始化模块、神经运算单元模块、神经网络前向运算控制模块、激活函数模块、神经状态控制器模块、神经网络学习算法控制模块；神经状态控制器模块控制各单元模块协同工作进行神经网络学习与推理。本发明中的神经运算单元模块采用通用硬件加速运算设计，可编程控制神经网络运算类型及运算规模。设计中加入流水线技术，极大提高数据吞吐率与运算速度，并且重点优化神经运算单元的乘加单元，极大减小硬件面积。本发明对神经网络学习算法进行硬件映射，使得该神经网络处理器即能进行片上学习又能进行离线推理。
一种学习神经网络处理器

[发明专利]用于加速神经网络训练的信息处理的方法、电子设备和计算机可读介质-CN202010517306.X在审
发明人：程治宇;李宝普;包英泽 -专利权人：百度（美国）有限责任公司
申请日： 2020-06-09 - 公布日： 2021-04-23 - 主分类号： G06N3/04 文献下载
摘要：本公开的实施方式公开了用于加速神经网络训练的信息处理方法，该方法包括：获取对应于深度学习任务的神经网络；以及基于训练数据集对神经网络执行迭代训练的多次迭代，其中，训练数据集包括对应于深度学习任务的任务数据；以及迭代训练包括：利用当前神经网络处理训练数据集中的任务数据，并基于当前迭代训练中神经网络对任务数据的处理结果，确定当前迭代训练的预测损失；基于预设学习速率函数、预设动量函数和当前迭代次数，确定当前迭代训练中的学习速率和动量；以及基于预设的梯度下降、当前迭代训练中的学习速率、动量和预测损失，通过梯度下降更新当前神经网络的权重参数。该方法实现了高效，低成本的基于深度学习的神经网络训练。
用于加速神经网络训练信息处理方法电子设备计算机可读介质

[发明专利]基于数据分割的深度学习方法以及机器人系统-CN201810010054.4在审
发明人：朱定局 -专利权人：华南师范大学
申请日： 2018-01-05 - 公布日： 2018-08-03 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种基于数据分割的深度学习方法以及机器人系统。方法包括：获取待测试数据；将待测试数据按照预设多类输入变量集合分割成多类待测试子数据；将多类待测试子数据对应输入到多个训练好的第一深度学习神经网络的输入层中；获取每个训练好的第一深度学习神经网络的最后隐层数据；将每个训练好的第一深度学习神经网络的最后隐层数据输入到训练好的第二深度学习神经网络的输入层中，得到训练好的第二深度学习神经网络的输出数据。通过将待测试数据分割再汇总能够降低深度学习神经网络的数据维度和计算复杂度，提高深度学习神经网络的运算效率。
学习神经网络测试数据机器人系统数据分割输入层子数据隐层计算复杂度输出数据输入变量数据维度运算效率测试分割预设集合学习

[发明专利]用于控制机器人设备的方法和机器人设备控制器-CN202110871104.X在审
发明人： K·S·A·阿卜杜 -专利权人：罗伯特·博世有限公司
申请日： 2021-07-30 - 公布日： 2022-02-18 - 主分类号： G05B13/02 文献下载
摘要：根据各种实施例描述了一种用于控制机器人设备的方法，包括获得用于控制机器人设备的演示，通过对演示的模仿学习执行演员神经网络的初始训练，通过经初始训练的演员神经网络控制机器人设备以生成机器人设备的多个轨迹，其中每个轨迹包括由初始演员神经网络以状态序列选择的动作序列，以及观察由初始演员神经网络选择的每个动作的回报，通过有监督学习执行评论家神经网络的初始训练，其中训练评论家神经网络以确定观察到的由初始演员神经网络选择的动作的回报，通过从经初始训练的演员神经网络和经初始训练的评论家神经网络开始的强化学习训练演员神经网络和评论家神经网络，以及通过经训练的演员神经网络和经训练的评论家神经网络控制机器人设备。
用于控制机器人设备方法控制器

[发明专利]以学习的视觉实体为基础的强化学习神经网络-CN201980063799.X在审
发明人：卡他林-杜米特鲁·约内斯库;泰亚斯·达塔特拉亚·库尔卡尼 -专利权人：渊慧科技有限公司
申请日： 2019-09-27 - 公布日： 2021-05-07 - 主分类号： G06N3/04 文献下载
摘要：一种强化学习神经网络系统，在该强化学习神经网络系统中内部表示和策略以从图像像素得出的视觉实体为基础，该强化学习神经网络系统包括视觉实体标识神经网络子系统，该视觉实体标识神经网络子系统被配置成处理图像数据以确定表示相应离散视觉实体的空间图的集合强化学习神经网络子系统处理来自空间图的集合的数据和环境奖励数据，以提供用于选择动作以执行任务的动作数据。
学习视觉实体基础强化神经网络

[发明专利]基于神经网络深度学习算法的营养评测系统及方法-CN202010320785.6在审
发明人：许静 -专利权人：深圳市前海高新国际医疗管理有限公司
申请日： 2020-04-22 - 公布日： 2021-10-22 - 主分类号： G16H20/60 文献下载
摘要：为了解决现有技术中的问题，本发明公开一种基于神经网络深度学习算法的营养评测系统及方法，基于神经网络深度学习算法的营养评测系统，包括相互连接的客户端、云端、神经网络、数据库；其中的客户端用于客户提交评测数据到云端；云端用于利用神经网络，通过与对比数据库进行比较、学习、分析的训练之后，完善营养方案的样本，并且完善神经网络；神经网络用于比较、学习、分析的训练以及分析和识别；数据库用于数据的存储和访问。
基于神经网络深度学习算法营养评测系统方法

[发明专利]一种神经网络深度学习训练方法及系统-CN202310214298.5在审
发明人：黄茂芹 -专利权人：上海赛昉科技有限公司
申请日： 2023-03-08 - 公布日： 2023-05-26 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络深度学习训练方法及系统，包括训练模块、神经网络模块、学习模块、第一云端服务器与大数据分享平台，所述训练模块连接神经网络模块的位置，所述神经网络模块连接学习模块的位置，所述学习模块连接第一云端服务器的位置，所述第一云端服务器连接大数据分享平台的位置，所述训练模块包括第二云端服务器、通讯模块与训练控制模块，所述神经网络模块包括输入层、中转层与输出层，所述学习模块包括路径记录模块、响应速度记录模块。本发明所述的一种神经网络深度学习训练方法及系统，能够在训练学习获得最优响应速度的传输路径信息后，将传输路径信息分享到网络平台上，方便各个独立神经网络进行优化。
一种神经网络深度学习训练方法系统

[发明专利]双向优化BP神经网络滑模变结构控制方法-CN201911277360.5在审
发明人：吕艳玲;张雨辰 -专利权人：哈尔滨理工大学
申请日： 2019-12-13 - 公布日： 2021-01-01 - 主分类号： G06N3/08 文献下载
摘要：双向优化BP神经网络滑模变结构控制方法，属于神经网络滑模变结构控制领域。本发明以基于BP算法的多层前馈神经网络(BP神经网络)为基础，正向上，在整体使用Sigmoid激励函数的基础上，用具有混沌特性的logistic映射方程替换了少数神经元的激励函数；反向上，通过自适应规则调整神经网络学习率来优化神经网络的学习过程，是为双向优化，进而提高BP神经网络滑模变结构控制的性能；本发明既保留了BP神经网络和滑模变结构控制的优良特性，又在克服神经网络假饱和现象、提高神经网络泛化能力和加快学习过程的前提下，相较于传统的BP神经网络滑模变结构控制
双向优化 bp 神经网络滑模变结构控制方法

[发明专利]基于残差神经网络与元学习融合的通信信号调制识别方法-CN202210336623.0在审
发明人：孙晓东;刘禹震;孙思瑶;于晓辉;李新波 -专利权人：吉林大学
申请日： 2022-04-01 - 公布日： 2022-06-07 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于残差神经网络与元学习融合的通信信号调制识别方法，属于通信技术领域，包括方法：通信调制信号获取；子任务划分；残差神经网络构建；抽取样本；更新残差神经网络参数；更新元学习损失函数；更新残差神经网络初始参数；迭代；确定用于测试信号的残差神经网络参数；将最终测试通信信号输入到残差神经网络，得到最终的分类结果。本发明将残差神经网络与元学习的方法相融合，该方法可以有效学习到信号的良好特征，解决网络模型泛化能力弱的问题，且仅需少量样本即可完成信号的识别。
基于神经网络学习融合通信信号调制识别方法

[发明专利]基于双向深度学习的数据对应关系判断、生成方法和系统-CN201810244713.0有效
发明人：朱定局 -专利权人：大国创新智能科技（东莞）有限公司
申请日： 2018-03-23 - 公布日： 2021-01-01 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于双向深度学习的数据对应关系判断、生成方法和系统，所述数据对应关系判断方法包括：建立双向深度学习神经网络，学习两类输入数据之间的预设对应关系；利用建立的双向深度学习神经网络判断两类测试输入数据之间是否具备预设对应关系；所述数据生成方法包括：建立双向深度学习神经网络，学习两类输入数据之间的预设对应关系；利用建立的双向深度学习神经网络，根据一类输入数据生成另一类输入数据；所述数据对应关系判断系统包括第一双向深度学习神经网络建立模块和数据对应关系判断模块；所述数据生成系统包括第二双向深度学习神经网络建立模块和数据生成模块。
基于双向深度学习数据对应关系判断生成方法系统

[发明专利]神经网络模型处理方法、装置、设备及可读存储介质-CN201810903730.0有效
发明人：杨少雄;赵晨 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-08-09 - 公布日： 2021-08-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种神经网络模型处理方法、装置、设备及可读存储介质，方法包括：获取神经网络模型至少一轮历史学习过程中的历史学习数据，所述历史学习数据包括至少一组权重值以及与所述权重值对应的收敛损失值；根据所述历史学习数据中的最优权重为所述神经网络模型的下一轮学习过程设置初始权重；通过训练集中的待训练图像数据对已设置初始权重的所述神经网络模型进行训练，获得训练完毕的神经网络模型。通过至少一轮历史学习过程中的历史学习数据中的最优权重为下一轮学习过程设置权重，从而能够提高神经网络模型的学习效率。
神经网络模型处理方法装置设备可读存储介质

[发明专利]一种基于类脑学习的图像识别方法-CN202210809485.3在审
发明人：杨旭;王淼;毛思扬;雷云霖;杨君涵 -专利权人：北京理工大学
申请日： 2022-07-11 - 公布日： 2022-09-16 - 主分类号： G06V10/40 文献下载
摘要：一种基于类脑学习的图像识别方法，对原始图片数据进行预处理得到输入向量；建立脉冲神经网络模型进行学习，模型包括输入层、类脑学习算子和输出层；先对所述输入向量进行脉冲时序编码得到脉冲神经网络的输入数据，再将所述输入数据输入到脉冲神经网络的输入层，然后通过类脑学习算子学习输入向量的特征，最后将脉冲神经网络的输出层最先激发的脉冲神经元作为网络识别的类别，经过多次训练学习后，得到最后的识别网络；将待识别的原始图片数据进行预处理，用识别网络进行图片识别本发明在脉冲神经网络中使用类脑学习算子，优化了脉冲神经网络计算能耗高，可解释性差的缺陷，符合对类脑网络的预期。
一种基于脑学图像识别方法

[发明专利]一种基于并行多级宽度神经网络的学习方法-CN201910331708.8有效
发明人：席江波;房建武;吴田军;康梦华 -专利权人：长安大学
申请日： 2019-04-24 - 公布日： 2020-09-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于并行多级宽度神经网络的学习方法，包括以下步骤：获取验证集，构建基分类器；对并行M级宽度神经网络的每级进行训练和验证，得到训练后的并行M级宽度神经网络和每级宽度神经网络对应的验证输出；通过统计计算得到每级宽度神经网络的决策阈值；通过测试集对验证后的并行多级宽度神经网络进行测试。本发明的神经网络具有多级结构，每级针对数据的不同部分进行学习，且可实现并行化训练和测试。每一级采用一种宽度神经网络在宽度方向进行特征学习；通过多个宽度神经网络作为基分类器在宽度方向的再次连接，实现两个宽度方向上的分类器集成；通过增加新一级的宽度神经网络实现网络的增量学习；且可实现并行化测试
一种基于并行多级宽度神经网络学习方法

[发明专利]学习装置、推演装置、方法及程序-CN201880094060.0在审
发明人：松本大作;那须督;球山利贞 -专利权人：三菱电机株式会社
申请日： 2018-06-05 - 公布日： 2021-01-08 - 主分类号： G06N3/08 文献下载
摘要：学习装置(100)进行使用了神经网络的学习。学习装置(100)的学习条件取得部(110)取得表示学习的前提的学习条件。模型选择部(150)与学习条件相应地，对成为神经网络的构造的构架的学习模型进行选择。模型规模决定部(160)与学习条件相应地，针对选择出的学习模型决定神经网络的规模。学习部(170)将学习数据输入至以决定出的规模构成了选择出的学习模型的神经网络而进行学习。
学习装置推演方法程序

[发明专利]一种神经网络学习图像识别方法及装置-CN202010334811.0在审
发明人：王昀;滕玉佩;王海博 -专利权人：山东易华录信息技术有限公司
申请日： 2020-04-24 - 公布日： 2020-08-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种神经网络学习图像识别方法及装置，包括学习用图像数据、神经网络数据生成模块、神经网络训练模块、神经网络推理预测模块和人机交互模块，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，通过人工神经网络训练用数据集生成模块进行训练数据的预处理，输入人工神经网络训练模块，利用迁移学习算法进行多轮训练，输出人工神经网络分类器，人工神经网络预测模块将实际现场采集的原始数据图像进行输入，通过人工神经网络分类器对原始数据图像进行识别
一种神经网络学习图像识别方法装置