“神经网络优化”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1340957个，建议您升级VIP下载更多相关专利

[发明专利]神经网络的优化方法及装置、设备和存储介质-CN201811013132.2在审
发明人：王梦娣;张庆;杨军;崔晓源;林伟 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-08-31 - 公布日： 2020-03-10 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络的优化方法及装置、设备和存储介质，所述神经网络的优化方法，包括：获取待优化的神经网络的拓扑结构；基于所述拓扑结构，对所述神经网络进行剪枝处理，以优化所述神经网络。根据本发明的神经网络的优化方案，基于拓扑结构对神经网络进行剪枝处理，能够减小神经网络的大小和计算量，从而提升神经网络的计算推理速度。
神经网络优化方法装置设备存储介质

[发明专利]神经网络优化方法及其装置-CN202110596002.1在审
发明人：周卫民;麦宇庭;李亿;郭益君;邓彬彬;戴宗宏 -专利权人：华为云计算技术有限公司
申请日： 2021-05-29 - 公布日： 2022-11-29 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种神经网络优化方法及其装置，属于人工智能AI技术领域。该方法包括：接收待优化神经网络的模型文件；基于待优化神经网络的模型文件，获取目标神经网络架构的搜索空间，搜索空间包括目标神经网络架构中各神经元的各属性的取值范围；基于搜索空间，获得目标神经网络架构；基于待优化神经网络的模型文件对目标神经网络架构进行训练，得到目标神经网络的模型文件；向用户提供目标神经网络的模型文件。本申请能够有效提高优化后的神经网络的性能。
神经网络优化方法及其装置

[发明专利]一种基于跨通道级联卷积层的神经网络模型优化算法-CN201910499162.7在审
发明人：肖清林 -专利权人：福建奇点时空数字科技有限公司
申请日： 2019-06-11 - 公布日： 2019-10-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于跨通道级联卷积层的神经网络模型优化算法，包括：设置建模参数、确定待优化的神经网络模型；神经网络模型包括多个卷积神经网络、在神经网络模型的卷积层后面添加跨通道级联卷积层；对初步优化的神经网络模型中多个权重中的每个权重的权重改变进行采样；通过权重改变乘以权重的符号来更新权重，得到再次优化的神经网络模型；利用再次优化后的神经网络模型对样本进行训练；得到最终优化的神经网络模型。本发明通过添加跨通道级联卷积层，提高了模型的表达能力，以及对图形、文本的识别率，再通过对初步优化的神经网络模型中的权重进行更新，大大减少了本神经网络模型优化算法的运算次数，提高了工作效率，最终达到算法优化的目的
神经网络模型权重卷积级联优化算法优化卷积神经网络工作效率建模参数算法优化识别率采样更新样本运算文本

[发明专利]深度学习神经网络的优化方法、装置及应用方法、装置-CN202010084791.6在审
发明人：余横;汪佳丽;李锋 -专利权人：上海顺久电子科技有限公司
申请日： 2020-02-10 - 公布日： 2021-08-13 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种深度学习神经网络的优化方法、装置及应用方法、装置，该优化方法包括：搭建识别分类神经网络框架；搭建优化决策神经网络框架；将图像/视频数据输入识别分类神经网络进行训练，得到训练好的识别分类神经网络的网络参数；将已知类别的图像/视频数据输入优化决策神经网络进行训练，得到训练好的优化决策神经网络的各类别优化参数。本申请使用结构相对简单的识别分类神经网络与优化决策神经网络代替一个复杂的深度学习神经网络，减小了网络复杂度，从而减小了训练过程中的运算量，且两个网络可同时进行训练，有效减少了运行时间，提高了工作效率。
深度学习神经网络优化方法装置应用

[发明专利]基于集成Jetson Nano域控制器运行神经网络的优化算法-CN202010739461.6在审
发明人：赵青;王伟;何永宁;何敬源;罗启新 -专利权人：广西小珈智能科技有限责任公司
申请日： 2020-07-28 - 公布日： 2020-12-08 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及神经网络优化技术领域，具体涉及基于集成Jetson Nano域控制器运行神经网络的优化算法，具体步骤包括S1：将待优化的神经网络模型中不重要的连接剪裁掉；S2：对剪裁后的待优化的神经网络模型的连接权重进行INT8参数量化；S3：压缩编码：采用霍夫曼编码算法将量化后的连接权重进行压缩；S4：部署测试：分别计算优化后的神经网络模型的精度和原来待优化的神经网络模型的精度，精度下降在合理范围内，则无需重新剪裁。采用本发明的优化算法对神经网络模型进行优化，本发明可以去除神经网络模型的冗余参数，神经网络模型参数大小能够很大幅度的减少，并且神经网络模型的FPS性能得以显著提高，也能提高神经网络的运行速度，提高神经网络模型的训练效率
基于集成 jetson nano 控制器运行神经网络优化算法

[发明专利]基于框架搜索的深度神经网络的加速与压缩方法及系统-CN202011016590.9有效
发明人：郭庆北;张波;李忠涛 -专利权人：法正互联（北京）科技有限公司
申请日： 2020-09-24 - 公布日： 2023-08-22 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了基于框架搜索的深度神经网络的加速与压缩方法及系统，包括：获取待压缩的原始神经网络模型，所述原始神经网络模型用于图像分类；对待压缩的原始神经网络模型进行权重的优化；对权重优化后的神经网络模型，保持权重固定不变，只进行框架参数优化；对框架参数优化后的神经网络模型进行裁剪，对裁剪后的神经网络模型进行微调，得到图像分类精度最高的神经网络模型，即为压缩后的神经网络模型。
基于框架搜索深度神经网络加速压缩方法系统

[发明专利]神经网络的生成方法、生成装置和电子设备-CN201811269254.8在审
发明人：陈玉康;张骞;黄畅 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2018-10-29 - 公布日： 2020-05-05 - 主分类号： G06N3/08 文献下载
摘要：公开了一种神经网络的生成方法、生成装置和电子设备。该方法包括：通过进化算法从神经网络框架中获得最优神经网络和最劣神经网络；通过强化学习算法从所述最优神经网络获得优化神经网络；通过将所述优化神经网络加入所述神经网络框架并从所述神经网络框架中删除所述最劣神经网络来更新所述神经网络框架；以及，从更新后的神经网络框架中确定最终生成的神经网络。这样，可以通过结合进化算法和强化学习算法来从神经网络框架优化和更新神经网络，从而快速和稳定地自动生成神经网络结构。
神经网络生成方法装置电子设备

[发明专利]神经网络结构优化方法和装置、电子设备-CN202010830807.3有效
发明人：邓宇帆 -专利权人： OPPO（重庆）智能科技有限公司
申请日： 2020-08-18 - 公布日： 2023-01-03 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种神经网络结构优化方法，包括：获取当前结构优化网络输出的网络结构信息，调整核心神经网络的网络结构得到更新后的核心神经网络；训练更新后的核心神经网络直到达到收敛条件，得到已训练的核心神经网络；获取已训练的核心神经网络对应的评价指标参数，计算得到当前结构优化网络的损失函数值；基于损失函数值调整当前结构优化网络的网络参数得到更新的结构优化网络，将更新的结构优化网络作为当前结构优化网络，将网络结构信息作为当前结构优化网络的输入，返回获取当前结构优化网络输出的网络结构信息的步骤，直至结构优化网络满足收敛条件；通过输出的网络结构信息确定核心神经网络的目标网络结构，提高神经网络的处理效率。
神经网络结构优化方法装置电子设备

[发明专利]神经网络的执行优化方法及装置-CN202010261041.1在审
发明人：韩睿;刘壮;郭若杉;李瑞玲;李晨;庄重 -专利权人：北京思朗科技有限责任公司
申请日： 2020-04-03 - 公布日： 2020-08-04 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络的执行优化方法及装置。其中，方法包括：对待优化的神经网络进行解析，获得神经网络包含的网络层的原始执行顺序以及网络层的类型；根据网络层的原始执行顺序以及网络层的类型，确定目标网络层；其中，目标网络层为能够并发执行的网络层；根据网络层的原始执行顺序以及目标网络层，生成与神经网络对应的优化执行顺序，以供基于优化执行顺序执行神经网络运算；其中，优化执行顺序中目标网络层以并发方式执行。本方案通过对神经网络的原始执行顺序进行优化，将原本串行执行的网络层以并发方式进行，从而在保障神经网络计算精度的基础上，提升神经网络的执行效率，实现对神经网络的加速。
神经网络执行优化方法装置

[发明专利]神经网络反演方法、装置、电子设备及介质-CN202011064792.0在审
发明人：刘韬;王瑞;魏巍;陈冬 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司石油勘探开发研究院
申请日： 2020-09-30 - 公布日： 2022-05-03 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种神经网络反演方法、装置、电子设备及介质。该方法可以包括：建立基本训练集，构建初始神经网络；针对初始神经网络进行神经网络参数更新，获得优化神经网络；针对目标地震波道集，通过优化神经网络，反演获得初始地下结构模型；针对初始地下结构模型进行全波形反演，比较反演结果与已知全波形反演结果的误差，调节优化神经网络，获得最终神经网络；通过最终神经网络进行反演。本发明通过对神经网络不断进行优化，可以快速准确得到目标区域的地下结构。
神经网络反演方法装置电子设备介质

[发明专利]一种神经网络模型的优化方法及装置-CN202110382904.5在审
发明人：杜源;陈凯;杜力 -专利权人：南京大学
申请日： 2021-04-09 - 公布日： 2021-07-16 - 主分类号： G06N3/04 文献下载
摘要：一种神经网络模型的优化方法及装置，本申请提供的方法获取待优化的神经网络模型的结构、待优化的神经网络模型的参数以及待优化的神经网络模型的每一算子层对应的权重参数；根据待优化的神经网络模型的结构以及待优化的神经网络模型的参数，将待优化的神经网络模型转化为初始模型；对初始模型进行算子层融合处理，得到中间模型；根据目标硬件加速器可容纳的神经网络模型的权重范围以及预定系数，确定权重调节系数范围；根据权重调节系数范围以及权重参数，对中间模型进行权重优化处理；对权重优化后的中间模型，进行量化处理，获取优化后的神经网络模型。本申请提供的方法解决了神经网络模型在硬件加速器上布局受限的问题。
一种神经网络模型优化方法装置

[发明专利]一种模型训练方法、装置、电子设备及存储介质-CN202010114079.6在审
发明人：不公告发明人 -专利权人：东声(苏州)智能科技有限公司
申请日： 2020-02-24 - 公布日： 2020-06-19 - 主分类号： G06K9/00 文献下载
摘要：本申请提供一种模型训练方法、装置、电子设备及存储介质，该方法包括：对预先训练的第一神经网络模型的网络结构进行优化，获得优化后的第二神经网络；通过推断加速引擎训练第二神经网络，获得第二神经网络模型。在上述的实现过程中，通过对预先训练的第一神经网络模型的网络结构进行优化，获得优化后的第二神经网络；通过推断加速引擎训练第二神经网络，获得第二神经网络模型；也就是说，通过结合对模型进行优化和使用推断加速引擎来减少对神经网络模型训练的时间，从而提高了对神经网络模型进行训练的速度，有效地改善了对神经网络模型进行训练的速度比较慢的问题。
一种模型训练方法装置电子设备存储介质

[发明专利]神经网络优化方法-CN201811344189.0有效
发明人：张跃进;胡勇;喻蒙 -专利权人：钟祥博谦信息科技有限公司
申请日： 2018-11-13 - 公布日： 2020-08-28 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及一种神经网络优化方法，该神经网络优化方法包括：预设建模参数，所述建模参数包括网络参数和硬件参数；基于所述建模参数构建神经网络能耗模型；基于所述建模参数构建神经网络时间模型；对所述神经网络能耗模型和神经网络时间模型进行双目标优化本申请从网络的硬件计算流程的角度对神经网络进行时间与能耗建模，在时间、能耗逐层预测，同时分析时间、能耗开销的主导建模参数，通过改进建模参数、阵列分割方法与缓存分割方法对神经网络进行时间与能耗双目标优化从而改进神经网络模型
神经网络优化方法

[发明专利]一种基于网络结构搜索技术的神经网络结构优化方法-CN202110661438.4有效
发明人：王中风;赵世泽;何鎏璐;谢逍如;林军 -专利权人：南京大学
申请日： 2021-06-15 - 公布日： 2023-10-20 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种基于网络结构搜索技术的神经网络结构优化方法，包括以下步骤：获取训练样本，将所述训练样本输入初始神经网络，通过搜索算法根据所述训练样本，在所述初始神经网络上依次生成具有不同搜索状态的分支神经网络结构，得到若干个待优化神经网络结构，所述搜索状态包括插入分支的节点位置和对应节点位置的插入深度，对待优化神经网络结构进行优化，得到最优神经网络结构。通过搜索算法自动在初始神经网络结构上构建分支神经网络结构，对其进行优化后，得到最优神经网络分支结构，解决了现有神经网络构建过程中，通过动态计算的模型压缩算法对模型进行压缩，耗费大量人力物力，同时还存在神经网络陷入局部最优
一种基于网络结构搜索技术神经网络优化方法

[发明专利]基于粒子群优化BP神经网络的步态识别方法-CN201910562766.1有效
发明人：邹倩颖;刘俸宇;王小芳 -专利权人：电子科技大学成都学院
申请日： 2019-06-26 - 公布日： 2021-09-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于粒子群优化BP神经网络的步态识别方法，该方法在建立BP神经网络模型后，采用粒子群算法优化BP神经网络模型的连接权值和阈值，使BP神经网络模型全局误差达到预设精度；然后，将行走目标的特征值矩阵输入至优化后的BP神经网络模型中进行训练，训练成功后，得到粒子群优化BP神经网络模型；最后，将待识别行走目标的特征值矩阵输入至粒子群优化BP神经网络模型中进行步态识别，输出相应的步态识别结果。因此，本发明通过粒子群算法对BP神经网络进行优化，不仅能够提高BP神经网络的收敛速度，还能够避免陷入局部最优的情况发生。
基于粒子优化 bp 神经网络步态识别方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条