“类神经网络”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1291854个，建议您升级VIP下载更多相关专利

[发明专利]物理不可克隆函数的实现方法及实现装置-CN202010643818.0在审
发明人：庞亚川;吴华强;高滨 -专利权人：清华大学
申请日： 2020-07-07 - 公布日： 2020-10-20 - 主分类号： G06F21/73 文献下载
摘要：一种基于类神经网络结构的物理不可克隆函数的实现方法及实现装置。该类神经网络结构包括多个神经元层电路以及在多个神经元层电路之间的权重参数矩阵，该实现方法包括：对类神经网络结构进行设置操作，以使得权重参数矩阵中的至少部分权重参数被随机设置；向类神经网络结构提供输入电信号(激励)，类神经网络结构基于输入电信号和权重参数矩阵的多个权重参数，提供输出电信号；基于输出电信号确定物理不可克隆函数的密钥值。
物理不可克隆函数实现方法装置

[发明专利]神经网络结构搜索方法、装置、计算机设备和存储介质-CN202110753618.5在审
发明人：孙冲;康洋;付灿苗;李琛 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-07-02 - 公布日： 2021-12-21 - 主分类号： G06N3/08 文献下载
摘要：本申请涉及一种神经网络结构搜索方法、装置、计算机设备和存储介质。所述方法包括：获取神经网络搜索空间中神经网络结构的特征向量；基于所述特征向量对获取的所述神经网络结构进行聚类，得到各所述神经网络结构所属的类别；从各所述类别的神经网络结构中分别选取待搜索神经网络结构；基于选取的所述待搜索神经网络结构构建目标神经网络搜索空间；在基于媒体任务的训练数据对所述目标神经网络搜索空间中的待搜索神经网络结构训练完成后，响应于所述媒体任务的网络搜索请求，在训练后的所述目标神经网络搜索空间中搜索用于处理所述媒体任务的目标神经网络结构。采用本方法能够提高经网络结构搜索的效率。
神经网络结构搜索方法装置计算机设备存储介质

[发明专利]训练神经网络的方法、装置及计算机可读存储介质-CN201911126471.6在审
发明人：彭晨 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2019-11-18 - 公布日： 2021-02-02 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种训练神经网络的方法、装置及计算机可读存储介质，涉及人工智能技术领域。其中的训练神经网络的方法包括：在当前训练周期内，从语料数据库提取语料数据并进行标注，得到各语料数据的分类标签；利用标注后的各语料数据对第一分类神经网络进行训练，并测试第一分类神经网络预测语料数据的分类标签的准确率；判断当前训练周期及多个历史训练周期内，准确率的方差是否小于第一阈值；在方差小于第一阈值的情况下，停止对第一分类神经网络的训练；在方差不小于第一阈值的情况下，进行下一训练周期。本公开能够有效确定训练神经网络所需语料数据的数量，从而减轻了语料数据的标注工作，提高了神经网络的训练效率。
训练神经网络方法装置计算机可读存储介质

[发明专利]一种基于类脑神经网络模型的自闭症检测装置-CN202110802175.4有效
发明人：邢建川;杨骁;孔渝峰;张栋;卢胜;陈洋 -专利权人：电子科技大学
申请日： 2021-07-15 - 公布日： 2023-06-20 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于类脑神经网络模型的自闭症检测装置，属于医学影像图像处理技术领域。本发明的检测装置包括类脑神经网络构建单元、图像预处理单元、特征提取单元和检测单元。本发明避免直接采用神经网络对脑部的医学影像图像进行处理，采用类脑神经网络构建单元，提高识别的准确性。输出决策层需要集成多个子网络的输出，类脑神经网络的准确率没有达到设定的准确率阈值时，可以尝试增加子网络的数量，并对输出结果进行重新整合，来提高准确率。具备更大的灵活性。可以在降低数据集维数的同时提高整个网络的性能。对被检测者的自病症检测结果进行可视化输出，结果的展示方式形象直观。
一种基于脑神经网络模型自闭症检测装置

[发明专利]基于聚类和卷积神经网络的台区线损预测方法-CN202110626923.8在审
发明人：王宝华;毕键爽;许佳乐 -专利权人：南京理工大学
申请日： 2021-06-04 - 公布日： 2021-09-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于聚类和卷积神经网络的台区线损预测方法，该方法步骤如下：首先采用PSASP软件搭建电网模型，采集台区线损数据；其次采用K‑means聚类算法‑LOF局部离群因子检测法的组合模型对线损异常数据进行判定和剔除；最后采用粒子群算法对卷积神经网络进行优化，得到PSO‑CNN神经网络，利用PSO‑CNN神经网络对台区线损进行预测分析。本发明将卷积神经网络引入台区线损预测应用中，并结合聚类算法，使线损预测在速度和准确率方面均得到显著提升，有较高的实际应用价值。
基于卷积神经网络台区线损预测方法

[发明专利]卷积神经网络压缩方法和装置、图像分类方法和装置-CN202110671327.1在审
发明人：王培松;程健 -专利权人：中国科学院自动化研究所
申请日： 2021-06-17 - 公布日： 2021-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种卷积神经网络压缩方法和装置、图像分类方法和装置，其中卷积神经网络压缩方法包括：对预训练的卷积神经网络中的各个卷积操作层分别进行卷积核聚类，得到各个卷积操作层对应的卷积核类簇；对各个卷积操作层对应的每一卷积核类簇进行卷积核剪枝；对卷积核剪枝后的卷积神经网络进行重训练，得到压缩后的卷积神经网络。
卷积神经网络压缩方法装置图像分类

[发明专利]基于进化元学习模型训练的小样本特征分析方法及装置-CN202111520388.4在审
发明人：李书晓;朱承飞;朱晓萌 -专利权人：中国科学院自动化研究所
申请日： 2021-12-13 - 公布日： 2022-04-12 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种基于进化元学习模型训练的小样本特征分析方法、装置、电子设备及存储介质，其中，基于进化元学习模型训练的小样本特征分析方法包括：获取基类样本集合，以及目标样本集合；基于所述基类样本集合，利用第一神经网络模型进行训练，得到预训练参数；基于所述基类样本集合和所述预训练参数，利用进化元学习模型训练方法对第二神经网络模型进行训练，得到通用模型参数，其中，所述第二神经网络模型与所述第一神经网络模型的特征层具有相同的网络结构；基于所述目标样本集合和所述通用模型参数，对所述第二神经网络模型进行调节，得到目标神经网络模型。
基于进化学习模型训练样本特征分析方法装置

[发明专利]一种神经网络的训练方法、样本的处理方法以及相关设备-CN202110742175.X在审
发明人：武晓宇;胡崝 -专利权人：华为技术有限公司
申请日： 2021-06-30 - 公布日： 2022-12-30 - 主分类号： G06V10/764 文献下载
摘要：本申请实施例公开一种神经网络的训练方法、样本的处理方法以及相关设备，该方法可用于人工智能领域的增量学习领域中，方法包括：根据至少一个第一准确率，从目标特征提取网络中确定目标神经网络层，目标特征提取网络采用历史训练数据集训练得到，历史训练数据集中有N类第一训练样本，第一准确率为基于第一神经网络层生成的特征信息对第一训练样本执行分类操作得到；保持至少一个第二神经网络层的参数不变，利用目标训练数据集对第一神经网络进行训练，至少一个第二神经网络层包括目标特征提取网络中位于目标神经网络层以前的神经网络层，目标训练数据集包括N类第二训练样本和新增类别的训练样本，缩短第一神经网络进行训练的总时长。
一种神经网络训练方法样本处理以及相关设备

[发明专利]基于BP神经网络和支持向量机的铝板表面缺陷分类方法-CN201510202749.9在审
发明人：李庆华;柳笛;张凯丽;刘雪真 -专利权人：齐鲁工业大学
申请日： 2015-04-24 - 公布日： 2015-07-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于BP神经网络和支持向量机的铝板表面缺陷分类方法，提取铝板表面缺陷的特征值作为BP神经网络分类模型的输入量，油斑和第一类缺陷作为输出量构建BP神经网络分类模型；第一类缺陷采用一对一的分类方法，构建多个支持向量机分类模型；获取学习样本并训练BP神经网络分类模型与支持向量机分类模型；利用BP神经网络分类模型进行油斑和第一类缺陷的分类，把BP神经网络分类模型认为是油斑的测试样本剔除，用支持向量机分类模型对剩下的第一类缺陷再进行分类
基于 bp 神经网络支持向量表面缺陷分类方法

[发明专利]用于估计神经网络的全局不确定性的方法-CN202010587459.1在审
发明人： O·维勒斯;S·祖德霍尔特;S·拉法特尼亚;S·阿布雷希特 -专利权人：罗伯特·博世有限公司
申请日： 2020-06-24 - 公布日： 2020-12-29 - 主分类号： G06N3/08 文献下载
摘要：本发明描述一种用于估计计算机实现的主神经网络的输出数据的全局不确定性的方法，其包括以下步骤：确定(102)第一量度，第一量度量化主神经网络的当前输入数据遵循与用于训练主神经网络的数据的分布相同的分布的程度；生成(103)第二量度，第二量度量化主神经网络在其自身的基于输入数据的预测中的确定性，尤其通过使用至少一种贝叶斯方法、例如贝叶斯神经网络或基于集成的方法生成第二量度；基于输入数据中的类区分特征的估计以及该特征与类激活概率分布的比较，确定(104)第三量度，尤其其中，在主神经网络的训练期间，基于估计的类区分特征创建类激活概率分布；基于第一量度、第二量度和第三量度中的至少两个量度，确定(105)全局不确定性。
用于估计神经网络全局不确定性方法

[发明专利]用于训练神经网络和用于使其生效的设备和方法-CN202010587668.6在审
发明人： K·格劳 -专利权人：罗伯特·博世有限公司
申请日： 2020-06-24 - 公布日： 2021-01-15 - 主分类号： G06K9/62 文献下载
摘要：用于训练神经网络和用于使其生效的设备和方法。公开了用于训练神经网络的设备和方法以及用于使神经网络生效的设备和方法，其中用于训练神经网络的方法具有：通过神经网络来对输入数据进行分类，其中给所述输入数据中的每个输入数据都分配多个类别中的一个类别；基于被分类的输入数据来生成所述多个类别中的一个类别的显著图，其中给所述输入数据中的每个输入数据都分配分类重要性值；提供目标分割，在目标分割中，给所述输入数据中的每个输入数据都分配类别从属关系；通过所述被分类的输入数据与目标分割的比较来确定第一分类误差；通过显著图与目标分割的比较来确定第二分类误差；而且基于第一分类误差和第二分类误差来使神经网络自适应。
用于训练神经网络生效设备方法

[发明专利]一种高维不平衡数据条件下的网络故障诊断方法、系统-CN202310645229.X有效
发明人：潘成胜;蔡凌云;杨雯升;李志祥;金爱鑫 -专利权人：南京信息工程大学
申请日： 2023-06-02 - 公布日： 2023-08-22 - 主分类号： H04L41/06 文献下载
摘要：本发明公开了一种高维不平衡数据条件下的网络故障诊断方法、系统，该方法包括：对网络故障数据进行数值化与归一化；采用随机森林算法评估网络特征的特征重要度并排序，进行网络特征选择；采用IKSMOTE算法对少数类网络故障样本进行过采样，以平衡多数类和少数类样本数量；根据小波神经网络结构创建一个三层小波神经网络故障诊断模型；使用IGWO对小波神经网络的参数进行优化；得到的最优参数作为小波神经网络的初始值，输入网络故障数据，完成小波神经网络模型的训练本发明有效降低了数据的采集和存储压力，解决了网络故障数据极端不平衡导致地少数类故障诊断准确率低的问题，提高了诊断模型的局部寻优能力。
一种不平衡数据条件下网络故障诊断方法系统

[发明专利]一种基于类内结构紧致约束的无监督对抗域适应方法-CN202010637233.8在审
发明人：李玺;汪慧;田健;赵涵斌 -专利权人：浙江大学
申请日： 2020-07-03 - 公布日： 2020-11-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于类内结构紧致约束的无监督对抗域适应方法。具体包括如下步骤：获取用于训练的有标签的源域数据集以及无标签的目标域数据集；用神经网络模型提取数据集中每张图片的特征，并根据聚类算法构建提取到的特征的类内结构；利用对抗域适应算法训练神经网络，并在训练过程中以类内结构的紧致性作为条件约束神经网络；利用训练过的模型重新提取每张图片的特征以及特征的类内结构，并以此作为约束用对抗域适应算法进一步训练神经网络；不断迭代进行特征提取，特征类内结构构造以及用以类内结构紧致性为条件的对抗域适应算法训练神经网络
一种基于结构约束监督对抗适应方法

[发明专利]一种启发式神经网络的负荷聚类预测方法-CN202211333947.5在审
发明人：郝文斌;张勇;孟志高;谢波;彭攀;卫佳奇;何凌云;梁志卓;方芩璐 -专利权人：国网四川省电力公司成都供电公司
申请日： 2022-10-28 - 公布日： 2022-12-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及电力负荷预测技术领域，公开了一种启发式神经网络的负荷聚类预测方法，包括：S1、获取预测区域内用户的电力负荷数据；S2、在获取用户的电力负荷数据的基础上，使用启发式优化聚类算法对电力负荷数据进行聚类；S3、将S2得到的聚类结果作为训练集，将每类训练集分别输入至模拟退火粒子群优化算法修正的神经网络进行训练，得到每类用户的负荷预测结果。本发明先采用启发式优化聚类算法对用户电力负荷进行聚类，将聚类结果作为训练集输入改进的神经网络进行训练，最终得到预测结果，结合神经网络预测对各类用户进行预测，强化了样本规律性，提升了预测精度，改进的神经网络学习精度提升
一种启发式神经网络负荷预测方法

[发明专利]电力市场的现货价格预测方法及其相关设备-CN202210288700.X在审
发明人：贺小平;滕志毅;许志荣;常作攀;李良;谭凌云;王欣玮;陈雄汝;张皓 -专利权人：华润电力（广东）销售有限公司
申请日： 2022-03-23 - 公布日： 2022-08-09 - 主分类号： G06Q10/04 文献下载
摘要：本申请实施例方法包括：获取影响电力市场B类竞价电量的样本数据；将所述样本数据输入初始BP神经网络模型，以对所述初始BP神经网络模型进行训练；对经过训练的所述初始BP神经网络模型进行扰动，并对经过扰动后的所述初始BP神经网络模型进行训练，以获取中间BP神经网络模型；若所述中间BP神经网络模型满足预设条件，确定所述中间BP神经网络模型为目标BP神经网络模型；当所述目标BP神经网络模型为最优BP神经网络模型时，选取所述目标BP神经网络模型进行预测，以输出预测结果。
电力市场现货价格预测方法及其相关设备

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