“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]基于多个预训练神经网络的设备健康状态分类方法-CN202211053039.0有效
发明人：邓羽丰;刘加;卢回忆 -专利权人：北京华控智加科技有限公司
申请日： 2022-08-30 - 公布日： 2023-06-13 - 主分类号： G06F18/241 文献下载
摘要：本申请提出了一种基于多个预训练神经网络的设备健康状态分类方法，该方法包括：获取待分类设备的历史音频数据，并通过预训练数据集和分类目标函数对多个神经网络进行预训练；通过历史音频数据对多个预训练神经网络进行循环迭代训练；针对每段历史音频数据，获取多个训练完成的神经网络输出的多个决策向量，计算对应的融合决策向量；通过无监督聚类算法对全部的融合决策向量进行聚类，通过专家知识标注每个类对应的设备健康状态；将实时音频数据输入至多个训练完成的神经网络，获得对应的目标融合决策向量，并根据目标融合决策向量所属的类，确定待分类设备的实际健康状态。
基于多个预训练神经网络设备健康状态分类方法

[发明专利]类神经网络密码系统及利用类神经网络的密码识别方法-CN200710027752.7无效
发明人：许斐盛 -专利权人：佛山市顺德区顺达电脑厂有限公司;神基科技股份有限公司
申请日： 2007-04-28 - 公布日： 2008-10-29 - 主分类号： G06F21/00 文献下载
摘要：本发明提供一种类神经网络密码系统及利用类神经网络的密码识别方法，其中，该类神经网络密码系统包括一输入单元、一特征抽取单元、一训练单元、一认证单元及一处理单元；该方法由该系统达成且包括以下步骤：建立一输入操作的数据库；撷取输入操作中的特征向量并对其进行训练调整以取得相应的训练结果；然后由处理单元侦测类神经网络密码系统是否已训练完成，若已完成，则由处理单元侦测是否存在输入密码的操作；若存在，会由特征抽取单元撷取特征向量本发明通过类神经网络的建立及认证而使得密码系统变得更为安全可靠。
神经网络密码系统利用识别方法

[发明专利]用于细胞图像分类的高效稳健的高速神经网络-CN202180030201.4在审
发明人：龚礼予;刘明昌 -专利权人：索尼集团公司;美国索尼公司
申请日： 2021-11-19 - 公布日： 2023-04-07 - 主分类号： G06V20/69 文献下载
摘要：本文描述了用于细胞图像分类的高效稳健的高速神经网络。用于细胞图像分类的神经网络利用soft‑max分数之间的差异来确定细胞是否不明确。如果细胞不明确，那么该细胞被分类为伪类，而如果细胞不是不明确的，那么该细胞被分类为与最高类分数对应的类。用于细胞图像分类的神经网络使得能够实现高速度、高准确性和高召回率。
用于细胞图像分类高效稳健高速神经网络

[发明专利]改进型RBF神经网络室内可见光定位方法及系统-CN202110371710.5在审
发明人：张慧颖;于海越;卢宇希;王凯;梁誉;张洋羊;于铭正;李明浩;张力 -专利权人：吉林化工学院
申请日： 2021-04-07 - 公布日： 2021-08-06 - 主分类号： G01S5/16 文献下载
摘要：本发明公开了一种改进型RBF神经网络室内可见光定位方法和系统，由室内空间中LED发射光信号经过室内空间信道，接收端采用PD探测器将获得的光信号转换成电信号进行定位，包括计算光功率波动最小的光照强度值、对定位进行计算、优化RBF神经网络；优化RBF神经网络包括：利用KPCA‑K‑means++模型提高RBF神经网络性能，即利用KPCA‑K‑means++模型对接收端收集到的RSSI数据进行聚类，得到最优聚类中心和聚类数目作为隐含层的神经元个数和神经元中心；建立GA‑LMS模型对RBF神经网络参数进行优化，即利用GA‑LMS得到准确的宽度和连接权值，最终得到精准的定位坐标，本发明泛化性更强。
改进型 rbf 神经网络室内可见光定位方法系统

[发明专利]神经网络模型的训练方法、装置和系统-CN202010036613.6在审
发明人：陈超;付志航;黄建强;华先胜 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-01-14 - 公布日： 2021-07-30 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络模型的训练方法、装置和系统。其中，神经网络模型包括：源域模型和目标域模型，该方法包括：分别将第一类样本数据输入至源域模型以及将第二类样本数据输入至目标域模型，其中，第一类样本数据为带标签的源域样本数据，第二类样本数据为不带标签的目标域样本数据，源域模型和目标域模型共享相同的网络参数；利用预设损失函数对第一类样本数据和第二类样本数据进行损失处理，得到处理结果；根据处理结果对网络参数进行更新，训练得到神经网络模型。本申请解决了现有技术在对神经网络模型进行训练时存在域分布无法准确对齐的技术问题。
神经网络模型训练方法装置系统

[发明专利]神经网络模型的训练方法、装置和医学图像处理系统-CN201910752893.8在审
发明人：尚鸿;孙钟前 -专利权人：腾讯医疗健康(深圳)有限公司
申请日： 2019-08-15 - 公布日： 2019-11-19 - 主分类号： G06N3/08 文献下载
摘要：本公开涉及人工智能领域中基于神经网络的计算机视觉技术。具体地，本公开提供了一种用于图像处理的神经网络模型的训练方法和装置、利用神经网络模型的医学图像处理方法、以及医学图像处理系统。训练方法包括：训练图像集获取步骤，获得用于训练神经网络模型的训练图像集，训练图像集包括未标注的第一类训练图像；第一训练步骤，利用第一类训练图像以及对应于第一类训练图像的第一损失函数，训练神经网络模型；其中，第一损失函数对应于神经网络模型对于第一类训练图像中的一个图像及其干扰图像的预测值的差异。
训练图像神经网络模型医学图像处理训练图像集训练神经网络损失函数训练数据计算机视觉技术图像人工智能领域方法和装置开发周期神经网络图像处理训练步骤标注预测

[发明专利]一种支持向量聚类神经网络的大数据目标物边缘构建方法-CN202210803363.3在审
发明人：不公告发明人 -专利权人：哈尔滨工程大学
申请日： 2022-07-09 - 公布日： 2022-09-30 - 主分类号： G06V10/44 文献下载
摘要：本发明属于机器学习技术领域，具体涉及一种基于支持向量聚类神经网络的大数据目标物边缘构建方法。本发明将支持向量聚类应用到径向基神经网络中，改进了原有神经网络需要根据经验预先设定聚类中心的问题。通过对支持向量聚类结果分析，可以有效地去除噪声点和散点数据，保留对目标影响较大的数据。将支持向量聚类与径向基神经网络相结合的聚类方法应用到数据处理中，实现图像构建。
一种支持向量神经网络数据目标边缘构建方法

[发明专利]语音场景识别方法和装置、语音控制方法和设备、空调-CN201910122448.3有效
发明人：李明杰;宋德超;贾巨涛;吴伟;胡天云 -专利权人：珠海格力电器股份有限公司
申请日： 2019-02-19 - 公布日： 2021-02-12 - 主分类号： G10L15/22 文献下载
摘要：本申请提出一种语音场景识别方法和装置、语音控制方法和设备、空调，其中语音场景识别装置包括：模型单元，用于建立和训练神经网络模型，神经网络模型的输入值包括语音数据和环境类数据，神经网络模型的输出值包括语音数据和环境类数据对应的场景类型；语音单元，用于获取待识别语音数据和待识别环境类数据；识别单元，用于采用神经网络模型确定待识别语音数据和待识别环境类数据对应的目标场景类型；其中，环境类数据包括室内面积、室内温度、室内空调的运行参数、室内空调的耗电量和从而解决了传统模型没有考虑到环境类数据导致的场景类别识别准确度低和实时性差的问题。
语音场景识别方法装置控制设备空调

[发明专利]一种处理神经网络模型文件的方法及终端-CN201810179892.4在审
发明人：况辉 -专利权人：维沃移动通信有限公司
申请日： 2018-03-05 - 公布日： 2018-09-25 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例提供一种处理神经网络模型文件的方法及终端，应用于通信技术领域，可以解决终端获取神经网络模型文件的过程耗时的问题。该方法包括：在终端显示神经网络模型设置界面的情况下，终端接收用户的第一输入，第一输入为用户触发输入第一模型数据的操作，第一模型数据至少包括第一种类参数；响应于第一输入，终端根据第一模型数据，获取第一种类参数指示的第一神经网络模型文件；其中，第一种类参数用于指示第一神经网络模型文件的文件种类，该文件种类包括图像识别的类别、语音识别的类别以及文本分类的类别。
神经网络模型模型数据种类参数终端通信技术领域终端接收用户设置界面图像识别文本分类用户触发语音识别终端显示耗时响应应用

[发明专利]基于改进稠密神经网络的水声信号调制方式类间识别方法-CN202011006476.8在审
发明人：王景景;黄子豪;张威龙;闫正强;杨星海;施威;刘世萱;李海涛 -专利权人：青岛科技大学
申请日： 2020-09-23 - 公布日： 2020-12-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进稠密神经网络的水声信号调制方式类间识别方法，首先接收待识别的水声调制信号，提取水声调制信号特征；运用主分量分析法对水声调制信号特征进行降维去噪；再进行归一化与维度变更；基于稠密神经网络，去掉池化层，得到改进的稠密神经网络，并对该神经网络进行训练；将处理后的水声调制信号特征输入到训练好的改进的稠密神经网络中，最终完成调制方式类间识别。本发明最终实现低延迟、高准确率的水声信号调制方式类间识别，识别方法抗干扰能力强、计算成本低、识别准确率高。
基于改进稠密神经网络信号调制方式识别方法

[发明专利]神经网络权重参数的编码方法、编码器及神经网络处理器-CN202210385708.8在审
发明人：王彦飞;濮亚男;胡胜发 -专利权人：广州安凯微电子股份有限公司
申请日： 2022-04-13 - 公布日： 2022-07-22 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络权重参数的编码方法、编码器及神经网络处理器，所述编码方法包括：获取若干原始神经网络权重参数，并对各原始神经网络权重参数进行分组，获得若干参数组；将参数组内的参数划分为若干子向量，并将各子向量进行聚类，生成每一类子向量所对应原型向量、每一原型向量的索引值以及每一类子向量中各子向量所对应的缩放因子；将子向量所对应的原型向量的索引值以及缩放因子作为子向量的编码值，对各参数组内的子向量进行编码通过实施本发明能够降低原始神经网络权重参数的数据量。
神经网络权重参数编码方法编码器处理器

[发明专利]基于改进稠密神经网络的水声信号调制方式类间识别方法-CN202110214167.8有效
发明人：王景景;黄子豪;张威龙;闫正强;杨星海;施威;刘世萱;李海涛 -专利权人：青岛科技大学
申请日： 2021-02-26 - 公布日： 2023-06-13 - 主分类号： G10L15/16 文献下载
摘要：本发明公开了一种基于改进稠密神经网络的水声信号调制方式类间识别方法，首先接收待识别的水声调制信号，提取水声调制信号特征；运用主分量分析法对水声调制信号特征进行降维去噪；再进行归一化与维度变更；基于稠密神经网络，去掉池化层，得到改进的稠密神经网络，并对该神经网络进行训练；将处理后的水声调制信号特征输入到训练好的改进的稠密神经网络中，最终完成调制方式类间识别。本发明最终实现低延迟、高准确率的水声信号调制方式类间识别，识别方法抗干扰能力强、计算成本低、识别准确率高。
基于改进稠密神经网络信号调制方式识别方法

[发明专利]改进神经网络语言模型的方法和装置及语音识别方法和装置-CN201510543232.6在审
发明人：丁沛;雍坤;朱会峰;郝杰 -专利权人：株式会社东芝
申请日： 2015-08-28 - 公布日： 2017-03-08 - 主分类号： G10L15/16 文献下载
摘要：本发明提供改进语音识别系统的神经网络语言模型的方法、改进语音识别系统的神经网络语言模型的装置、语言识别方法以及语音识别装置。根据一个实施方式的改进语音识别系统的神经网络语言模型的装置，包括词分类单元，其对上述语音识别系统的词典中的词进行分类；语言模型训练单元，其基于分类的结果训练基于类的语言模型；和向量拼接单元，其将上述基于类的语言模型的输出向量与上述神经网络语言模型的位置指示向量拼接，作为上述神经网络语言模型的输入向量。
改进神经网络语言模型方法装置语音识别

[发明专利]一种基于卷积神经网络的齿痕舌识别算法-CN201911158615.6在审
发明人：李晓强;孙悦 -专利权人：上海大学
申请日： 2019-11-22 - 公布日： 2020-07-31 - 主分类号： G06K9/62 文献下载
摘要：本发明适用于齿痕舌识别技术领域，提供了一种基于卷积神经网络的齿痕舌识别算法，包括以下步骤：采集舌象图片，对舌象图片进行预处理；对经过预处理的舌象图片分为训练集和测试集；将训练集均分成多组，其中一组用于验证卷积神经网络分类器精度，其余组用于训练卷积神经网络分类器，每次训练结束后输出验证结果；通过加权梯度类激活映射算法对卷积神经网络分类器进行梯度计算，输出分类结果并高亮齿痕区域，本发明的有益效果是：利用卷积神经网络来提取齿痕舌特征，泛化能力强，并且利用加权梯度类激活映射算法热力图增强卷积神经网络的可解释性，使分类结果更加准确、直观。
一种基于卷积神经网络齿痕舌识别算法

[发明专利]基于BP神经网络多类分类的湍流目标探测方法-CN201810346136.6有效
发明人：肖刚;张强;赵俊豪;王彦然;刘艺博 -专利权人：上海交通大学
申请日： 2018-04-18 - 公布日： 2021-07-13 - 主分类号： G01S7/41 文献下载
摘要：一种基于BP神经网络多类分类的湍流目标探测方法，依据湍流回波模型在不同的信噪比条件下分别生成回波幅值序列和与其对应的强度等级组成BP神经网络的训练集和测试集，以使得训练后的BP神经网络将湍流强度分为若干等级本发明无需借助经验公式和参数化模型，利用神经网络的多类分类功能，将气象目标雷达回波幅值序列作为神经网络训练集输入数据，湍流强度等级作为训练集输出数据，仅通过对大量回波数据的学习可有效的确立雷达回波与湍流强度之间的关系，从而可利用神经网络对湍流强度进行分类达到湍流探测的目的。
基于 bp 神经网络分类湍流目标探测方法