“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]一种神经网络构建方法-CN201811650285.8在审
发明人：金涛;江浩 -专利权人：浙江新铭智能科技有限公司
申请日： 2018-12-31 - 公布日： 2019-05-10 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种神经网络构建方法，包括获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；根据所述神经网络生成参数生成神经网络，所述神经网络满足下述公式x(n+1)＝W₁u(n+1)+W₂x(n)+W₃y(n)；计算所述神经网络的状态变换矩阵W₂，所述状态变换矩阵用于根据所述神经网络的当前内部状态获取所述神经网络的下一刻内部状态；使用预设训练集训练所述神经网络，在训练过程中得到输入输出映射矩阵，所述输入输出映射矩阵能够根据输入唯一确定输出。本发明从神经网络的架构生成、状态变换矩阵设定的角度构建出了完整的神经网络，其连接结构相较于现有技术得到的神经网络与生物学网络更为近似。
神经网络矩阵生成参数状态变换神经网络构建输入输出映射神经元内部状态神经元聚类程度参数大小参数分布空间架构生成矩阵设定连接结构唯一确定训练过程训练集构建预设生物学近似输出网络

[发明专利]一种车辆行为评估方法、控制装置及可读存储介质-CN202310863871.5在审
发明人：吴志辉 -专利权人：芜湖云从科技有限公司
申请日： 2023-07-13 - 公布日： 2023-10-10 - 主分类号： G06F18/214 文献下载
摘要：为此目的，本发明的车辆行为评估方法包括：将待评估车辆的行为信息输入已训练的神经网络模型；根据所述神经网络模型获取所述行为信息对应的通过聚类算法预设的行为类的概率；根据所述行为信息对应的行为类的概率，得到所述待评估车辆的行为评估结果在本发明通过聚类算法预设车辆可能存在的行为类，并将聚类算法与神经网络模型结合，使得神经网络模型能够根据具体问题确定相应的网络拓扑，且具有自学习、自组织、自适应功能，同时学习速度更快，能够进行大范围的数据融合和并行高速地处理数据
一种车辆行为评估方法控制装置可读存储介质

[发明专利]基于事件构建神经网络系统的方法-CN202210309298.9在审
发明人：孟凡;姜华 -专利权人：北京他山科技有限公司
申请日： 2022-03-25 - 公布日： 2022-07-22 - 主分类号： G06N3/04 文献下载
摘要：提供了基于事件的神经网络系统的构建方法。所提供的方法包括：响应于事件，根据事件的空间位置，确定邻近所述空间位置的第一类基础感知单元，根据其同类感知系统配置信息，配置第一同类感知系统用于感知所述事件，其中所述第一类基础感知单元配置所述一个或多个第一基础感知单元的本地神经单元的神经网络的输出耦合到第一共享神经网络的输入，所述第一类基础感知单元还根据其包括的同类感知系统配置信息，配置所述第一同类感知系统的第一共享神经网络的神经元由所述一个或多个第一基础感知单元的共享神经单元提供。
基于事件构建神经网络系统方法

[发明专利]一种基于卫星影像和GMDH神经网络的云量计算方法及装置-CN201910645566.2在审
发明人：刘通;安好 -专利权人：赛德雷特(珠海)航天科技有限公司
申请日： 2019-07-17 - 公布日： 2019-12-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于GMDH神经网络的卫星云量计算方法及装置，其中云量计算方法包括：(一)使用聚类方法对云块样本进行聚类分析；(二)将聚类分析后的云块样本输入GMDH神经网络训练；(三)将待检测卫星云图输入GMDH神经网络进行分类；(四)根据分类结果进行云量计算。本发明基于无监督学习的卫星云量计算方法,利用聚类算法，免去了制作训练数据的大量人力标注工作。GMDH神经网络可以把卫星云图图像直接作为神经网络的输入，在网络构建过程中不需要特别设计网络结构，该方法可以自主的构建和修剪神经网络模型的拓扑结构，自主的对图像特征进行选择，得到相比于人工提取更便捷和精确的结果
神经网络聚类分析卫星云图计算方法及装置神经网络模型神经网络训练无监督学习分类结果聚类算法图像特征拓扑结构网络构建网络结构训练数据样本输入卫星构建聚类修剪标注样本图像分类检测制作

[发明专利]一种基于类脑计算平台的图像识别方法及系统-CN202111584185.1有效
发明人：包文笛;胡蝶;乔树山;周玉梅;尚德龙 -专利权人：中科南京智能技术研究院
申请日： 2021-12-23 - 公布日： 2022-05-20 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于类脑计算平台的图像识别方法及系统，该方法包括：构建脉冲神经网络；脉冲神经网络包括近似最大池化层，近似最大池化层包括突触前神经元集群和突触后神经元集群，突触前神经元集群包括多个顺序排列的神经元组，各神经元组中突触前神经元数量相同，突触前神经元集群中第i个神经元组中突触前神经元均与突触后神经元集群中第i个突触后神经元连接，当第i个神经元组中突触前神经元输入的脉冲累计超过设定阈值时，第i个突触后神经元发放一次脉冲；将训练好的脉冲神经网络部署到类脑计算平台；采用部署到类脑计算平台上的脉冲神经网络进行图像识别。
一种基于计算平台图像识别方法系统

[发明专利]基于注意力模型的少量样本分类方法-CN201910582214.7在审
发明人：冀中;柴星亮 -专利权人：天津大学
申请日： 2019-06-30 - 公布日： 2019-11-12 - 主分类号： G06K9/62 文献下载
摘要：一种基于注意力模型的少量样本分类方法，训练一个卷积神经网络图像分类模型，训练好卷积神经网络图像分类模型后，去掉卷积神经网络图像分类模型的全连接层，保留卷积神经网络图像分类模型的卷积神经网络部分；根据所有样本图像的特征向量对待测图像进行基础分类，得到n×m个标量，n为所有样本图像的类数，m为每个类中的样本图像数；将每一类的m个样本图像连接为m×M维的向量，输入一个非线性映射函数得到n×m个相对权重；将得到的n×m个标量与对应的n×m个相对权重分别相乘，得到新的n×m个标量，将每个类中新的m个标量相加得到最终的分类结果。本发明通过挖掘类内图像重要性的得分，使得模型能更加关注比较重要的样本，对类内图像进行均衡。
卷积神经网络图像分类模型样本图像标量注意力模型相对权重样本分类非线性映射函数图像相乘图像重要性分类结果基础分类特征向量连接层向量相加样本均衡挖掘保留

[发明专利]一种基于分类模型的行为识别方法及系统-CN202111676545.0在审
发明人：常友成;刘昊;任铭 -专利权人：观云（山东）智能科技有限公司;山东产研先进材料研究院有限公司
申请日： 2021-12-31 - 公布日： 2022-04-22 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于分类模型的行为识别方法及系统，包括：获取待测对象的运动数据；依据所述运动数据，以及预设的行为识别模型，得到行为设别结果；其中，所述识别模型包括用于识别运动和静止的第一分类模型、用于识别静止的第二分类模型以及用于设备运动的第三分类模型；所述第一分类模型包括两层一维卷积核两层全连接层，所述第二分类模型包括两层一维卷积神经网络、一层GRU循环神经网络和两层全连接层，所述第三分类模型包括两层一维卷积神经网络、两层GRU循环神经网络、两层Dropout层和两层全连接层；对于不同的识别目标，设计了不同的神经网络结构，以求获得最好的识别效果，提升了识别准确率。
一种基于分类模型行为识别方法系统

[发明专利]基于深度学习的淋巴瘤病理图像智能识别方法-CN202010622536.2在审
发明人：王志岗;贺环宇;方超 -专利权人：天津深析智能科技有限公司
申请日： 2020-06-30 - 公布日： 2020-10-20 - 主分类号： G06T7/11 文献下载
摘要：一种基于深度学习的淋巴瘤病理图像智能识别方法：对淋巴瘤病理切片图像数据进行预处理；构建分割淋巴组织区域的全卷积神经网络，包括编码器子网络和解码器子网络；构建高倍分辨率下淋巴瘤三分类卷积神经网络，包括由依次连接的6个卷积层和3个全连接层构成；对全卷积神经网络和淋巴瘤三分类卷积神经网络进行训练，最终得到淋巴瘤病理切片图像分类模型，并且测试时依次经过全卷积神经网络和淋巴瘤三分类卷积神经网络，最终得到淋巴瘤的分类结果
基于深度学习淋巴瘤病理图像智能识别方法

[发明专利]一种基于相似日和RBF神经网络的短期电力负荷预测方法-CN202010104278.9在审
发明人：王瑞;逯静;孙忆枫;王福忠;韩素敏 -专利权人：河南理工大学
申请日： 2020-02-20 - 公布日： 2020-05-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于相似日和RBF神经网络的短期电力负荷预测方法，涉及电力负荷预测领域，短期电力负荷预测中选取合适的相似日作为训练样本可以简化训练过程并提高预测精度，为了减小夏季积温效应对相似日选取的影响，本发明通过将温度和其他负荷影响因素分别计算相似度，从而根据计算得到的综合相似度来选取相似日，此外，为了提高RBF神经网络的预测效果，将训练样本先用减聚类进行聚类，根据聚类结果设置模糊c‑means聚类的初值，运用模糊c‑means聚类来优化RBF神经网络的隐含层参数，最后结合相似日和改进RBF神经网络进行短期电力负荷预测，本发明可以明显提高短期电力负荷预测的准度。
一种基于相似 rbf 神经网络短期电力负荷预测方法

[发明专利]一种深度记忆卷积神经网络的装置及其构建方法-CN201710609466.5有效
发明人：鄢化彪;黄绿娥;尹宝勇;刘祚时 -专利权人：江西理工大学
申请日： 2017-07-25 - 公布日： 2020-08-07 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及基于学习的神经网络领域，尤其是涉及一种深度记忆卷积神经网络的结构及其构建方法。本发明网络的结构包括五卷积层的含聚类降维卷积神经网络结构；深度记忆神经网络结构；BP网络结构三部分；本发明还涉及网络结构的构建方法。本发明能够在一定程度上克服有限样本和计算单元情况下对复杂函数的表示能力的缺点，提高现有卷积神经网络的效率。
一种深度记忆卷积神经网络装置及其构建方法

[发明专利]基于神经网络的多类物品视觉识别方法及计量设备-CN202110841271.X在审
发明人：张振;林俊燃;黄国立;杨翠湄;林荣涛 -专利权人：惠州学院
申请日： 2021-07-26 - 公布日： 2022-01-07 - 主分类号： G06V10/764 文献下载
摘要：本申请是关于一种基于神经网络的多类物品视觉识别方法。该方法包括：获取N个物品图像集，提取各个物品类型对应的品类特征；将品类特征输入至构建的第一神经网络进行训练，得到粗识别神经网络；构建N个第二神经网络，分别将各个物品图像集配对输入至各个第二神经网络中进行训练处理，得到N个精识别神经网络；获取待识别物品的待识别图像，通过粗识别神经网络对待识别图像进行粗识别，确定待识别物品的目标物品类型；根据目标物品类型确定精识别神经网络；通过当前精识别神经网络对待识别图像进行精识别本申请提供的方案，能够基于神经网络对多种物品类型的单品进行识别，提高识别精度，提升识别效率。
基于神经网络物品视觉识别方法计量设备

[发明专利]一种基于参数分布放大的神经网络隐写检测方法和系统-CN202211512336.7在审
发明人：陈可江;张卫明;俞能海;赵娜 -专利权人：中国科学技术大学
申请日： 2022-11-29 - 公布日： 2023-03-03 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于参数分布放大的神经网络隐写检测方法，包括：根据预设损失函数，通过随机梯度下降方法迭代地对原始的待检测神经网络模型进行参数分布放大，直到达到预设的迭代次数，得到微调后的待检测神经网络模型；分别计算原始的待检测神经网络模型的参数的统计矩向量和微调后的待检测神经网络模型的参数的的统计矩向量，得到原始的待检测神经网络模型的特征向量和微调后的待检测神经网络模型的特征向量；对原始的待检测神经网络模型的特征向量和微调后的待检测神经网络模型的特征向量进行特征融合，得到融合特征；对融合特征进行逻辑回归二分类处理，输出原始的待检测神经网络模型的隐写判定信息。
一种基于参数分布放大神经网络检测方法系统

[发明专利]行人属性识别模型实现方法及相关装置-CN201911221183.9有效
发明人：郭家顺;程小磊;李晓凯;郭云 -专利权人：深圳市华尊科技股份有限公司
申请日： 2019-12-03 - 公布日： 2023-10-24 - 主分类号： G06F18/241 文献下载
摘要：本申请实施例公开了一种行人属性识别模型实现方法及相关装置，应用于电子设备，电子设备预先配置预设多层共享神经网络，方法包括：获取针对行人属性的目标训练集，并将目标训练集分成四类，即第一训练集、第二训练集、第三训练集和第四训练集；依据第一训练集训练预设多层共享神经网络，得到第一多层共享神经网络；依据第二训练集训练第一多层共享神经网络，得到第二多层共享神经网络；依据第三训练集训练第二多层共享神经网络，得到第三多层共享神经网络；依据第四训练集训练第三多层共享神经网络，得到目标多层共享神经网络，目标多层共享神经网络用于实现行人属性识别。
行人属性识别模型实现方法相关装置

[发明专利]一种半监督深度学习缺陷检测方法-CN202210446071.9在审
发明人：刘叶清;郑小青;郑松;孔亚广;江爱朋 -专利权人：杭州电子科技大学
申请日： 2022-04-26 - 公布日： 2022-09-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种半监督深度学习缺陷检测方法，将训练样本数据按有无标签分类；初始化学生卷积神经网络Fs(m)的权重参数m；初始化教师卷积神经网络参数Ft(m)＝Copy(Fs(m))，教师卷积神经网络和参数均从学生卷积神经网络复制；获得了学生卷积神经网络Fs(m)和教师卷积神经网络Ft(m)以及始化权重参数后，对学生卷积神经网络和教师卷积神经网络进行训练；获得经过训练的网络可用学生卷积神经网络进行缺陷检测工作，将需要被检测的数据输入学生卷积神经网络，学生卷积神经网络预测其有无缺陷或者属于哪一类缺陷。
一种监督深度学习缺陷检测方法

[发明专利]一种基于Kmeans算法的神经网络卷积计算加速方法-CN201911012312.3在审
发明人：郭阳;陈桂林;马胜;徐睿;李艺煌;王耀华 -专利权人：中国人民解放军国防科技大学
申请日： 2019-10-23 - 公布日： 2020-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于Kmeans算法的神经网络卷积计算加速方法，在神经网络卷积中添加一个Kmeans聚类层，通过Kmeans聚类层后的输入数据聚成了固定的k类；在卷积层中计算这k类数据和卷积核的相乘，将其结果做成一个查找表本发明具有实现方法简单、能够有效的减少神经网络卷积层的乘法操作运算等优点。
一种基于 kmeans 算法神经网络卷积计算加速方法