“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]一种基于卷积神经网络和模糊聚类的用电客户画像新方法-CN201811563232.2在审
发明人：颜宏文;马瑞 -专利权人：长沙理工大学
申请日： 2018-12-20 - 公布日： 2019-04-26 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于卷积神经网络和模糊聚类的用电客户画像新方法，涉及卷积神经网络的负荷监测领域和模糊聚类的用电客户画像领域，包括以下步骤：通过卷积神经网络算法对用电负荷进行分类和用电量分解；通过模糊聚类算法为用电客户匹配画像
用电客户卷积神经网络画像模糊聚类模糊聚类算法差异化服务电网系统负荷监测精准营销用电负荷用电量算法匹配分解分类

[发明专利]基于聚类和深度神经网络的室内可见光定位方法及系统-CN202310372738.X在审
发明人：王建萍;杨渌;路慧敏 -专利权人：北京科技大学;北京科技大学顺德创新学院
申请日： 2023-04-10 - 公布日： 2023-07-21 - 主分类号： G01S11/12 文献下载
摘要：本发明提供一种基于聚类和深度神经网络的室内可见光定位方法及系统，涉及光通信定位技术领域，包括发射端和接收设备。取定位区域接收信号强度作为深度神经网络训练集，为多个白光LED分配不同调制频率，利用训练集位置每个LED的接收信号强度及光探测器实际坐标值对神经网络进行训练，学习算法采用k均值聚类(K‑means)算法和深度神经网络将每个LED的接收信号强度输入训练完成的神经网络，得到光探测器位置坐标。本发明基于神经网络采用优化学习算法，有效缩减采样数据量，并提高网络训练速度和室内定位精度；定位系统不受多径反射等外界因素影响；具有很好的实际应用价值。
基于深度神经网络室内可见光定位方法系统

[发明专利]水泥窑生产能耗的建模方法-CN202110473450.2有效
发明人：窦春霞;殷润;岳东;张智俊;丁孝华;李延满 -专利权人：南京邮电大学;国网电力科学研究院有限公司
申请日： 2021-04-29 - 公布日： 2022-10-25 - 主分类号： G06F30/27 文献下载
摘要：从水泥窑分散控制系统中采集选定时间段的特定参数，作为样本数据集；根据获得的样本数据集构建训练样本集和测试样本集；利用训练样本集和测试样本集训练水泥窑生产能耗模型完成水泥窑生产能耗的建模，所述水泥窑生产能耗模型为结合BP网络和Elman神经网络的组合神经网络模型。该方法基于数据建模，结合前馈神经网络和反馈神经网络这两类神经网络的优点，通过结合BP网络和Elman网络的组合神经网络建立模型，既能保留BP神经网络静态逼近效果好的特性，也保留了Elman神经网络动态逼近效果好的优点，且较单一神经网络模型有更的高预测精度。
水泥生产能耗建模方法

[发明专利]一种实现深度卷积神经网络处理的方法及装置-CN201910781769.4在审
发明人：杨德友;刘文鸿;张欣;叶蕾 -专利权人：中兴通讯股份有限公司
申请日： 2019-08-23 - 公布日： 2021-02-26 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种实现深度卷积神经网络处理的方法及装置，包括：对量化后的参数进行分块，将深度卷积神经网络每一卷积层的每个卷积核分成多个子卷积核；统计每个子卷积核中所有参数的类别数量。本申请为更好地实现对深度卷积神经网络的加速提供了保障。进一步地，本申请还针对每个子卷积核，按照每一类别中参数的数量进行聚类处理。这样，更好地实现了对深度卷积神经网络的加速。
一种实现深度卷积神经网络处理方法装置

[发明专利]一种类脑计算机操作系统的神经模型映射方法-CN202110222647.9有效
发明人：吕攀;张本浩;杨国青;李红;邓水光;潘纲;吴朝晖 -专利权人：浙江大学
申请日： 2021-03-01 - 公布日： 2021-06-29 - 主分类号： G06N3/06 文献下载
摘要：本发明提出了一种类脑计算机操作系统的神经模型映射方法，包括以下步骤：获取脉冲神经网络模型的有向图G，其节点为逻辑神经元簇v；计算有向图的拓扑序列O(G)，并根据类脑计算机的硬件约束，计算逻辑神经元簇v的可映射区域R；根据拓扑序列O(G)，对于逻辑神经元簇v，在可映射区域R中选择物理神经元簇做映射。采用本发明的映射方法，可以可靠地将脉冲神经网络映射到类脑计算机中，能满足更大规模的脉冲神经网络的部署和运行，有效减少网络拥塞。
种类计算机操作系统神经模型映射方法

[发明专利]一种短期电力负荷预测方法-CN201811068735.2有效
发明人：蔡延光;罗育辉;蔡颢 -专利权人：广东工业大学
申请日： 2018-09-13 - 公布日： 2022-03-04 - 主分类号： H02J3/00 文献下载
摘要：本发明提供一种短期电力负荷预测方法，建立基于前后级BP级联神经网络的短期电力负荷预测模型，采用改进的最大偏差相似性准则聚类算法对历史电力负荷数据进行聚类，并对类中心进行层次聚类，经过类簇合并得到预测日的相似负荷类别，并将第Z类的负荷数据作为后级BP神经网络的训练数据，从而提高神经网络的收敛速度和预测精度。
一种短期电力负荷预测方法

[发明专利]基于混合持续变分量子神经网络的网络入侵检测方法-CN202211606329.3在审
发明人：杨光;钞苏亚;聂敏;贾瑞红;吴朝阳;晋博琛 -专利权人：西安邮电大学
申请日： 2022-12-14 - 公布日： 2023-04-25 - 主分类号： H04L9/40 文献下载
摘要：本公开是关于一种基于混合持续变分量子神经网络的网络入侵检测方法，包括：首先，建立混合持续变分量子神经网络的系统模型；其次，预设一个网络入侵数据集，对该网络入侵数据集进行冗余和降维处理；同时，对网络入侵数据集中的少数类样本进行过采样处理，并对网络入侵数据集中的多数类样本进行聚类欠采样处理；得到样本类别均衡数据集；最后将样本类别均衡数据集输入至该系统模型中，经过训练后，得到混合持续变分量子神经网络的二分类或多分类训练结果。本公开对于二分类和多分类具有较高的检测准确率，并且提高了对少数类样本的检测精度。
基于混合持续量子神经网络网络入侵检测方法

[发明专利]数据处理方法及装置-CN202210290759.2在审
发明人：胡斌;王坚;刘文亮;李榕 -专利权人：华为技术有限公司
申请日： 2022-03-23 - 公布日： 2023-10-10 - 主分类号： G06V10/774 文献下载
摘要：本申请实施例提供一种数据处理方法及装置，该方法包括：确定前馈神经网络模型，前馈神经网络模型中的第l层的输入信息包括训练数据的分类分布信息和第一数据特征，第l层的输出信息包括第二数据特征，第一数据特征为第(l‑1)层的输出，第一数据特征和第二数据特征均是用于表示训练数据的分类或聚类信息；其中，l为大于1的正整数；获取未知分类或聚类信息的待处理数据；将待处理数据输入前馈神经网络模型中确定待处理数据的数据特征；待处理数据的数据特征是用于表示待处理数据的分类或聚类信息；待处理数据的数据特征用于确定待处理数据的分类或聚类结果，能够减少通信开销，且该前馈神经网络架构更加灵活，并能够解释神经网络的黑盒问题。
数据处理方法装置

[发明专利]一种基于高精度电磁传播模型的路径损耗预测方法-CN202211232558.3有效
发明人：黄川;崔曙光;汪彦丞;张晗;唐心怡 -专利权人：香港中文大学（深圳）
申请日： 2022-10-10 - 公布日： 2023-02-07 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于高精度电磁传播模型的路径损耗预测方法，包括以下步骤：S1.对于一类物品中的每一个待测物体，获取该待测物体的地理环境信息和该待测物体的电磁传播模型，加入该类物品的样本集；S2.构建神经网络预测模型进行训练，得到成熟神经网络预测模型；S3.对于不同类别的物品S类物体，重复执行步骤S1~S2，得到每一类物体对应的成熟神经网络预测模型；S4.基于神经网络预测模型，对发射机经预测区域向接收机传播信息的路径损耗进行预测本发明针对每一类物品建立了神经网络预测模型，并在此基础上对不同的物体进行双向反射透射分布函数值（BRTDF值）求解，基于光线追踪实现路径损耗预测，有效提高了预测精度。
一种基于高精度电磁传播模型路径损耗预测方法

[发明专利]一种基于集成交叉对比神经网络的图像分类技术-CN201711254628.4在审
发明人：夏赅;陈颖;葛云;黄晓林 -专利权人：南京大学
申请日： 2017-11-29 - 公布日： 2019-06-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公布了一种基于集成交叉对比神经网络的图像分类技术。本发明从卷积神经网络卷积层的物理意义出发，与能够对两个对象特征频次进行统计分析并衡量其相似性的IBS模型相结合，提出了交叉对比神经网络的概念。此网络模型经过数据的训练，可以自动提取图像中的特征，并根据这些特征的统计信息判断是否为同一类，解决了神经网络在小样本数据上表现较差的问题。同时，提出了集成多个交叉对比神经网络模型的方法，通过训练多个交叉神经网络模型，将模型输出通过次级神经网络调整权重，输出最终分类结果，提升了交叉对比神经网络的分类精确度。
神经网络神经网络模型图像分类卷积神经网络对象特征分类结果统计信息网络模型物理意义自动提取输出统计分析小样本卷积权重图像分类衡量表现

[发明专利]一种基于多态忆阻器的电压型神经网络及其操作方法-CN201910771733.8有效
发明人：肖建;张粮;张子恒;洪聪;童祎;张翼;郭宇锋 -专利权人：南京邮电大学
申请日： 2019-08-21 - 公布日： 2021-10-26 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于多态忆阻器的电压型神经网络及其操作方法，提出一种由类脑器件忆阻器结合传统器件搭建的一种电压型神经元电路，能够模拟实现前向的神经网络运算，采用由忆阻器件为核心的权重模式，有效减少了神经网络运算中的存储和运算耗费资源结合其他类的电子器件诸如MOS管、低功耗运放、轨到轨运放技术、以及数字电路方面的原理，在本发明中针对性地解决了忆阻器作为神经网络中核心器件所设计的信号输入、权值网络、累加求和以及激活层面的的设计问题，实现正负信号信号在乘法器之内的处理和神经网络层之间的传递，并搭建了相对应的权值矩阵模型和神经元网络电路。
一种基于多态忆阻器电压神经网络及其操作方法

[发明专利]一种基于生成对抗网络的不平衡数据集的预测方法-CN202110526629.X在审
发明人：王竹荣;牛亚邦;黑新宏 -专利权人：西安理工大学
申请日： 2021-05-14 - 公布日： 2021-08-24 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于生成对抗网络的不平衡数据集的预测方法，过程为：接收预测请求；采集数据，形成数据集，明确数据集中的特征与标签及少数类样本和多数类样本的数量；将数据集中的非数值特征列以及标签列转变为分类数值；将处理的数据集进行标准化并将标准化后数据集中的多数类样本和少数类样本进行分离；用深度卷积对抗网络合成少数类样本a，形成平衡数据集；将平衡数据集划分为训练集和测试集；构建卷积神经网络，用划分好的训练集训练卷积神经网络，得到训练好的卷积神经网络；步骤8，将测试集输入训练好的卷积神经网络得到预测结果。本发明预测方法，解决了现有方法存在处理大数据时生成少数类样本非常困难甚至不能生成的问题。
一种基于生成对抗网络不平衡数据预测方法

[发明专利]一种基于生成对抗网络的不平衡数据集的预测方法-CN202210369157.6在审
发明人：彭柏程;张安勤 -专利权人：上海电力大学
申请日： 2022-04-08 - 公布日： 2022-06-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于生成对抗网络的不平衡数据集的预测方法，主要流程为：接收预测请求；采集数据，形成数据集，明确数据集中的特征与标签及少数类样本和多数类样本的数量；将数据集中的非数值特征列以及标签列转变为分类数值；将处理的数据集进行标准化，并将标准化后数据集中的多数类样本和少数类样本进行分离；用条件生成对抗网络合成少数类样本，形成平衡数据集；将平衡数据集划分为训练集和测试集；构建卷积神经网络，用划分好的训练集训练卷积神经网络，得到训练好的卷积神经网络；最后，将测试集输入训练好的卷积神经网络得到预测结果。本发明预测方法，解决了现有方法存在处理大数据时生成少数类样本非常困难甚至不能生成的问题。
一种基于生成对抗网络不平衡数据预测方法

[发明专利]一种实时检测施工现场图像中多类实体对象的方法及设备-CN201711241150.1在审
发明人：骆汉宾;丁烈云;方伟立;钟波涛;刘佳静;张永成 -专利权人：华中科技大学
申请日： 2017-11-30 - 公布日： 2018-05-18 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于机器视觉的实时检测施工现场多类实体对象的方法及设备，该方法包括：步骤1，利用训练过的卷积神经网络从施工现场的原始图像中提取特征图像；步骤2，使用区域建议网络从特征图像中提取候选区域；步骤3，在快速卷积神经网络中使用候选区域；步骤4，使区域建议网络和快速卷积神经网络共享卷积层，得到实时卷积神经网络；步骤5，利用实时卷积神经网络识别待检测的施工现场图像中的实体对象。本发明能够实时识别施工现场的多类实体对象，为复杂环境下建筑工程施工全过程进度、安全管理提供重要基础。
一种实时检测施工现场图像中多类实体对象方法设备

[发明专利]一种基于联合训练的含缺失值基因微阵列的聚类方法-CN202011578976.9有效
发明人：马千里;陈楚鑫 -专利权人：华南理工大学
申请日： 2020-12-28 - 公布日： 2022-09-20 - 主分类号： G16B40/00 文献下载
摘要：本发明公开了一种基于联合训练的含缺失值基因微阵列的聚类方法，包括以下步骤：计算基因微阵列数据的缺失率，剔除缺失率超过10％的基因点，然后将基因微阵列数据划分为训练集和测试集；构建深度神经网络，包括Sequence‑To‑Sequence编码‑解码网络和对抗学习模块，并使用训练集对构建的深度神经网络进行训练以确定深度神经网络的参数；将测试集输入到深度神经网络中，获得测试集中含缺失值基因微阵列数据的深层特征表示；最后对深层特征表示应用K‑means聚类算法，获得含缺失值基因微阵列的聚类结果。本发明可为基因表达数据聚类提供一种端到端的框架，解决了传统方法需要选择合适的填补方法与聚类方法组合的困难。
一种基于联合训练缺失基因阵列方法