“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]一种用于神经网络架构空间的可视分析系统和方法-CN202210705263.7在审
发明人：刘世霞;袁隽;田丰源 -专利权人：清华大学
申请日： 2022-06-21 - 公布日： 2022-10-18 - 主分类号： G06N3/10 文献下载
摘要：本发明公开了一种用于神经网络架构空间的可视分析系统和方法。该方法包括：接收至少一个神经网络架构；获得所述神经网络架构中任意两个神经网络架构之间的图编辑距离；根据所述图编辑距离，获得所述神经网络架构的聚类层次化结构，其中，所述聚类层次化结构的每一层包括至少一个神经网络架构类别，每个类别包括神经网络架构；以及对所述神经网络架构的聚类层次化结构中的至少一层进行可视化，其中可视化视图提供所述神经网络架构的全局概览和其中任意一个神经网络架构的上下文信息。
一种用于神经网络架构空间可视分析系统方法

[发明专利]自编码神经网络处理方法、装置、计算机设备及存储介质-CN201910345019.2有效
发明人：金戈;徐亮 -专利权人：平安科技（深圳）有限公司
申请日： 2019-04-26 - 公布日： 2023-06-16 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种自编码神经网络处理方法、装置、计算机设备及存储介质，该方法通过将文本样本转化为样本词向量，将样本词向量输入到卷积神经网络模型中对样本词向量进行初步特征提取，得到样本初步隐含特征；将样本初步隐含特征输入到多个自编码神经网络中，对自编码神经网络进行训练，得到多个自编码神经网络模型，将样本初步隐含特征输入到自编码神经网络模型中进行特征提取，得到自编码神经网络模型输出的样本隐含特征；对提取出的样本隐含特征的特征样本进行聚类，得到聚类结果；根据聚类结果确定是否要重新构建自编码神经网络；若确定要重新构建自编码神经网络，则根据轮廓系数构建目标自编码神经网络，得到聚类准确率高的自编码神经网络。
编码神经网络处理方法装置计算机设备存储介质

[发明专利]人工智能型交通信号控制系统及方法-CN202310150612.8在审
发明人：万家豪;黄友恒;徐嘉骏;黄铭崇 -专利权人：睿星科技股份有限公司
申请日： 2023-02-22 - 公布日： 2023-10-27 - 主分类号： G08G1/01 文献下载
摘要：一种交通信号控制系统，包括：训练用类神经网络、决策用类神经网络及控制单元。训练用类神经网络通过多个训练用数据进行强化学习。决策用类神经网络根据训练用类神经网络的训练成果对实时交通数据进行分析，以产生对应控制范围内的交通信号的决策。控制单元利用该决策控制控制范围内的该交通信号。
人工智能型交通信号控制系统方法

[发明专利]神经网络模型的计算方法、装置、终端及存储介质-CN202011622466.7在审
发明人：赵娟萍 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-12-31 - 公布日： 2022-07-01 - 主分类号： G06N3/063 文献下载
摘要：本申请实施例公开了一种神经网络模型的计算方法、装置、终端及存储介质，属于计算机技术领域。该方法包括：获取神经网络模型；确定神经网络模型在运算过程中的第一类型进度分段和第二类型进度分段，第一类型进度分段上网络运算所需带宽大于带宽阈值，第二类型进度分段上网络运算所需带宽小于或者等于带宽阈值；以及通过神经网络处理器在第一类型进度分段上采用第一存储器存取神经网络数据，在第二类型进度分段上采用第二存储器存取神经网络数据，以计算神经网络模型，第一存储器大于第二存储器的存取速度。该方法使得存储器在神经网络模型的每一个运算进度上均能满足神经网络处理器的数据吞吐量要求，充分运用神经网络处理器的运算性能。
神经网络模型计算方法装置终端存储介质

[发明专利]神经网络的运行方法、装置、终端及存储介质-CN202011627461.3在审
发明人：赵娟萍 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-12-31 - 公布日： 2022-07-01 - 主分类号： G06N3/063 文献下载
摘要：本申请实施例公开了一种神经网络的运行方法、装置、终端及存储介质，属于终端技术领域。该方法包括：获取神经网络模型在不同网络运行阶段对应的预估运行功耗；基于预估运行功耗和功耗阈值，将神经网络模型对应的网络运行阶段划分为第一类运行阶段和第二类运行阶段；响应于神经网络模型运行至第一类运行阶段时，采用第一存储器存取神经网络数据；响应于神经网络模型运行至第二类运行阶段时，采用第二存储器存取神经网络数据，第一存储器的数据存取功耗低于第二存储器的数据存取功耗。保证处理器在运行神经网络模型时饱和工作的同时，避免高速存取神经网络数据导致系统功耗增加。
神经网络运行方法装置终端存储介质

[发明专利]基于梯度类激活图的眼部球结膜图像质量评估方法-CN202010972984.5有效
发明人：陈强;陈业睿;李鸣超 -专利权人：南京理工大学
申请日： 2020-09-16 - 公布日： 2022-09-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于梯度类激活图的眼部球结膜图像质量评估方法，包括：构建双路输入、多个分类任务联合学习的神经网络，分割眼部球结膜区域，将原始图像和球结膜掩模图像分别作为神经网络两路输入，并用4个分类任务作为神经网络监督分别计算两路热图上的梯度类激活图，计算掩模特征图分别与类激活图的相似度，根据相似度对类激活图加以一致性约束，使神经网络关注球结膜区域。本发明首次提出该方法，将检查图像和掩模图像同时作为神经网络的输入，采用多任务的方式监督神经网络，直接将CAM图加入神经网络损失，显式地与神经网络交互，使得神经网络完全关注到球结膜区域，最终在球结膜图像质量评估中取得很好的结果
基于梯度激活眼部结膜图像质量评估方法

[发明专利]基于SOM神经网络数据聚类识别的光伏电站发电量预测方法-CN201610629744.9在审
发明人：彭俊;白建波;罗朋;张超;王喜炜;李华锋 -专利权人：河海大学常州校区
申请日： 2016-08-03 - 公布日： 2016-12-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于SOM神经网络数据聚类识别的光伏电站发电量预测方法，根据步骤1的SOM神经网络聚类结果，将数据样本分为多类，分别导入BP神经网络进行网络训练，得到各类训练好的BP神经网络，然后将预测日数据处理后输入训练好的SOM神经网络进行识别得出所对应的数据类型，接着将预测日输入向量导入所对应的训练完成的BP神经网络即可进行预测。本发明提出一种基于SOM神经网络数据聚类识别的光伏电站发电量预测方法，可对光伏电站历史数据按照自身特征聚类，数据样本自我识别分类后，进行发电量预测，可有效提高发电量预测精度。
基于 som 神经网络数据识别电站发电量预测方法

[发明专利]一种基于迭代学习的弱监督视频行为检测方法及系统-CN202010644474.5有效
发明人：宋砚;邹荣;舒祥波 -专利权人：南京理工大学
申请日： 2020-07-07 - 公布日： 2022-09-09 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于迭代学习的弱监督视频行为检测方法及系统，包括：提取包含动作行为的视频的时空特征；构建神经网络模型组；根据视频的真实类别标签、第一神经网络模型输出的类激活序列和第一神经网络模型输出的视频特征训练第一神经网络模型；根据视频的真实类别标签、当前神经网络模型输出的时序伪标签、下一个神经网络模型输出的类激活序列和下一个神经网络模型输出的视频特征训练下一个神经网络模型；根据检测精度最高值对应的神经网络模型对待检测视频进行动作检测本发明中根据当前神经网络模型输出的时序伪标签信息训练下一个神经网络模型，可以使神经网络模型学习出的类激活序列更加精准，从而能够准确的检测出视频中的动作。
一种基于学习监督视频行为检测方法系统

[发明专利]一种基于深度学习的孤独症辅助评估系统和方法-CN201911228792.7在审
发明人：连重源;燕楠;王岚 -专利权人：中国科学院深圳先进技术研究院
申请日： 2019-12-04 - 公布日： 2021-06-04 - 主分类号： A61B5/16 文献下载
摘要：该系统包括数据采集和特征提取单元、第一神经网络、第二神经网络、第三神经网络和结果输出单元，数据采集和特征提取单元以及结果输出单元分别与第一神经网络、第二神经网络、第三神经网络具有连接，其中，数据采集和特征提取用于采集受试者观看视频的眼动数据，获得热点图、焦点图和扫描路径图；第一神经网络输入热点图，获得第一分类结果；第二神经网络输入焦点图，获得第二分类结果；第三神经网络输入扫描路径图，获得第三分类结果；结果输出单元集合第一分类结果、第二分类结果和第三分类结果获得受试者的孤独症检测结果
一种基于深度学习孤独症辅助评估系统方法

[实用新型]一种基于深度学习的孤独症辅助评估系统-CN201922147026.X有效
发明人：连重源;燕楠;王岚 -专利权人：中国科学院深圳先进技术研究院
申请日： 2019-12-04 - 公布日： 2020-11-06 - 主分类号： A61B5/16 文献下载
摘要：该系统包括数据采集和特征提取单元、第一神经网络、第二神经网络、第三神经网络和结果输出单元，数据采集和特征提取单元以及结果输出单元分别与第一神经网络、第二神经网络、第三神经网络具有连接，其中，数据采集和特征提取用于采集受试者观看视频的眼动数据，获得热点图、焦点图和扫描路径图；第一神经网络输入热点图，获得第一分类结果；第二神经网络输入焦点图，获得第二分类结果；第三神经网络输入扫描路径图，获得第三分类结果；结果输出单元集合第一分类结果、第二分类结果和第三分类结果获得受试者的孤独症检测结果
一种基于深度学习孤独症辅助评估系统

[发明专利]缓解神经网络对未知类样本产生错误分类的方法及装置-CN202010297682.2有效
发明人：苗丁锐博;唐可可;顾钊铨;李默涵;李树栋;王乐;仇晶;韩伟红;田志宏;殷丽华 -专利权人：广州大学
申请日： 2020-04-15 - 公布日： 2023-08-08 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种缓解神经网络对未知类样本产生错误分类的方法及装置，所述方法在训练神经网络的时候，将原始训练集和未知类样本训练集输入到神经网络中进行训练，对于原始训练集通过第一损失函数进行训练，对于未知类样本训练集通过第二损失函数进行训练，当神经网络的总损失函数达到最小值时，神经网络训练完成，由于只有当神经网络对原始训练集中的训练样本的类别做出最高置信度的正确预测时，第一损失函数的损失值最小，而当神经网络对未知类样本的训练样本的类别做出最低置信度的错误预测时，第二损失函数的损失值最小，因此通过实施本发明实施例能缓解现有神经网络对于未知类样本产生高置信度错误分类的问题。
缓解神经网络未知样本产生错误分类方法装置

[发明专利]基于多神经网络融合的类脑计算系统及指令集的执行方法-CN202010091024.8有效
发明人：陈亮;徐东君;王静秋 -专利权人：中国科学院自动化研究所
申请日： 2020-02-13 - 公布日： 2023-08-29 - 主分类号： G06N3/045 文献下载
摘要：本发明属于类脑计算领域，具体涉及一种基于多神经网络融合的类脑计算系统及指令集的执行方法，旨在解决现有类脑计算系统无法实现深度神经网络和脉冲神经网络并行融合计算的问题。本系统用于对深度神经网络、脉冲神经网络进行并行运算，其包括局部紧耦合计算簇、PCIE接口、内部数据总线；各局部紧耦合计算簇之间通过内部数据总线电性连接，用于对深度神经网络或脉冲神经网络进行运算，由N×N个神经元引擎NE组成，各NE共用一个神经元缓冲区；NE用于对神经元模型数据进行矩阵运算和向量运行算；PCIE接口与计算机主板PCIE插槽匹配，用于类脑计算系统与外部设备的数据交互。本发明实现了深度神经网络和脉冲神经网络的并行运算。
基于神经网络融合计算系统指令执行方法

[发明专利]一种联合深度神经网络和成对约束的聚类方法-CN201811442502.4在审
发明人：李卓聪;王家兵 -专利权人：华南理工大学
申请日： 2018-11-29 - 公布日： 2019-04-16 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种联合深度神经网络和成对约束的聚类方法，包括下述步骤：给定包括成对约束的数据集；构建两个相同结构的自编码器网络和一个深度神经网络，两个自编码器网络分别输入数据集中的每一个约束对的两个样本，两个自编码器网络的中间输出的差向量，作为深度神经网络的输入；然后训练自编码器网络和深度神经网络；将两个训练过的自编码网络和深度神经网络结合到聚类算法上，使用聚类算法进行聚类任务。本发明联合深度神经网络和数据间的成对约束，通过自编码网络对输入数据进行降维操作和深度神经网络学习特征，同时重构网络模型的损失函数，有效提高了聚类算法的聚类精度。
神经网络成对约束编码器聚类聚类算法网络自编码神经网络学习降维操作损失函数网络模型差向量数据集联合构建重构样本输出

[发明专利]含有聚类拓扑耦合的神经网络脉冲同步方法及系统-CN202010344860.2有效
发明人：汤泽;轩德利 -专利权人：江南大学
申请日： 2020-04-27 - 公布日： 2023-06-16 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及一种含有聚类拓扑耦合的神经网络脉冲同步方法及系统,包括：建立具有随机扰动的孤立神经网络模型以及有多个聚类的导数耦合神经网络模型；根据所述孤立神经网络模型以及导数耦合神经网络模型建立误差网络模型，并根据所述误差神经网络模型拓扑结构和脉冲信号设计脉冲牵制控制器；根据所述误差网络模型选择相应的函数，并结合所述脉冲牵制控制器实现导数耦合神经网络模型和孤立神经网络模型之间的聚类同步；搭建神经网络模型并利用所述神经网络模型进行数值仿真，验证所述导数耦合神经网络模型和孤立神经网络模型之间的聚类同步效果。
含有拓扑耦合神经网络脉冲同步方法系统

[发明专利]一种基于单分类技术的图像类别增量学习方法-CN202010076321.5有效
发明人：侯春萍;丁杰轩;杨阳 -专利权人：天津大学
申请日： 2020-01-23 - 公布日： 2022-11-15 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于单分类技术的图像类别增量学习方法，包括下列步骤：数据集制作；初始分类神经网络搭建；步骤3：类增量学习神经网络搭建：对步骤2中初始分类神经网络进行修改，使初始分类神经网络具有类增量学习的功能：调整输出的类别以及类别数量参数，并将新类别图像的数据集放入指定文件夹中，训练类增量学习神经网络时，通过知识蒸馏算法来更新模型参数，即，融合蒸馏损失和交叉熵损失函数成为新的损失函数，此外在类增量学习神经网络中添加Bias correction结构，使类增量学习神经网络能够适应大规模的图像类别增量学习。
一种基于分类技术图像类别增量学习方法