“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]一种人脸识别方法-CN201810538697.6有效
发明人：杨通;杨宽;彭若波 -专利权人：南京开为网络科技有限公司
申请日： 2018-05-30 - 公布日： 2022-02-15 - 主分类号： G06V40/16 文献下载
摘要：本发明涉及一种人脸识别方法，包括以下步骤：第一步、读取人脸图像样本数据集；第二步、建立深度卷积神经网络，所述深度卷积神经网络中引入残差单元；第三步、利用梯度下降算法更新深度卷积神经网络参数，首先通过所述深度卷积神经网络将所述样本数据集的人脸图像映射成512维特征向量；计算损失函数及损失函数的梯度，所述损失函数由Softmax函数和A‑softmax函数加权构成，并根据损失函数的梯度下降距离是否小于预设阈值更新深度卷积神经网络的参数；第四步、通过更新参数后的深度卷积神经网络进行人脸识别本发明不但考虑了类间距离，而且考虑了类内距离，因此提高了人脸识别率。
一种识别方法

[发明专利]神经网络级间激活值量化方法及装置-CN201811257759.2在审
发明人：许震;谢波;张如高 -专利权人：博康智能信息技术有限公司
申请日： 2018-10-26 - 公布日： 2019-03-15 - 主分类号： G06N3/04 文献下载
摘要：一种神经网络级间激活值量化方法及装置，其中，所述方法包括：获取神经网络上一级激活层的激活值；根据激活值到各个聚类中心的距离确定激活值划分到的聚类中心；采用预设权重对划分到的聚类中心进行加权得到当前激活层的加权输入相对于现有技术中复杂的卷积运算，本发明提供的技术方案能够对神经网络在进行激活值量化时减少乘法运算负担，从而降低神经网络激活值量化复杂度，继而提高了量化运行效率。
激活神经网络量化激活层聚类中心加权乘法运算距离确定卷积运算运行效率复杂度权重预设

[发明专利]火灾发展态势预测方法、装置及计算机可存储介质-CN201910086844.5在审
发明人：王士承 -专利权人：深圳富桂精密工业有限公司
申请日： 2019-01-29 - 公布日： 2020-08-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出一种火灾发展态势预测方法，用于预测火灾发展态势，具体包括如下步骤：获取火灾的模拟数据；建立用于火灾发展态势预测的工程类深度学习模型神经网络；使用模拟数据训练神经网络；判断神经网络的输出值是否小于或等于预设误差阈值；若是，则停止训练神经网络，完成工程类深度学习模型；若否，重新获取火灾的模拟数据；利用工程类深度学习模型评估火灾发展态势，并根据评估结果输出决策方案。
火灾发展态势预测方法装置计算机存储介质

[发明专利]基于图神经网络的团伙发现方法和系统-CN201910403578.4有效
发明人：潘健民;张鹏 -专利权人：创新先进技术有限公司
申请日： 2019-05-15 - 公布日： 2023-07-18 - 主分类号： G06F16/901 文献下载
摘要：本公开提供了一种基于图神经网络的团伙发现方法，包括：获取客户属性数据和客户间资金关系数据；获取有标记黑样本客户的属性数据；基于客户属性数据和客户间资金关系数据，构建图神经网络中的节点和边；对图神经网络进行无监督训练，以将每个节点映射成低维向量，其中低维向量包括节点的图结构信息和邻居节点的特征信息；将低维向量进行聚类，以获取所聚类团伙；以及将有标记黑样本客户的属性数据输入图神经网络，计算所聚类团伙中有标记黑样本客户的密度
基于神经网络团伙发现方法系统

[发明专利]基于改进聚类的深度神经网络的压缩方法-CN201810075486.3在审
发明人：刘涵;马琰 -专利权人：西安理工大学
申请日： 2018-01-26 - 公布日： 2018-07-20 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了基于改进聚类的深度神经网络的压缩方法；首先通过剪枝策略将正常训练后的网络变为稀疏网络，实现初步的压缩，然后通过K‑Means++聚类得到每层权重的聚类中心，用聚类中心值来表示原始权重值实现权值共享，最后通过各层聚类来进行各层权重的量化，进行再训练更新聚类中心，实现最终的压缩。本发明通过剪枝、权值共享和权值量化三步，最终将深度神经网络整体压缩了30到40倍，并且精度有所提升。基于改进聚类的压缩方法简单有效，深度神经网络在不损失精度(甚至提升)的条件下实现了有效压缩，这使得深度网络在移动端的部署成为了可能。
聚类神经网络压缩聚类中心权重量化改进剪枝策略稀疏网络整体压缩共享剪枝网络移动更新部署

[发明专利]一种神经网络模型的激活函数生成方法-CN201710135545.7在审
发明人：刘华;钱生;吴斯 -专利权人：华南理工大学
申请日： 2017-03-09 - 公布日： 2017-09-01 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络模型的激活函数生成方法，步骤如下S1、选择多个不同的基本激活函数；S2、将步骤S1中选择的多个不同的基本激活函数进行组合作为神经网络模型的激活函数；S3、神经网络模型的激活函数随着神经网络模型的迭代通过反向传播的方式进行更新通过本发明方法生成的激活函数提高了神经网络模型学习非线性变化的能力，并且使得神经网络模型在测试阶段能够对不同的输入作出不同响应，改进了神经网络使用单一种类激活函数存在的不足。
一种神经网络模型激活函数生成方法

[发明专利]基于灰色关联度的多重BP神经网络负荷预测方法-CN201610323293.6有效
发明人：刘天琪;苏学能;焦慧明;何川 -专利权人：四川大学
申请日： 2016-05-16 - 公布日： 2022-04-15 - 主分类号： G06Q50/06 文献下载
摘要：本发明公开了一种基于灰色关联度的多重BP神经网络负荷预测方法，本发明方法包括：一、基于灰色关联度的负荷序列关联性分析；二、基于最短距离法聚类确定多重BP神经网络的成员集；三、基于有效性指标确定多重BP神经网络的重数；四、还引入了动量因子，并采用多次计算求平均值的方式，改善BP神经网络易陷入局部收敛的问题，提高其抗振荡能力；五、将建立的多重BP神经网络预测模型对短期电力负荷进行预测。本发明方法改善了BP神经网络易陷入局部收敛的问题，提高了其抗振荡能力，且多重BP神经网络相比传统BP神经网络预测模型，具有更好的预测效果。
基于灰色关联多重 bp 神经网络负荷预测方法

[发明专利]用于压缩神经网络中的权重的聚类压缩-CN201980031845.8在审
发明人：吉尔·J.C.A·巴克斯;尤金·M·范伯格 -专利权人：雷哥尼公司
申请日： 2019-02-13 - 公布日： 2021-01-08 - 主分类号： G06N3/08 文献下载
摘要：一种用于在计算系统上将卷积神经网络实例化的方法。所述卷积神经网络包括多个层，并且将所述卷积神经网络实例化包括：使用第一损失函数来训练所述卷积神经网络，直到达到第一分类准确度为止；将第一层的一组F×K个内核聚类为一组C个群集；使用第二损失函数来训练所述卷积神经网络，直到达到第二分类准确度为止；创建字典，所述字典将多个质心中的每一个映射到对应质心标识符；量化并压缩所述第一层的F个滤波器；将所述第一层的F个量化并压缩的滤波器存储在所述计算系统的存储器中；将所述第一层的F个偏差存储在所述存储器中；以及对由所述卷积神经网络接收的数据进行分类。
用于压缩神经网络中的权重

[发明专利]人脸识别方法-CN202010384361.6在审
发明人：吴同;达声蔚 -专利权人：上海齐感电子信息科技有限公司
申请日： 2020-05-08 - 公布日： 2021-10-01 - 主分类号： G06K9/00 文献下载
摘要：人脸识别方法，其中，采用基于深度学习的人脸识别算法，来对图像中的人脸区域进行人脸识别，包括：确定卷积神经网络的结构；根据卷积神经网络的结构，来将一个或多个卷积结果和/或输入数值归纳到在同一个坐标系下；根据卷积神经网络的结构，来将同一个坐标系下的一个或多个卷积结果和/或输入数值进行合并；根据所述合并的结果，来计算向下一层卷积神经网络传递时的移位和偏移量的量化结果。本发明将诸如ResNet类、GoogLeNet类或Inception‑ResNet类的高精度的卷积神经网络算法在保持原有分类、检测准确率的情况下，量化到一个低精度的数据来表示，从而将高精度的卷积神经网络部署在诸如智能手机
识别方法

[发明专利]基于一维卷积神经网络的雷达高分辨距离像目标识别方法-CN201710838721.3有效
发明人：陈渤;沈梦启;万锦伟 -专利权人：西安电子科技大学
申请日： 2017-09-18 - 公布日： 2021-01-19 - 主分类号： G01S13/89 文献下载
摘要：本发明公开了一种基于一维卷积神经网络的雷达高分辨距离像目标识别方法，思路为：确定Q个不同雷达，所述Q个不同雷达的检测范围内存在目标，并获取Q个不同雷达的高分辨雷达回波，然后从Q个不同雷达的高分辨雷达回波中获取Q类高分辨距离成像数据，并将Q类高分辨距离成像数据分为训练样本集和测试样本集，然后将Q类高分辨距离成像数据记为原始数据x；根据原始数据x，计算得到均值归一化处理后的数据x”'；设定一维卷积神经网络模型，使用训练样本集和均值归一化处理后的数据x”'对该一维卷积神经网络模型进行构建，得到训练好的卷积神经网络；使用测试样本集对训练好的卷积神经网络进行目标识别，得到基于一维卷积神经网络的雷达高分辨距离像目标识别结果
基于卷积神经网络雷达分辨距离目标识别方法

[发明专利]多类目标对象检测方法、装置、电子设备、存储介质-CN201910070496.2有效
发明人：肖潇;晋兆龙;张震国 -专利权人：苏州科达科技股份有限公司
申请日： 2019-01-24 - 公布日： 2021-05-14 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种多类目标对象检测方法、装置、电子设备、存储介质，多类目标对象检测方法，包括：训练第一神经网络模型以使第一神经网络模型输出准第一目标框和准第二目标框，准第一目标框指示第一类目标对象，准第二目标框指示第二类目标对象；训练第二神经网络模型，以使第二神经网络模型输出准第一目标框和准第二目标框的二级置信度及属性信息；将经训练的第一神经网络模型及经训练的、第二神经网络模型作为多类目标对象检测模型；将待检测图片输入多类目标对象检测模型本发明提供的方法及设备实现多类对象的同时检测。
类目对象检测方法装置电子设备存储介质

[发明专利]一种数据处理方法、装置和用于数据处理的装置-CN201910399736.3在审
发明人：王丹;崔欣;张扬 -专利权人：北京搜狗科技发展有限公司
申请日： 2019-05-14 - 公布日： 2020-11-17 - 主分类号： G06N3/04 文献下载
摘要：其中的方法应用于神经网络，所述神经网络包括：隐层和输出层；所述方法包括：通过所述神经网络的输出层执行：接收输入向量；所述输入向量由所述隐层提供；提供聚类向量；所述原始矩阵由所述隐层或者词嵌入层提供；所述聚类向量为对原始矩阵的第一维度进行聚类得到，所述原始矩阵的第二维度的数量等于所述输入向量的维数；依据所述聚类向量和所述输入向量，确定所述输入向量对应的概率。本发明实施例可以降低输出层的运算量，进而可以提高神经网络的运算性能和处理效率。
一种数据处理方法装置用于

[发明专利]基于fMRI图神经网络的帕金森抑郁辅助识别方法-CN202111264345.4在审
发明人：孙钰;符谦益;刘卫国;梁嘉炜;于淼 -专利权人：南京伯睿生命科学研究院有限公司
申请日： 2021-10-28 - 公布日： 2022-04-19 - 主分类号： G06T7/00 文献下载
摘要：本发明提供的一种基于fMRI图神经网络的帕金森抑郁辅助识别方法，读取受试者影像信息，提取受试者的磁共振扫描仪采集的MRI数据和文件并自动调用SPM12软件进行数据和文件的预处理；基于感兴趣区域，按照脑图谱使用皮尔逊相关系数指标对每个ROI时间序列之间做相关性分析，基于图论建立针对帕金森抑郁症状的有效特征模型；建立适用于帕金森抑郁的图神经网络PR‑GNN，将有效特征模型输入适用于帕金森抑郁的图神经网络PR‑GNN，输出分类结果，最终将受试者识别为健康类或PD无抑郁症状类或PD抑郁症状类；使用图神经网络PR‑GNN实现对未知被试的三分类预测，高效实用。
基于 fmri 神经网络帕金森抑郁辅助识别方法

[发明专利]一种基于双聚类自适应模糊神经网络的重量控制方法-CN202210272014.3在审
发明人：刘双飞;陈薇;陈梅;杨恺;刘辉;张建飞 -专利权人：合肥工业大学
申请日： 2022-03-18 - 公布日： 2022-06-17 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于双聚类自适应模糊神经网络的重量控制方法，是根据现场操作人员习惯，利用已有数据，在没有目标值记录以及专家提出经验的情况下，利用双聚类获得称重仓重量目标值以及称重仓重量偏差、偏差变化率、进料量偏差之间的模糊规则，并利用模糊神经网络对模糊规则进一步学习，最后得到双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的控制。本发明能自适应获取称重仓重量目标值，并学习操作人员经验以获得双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的实时控制。
一种基于双聚类自适应模糊神经网络重量控制方法

[发明专利]一种基于径向基神经网络的温度插值方法-CN201610163877.1有效
发明人：杜景林;沈晓燕;刘雅云;严蔚岚 -专利权人：南京信息工程大学
申请日： 2016-03-22 - 公布日： 2018-03-27 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于径向基神经网络的温度插值方法，首先对数据进行归一化处理，然后利用以“聚类中心距离”优化K‑means聚类算法中的“个体距离”的优化型K‑means聚类算法得到隐含层神经元个数、聚类中心和扩展常数本发明通过基于优化K‑means聚类算法的径向基神经网络温度插值算法，对初始聚类中心的选取进行改进，优化聚类方式，提高聚类效率，改善数据插值精度，从而优化了基于K‑means聚类算法的径向基神经网络温度插值的插值精度和效率
一种基于径向神经网络温度算法