“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RBF径向基神经网络的电网公司分类方法-CN201910853706.5在审
发明人：司为国;朱炯;张博;张玉鹏;赵开;郭小茜;张浩;俞成彪;严志毅;闫宇铎;曹杰人;金仁云;宋惠忠;李骏;柳志军;唐鸣;张益军;施萌;张俊;侯伟宏;钟晓红;何可人;高瑾;吴颖;陈晨;厉律阳;徐国锋;章晨璐;朱小炜;孙远;向新宇;华玫;沈志强;朱坚;孙建军;仲从杰;毛无穷;刘磊 -专利权人：国网浙江省电力有限公司杭州供电公司
申请日： 2019-09-10 - 公布日： 2020-02-14 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提出了基于RBF径向基神经网络的电网公司分类方法，包括从公司状态数据中选取h个聚类中心；调用k‑means算法基于样本点集合重新计算得到聚类中心；构造RBF径向神经网络模型，对已得到聚类中心进行重新计算得到RBF径向神经网络模型的输出分类结果。通过利用RBF神经网络对电网行业中多特征的数据进行分类筛选，有助于避免陷入局部最优解，得到更好的分类效果。
聚类中心径向神经网络重新计算径向基神经网络电网分类结果分类效果公司分类状态数据样本点最优解调用算法集合筛选输出分类申请

[发明专利]一种基于分布式类脑图的深度神经网络模型加固方法-CN202111234229.8在审
发明人：陈晋音;陈宇冲;贾澄钰;郑海斌;金海波 -专利权人：浙江工业大学
申请日： 2021-10-22 - 公布日： 2022-02-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于分布式类脑图的深度神经网络模型加固方法，通过将关键路径应用在分布式类脑图上生成主干类脑图以对该路径上的传播过程和节点行为进行更有效的约束例如构建新的梯度损失函数来减弱噪声的传播，从而在关键路径指导的主干类脑图上利用特征路径长度和参与系数等图网络指标生长成新的鲁棒的类脑图结构重构回模型本发明方法使用类脑图展现了与生物神经网络更紧密的联系性，只对神经网络中一些关键神经元进行了操作，极大保留了神经网络的完整性。
一种基于分布式类脑图深度神经网络模型加固方法

[发明专利]硬件神经网络转换方法、计算装置、软硬件协作系统-CN201610865581.4有效
发明人：张悠慧;季宇 -专利权人：清华大学
申请日： 2016-09-29 - 公布日： 2019-05-03 - 主分类号： G06N3/063 文献下载
摘要：将神经网络应用转换为满足硬件约束条件的硬件神经网络的硬件神经网络转换方法、计算装置、编译方法、神经网络软硬件协作系统，该方法包括：获得神经网络应用对应的神经网络连接图；将神经网络连接图拆分为神经网络基本单元；将每个神经网络基本单元转换为与之功能等效的由神经网络硬件的基本模块虚拟体连接成的网络；将得到的基本单元硬件网络按照拆分的顺序连接起来，生成硬件神经网络的参数文件。本发明提出了一种全新的神经网络和类脑计算的软硬件体系，在神经网络应用和神经网络芯片之间加上了一个中间编译层，解决了神经网络应用与神经网络应用芯片之间的适配问题，同时解耦合了应用和芯片的开发。
硬件神经网络转换方法计算装置编译软硬件协作系统

[发明专利]神经网络模型的训练方法及装置、数据的分类方法及装置-CN202010661797.5在审
发明人：李阳;蒋宁;曾定衡;赵立军 -专利权人：马上消费金融股份有限公司
申请日： 2020-07-10 - 公布日： 2020-11-03 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种神经网络模型的训练方法及装置、数据的分类方法及装置，其中，该方法包括：从样本数据中的第一类数据中确定第一目标数据；样本数据还包括第二类数据；将第一目标数据和第二类数据作为第一训练样本输入初始神经网络模型进行训练，得到第一神经网络模型；将第一类数据中剔除第一目标数据后的第一剩余数据作为第一测试样本对第一神经网络模型进行测试，得到测试结果；基于第一神经网络模型及根据第二类数据和测试样本确定的训练样本，进行N次模型训练，得到第一目标神经网络模型；训练样本包括第二类数据和目标数据，本技术方案提高了利用不平衡数据进行训练后的模型对数据进行分类的准确率。
神经网络模型训练方法装置数据分类

[发明专利]一种文本聚类方法、装置、设备及可读存储介质-CN201810763151.0在审
发明人：曾广移;李德华;巩宇;卢勇;丁钊;杨小龙;梁莉雪;黄小凤;王晓翼;杨宗强 -专利权人：南方电网调峰调频发电有限公司
申请日： 2018-07-12 - 公布日： 2018-11-20 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种文本聚类方法，应用于分布式集群中的服务器，包括：获取待聚类的目标源文本；采用最大概率法提取目标源文本中的文本特征，获得目标数据；从自身缓存中读取预设的神经网络训练模型；根据神经网络训练模型和神经网络算法该方法应用于分布式集群，且在聚类过程中，神经网络训练模型产生的中间结果存储于服务器的缓存，因而提高了文本聚类的数据量和效率；同时，神经网络算法提高了聚类结果的准确性。相应地，本发明公开的一种文本聚类装置、设备及可读存储介质，也同样具有上述技术效果。
文本聚类神经网络训练目标源可读存储介质神经网络算法缓存分布式集群目标数据文本服务器读取技术效果聚类分析聚类过程聚类结果模型产生文本特征中间结果最大概率数据量聚类预设存储应用

[发明专利]一种基于K-means聚类与RBF神经网络的车速预测方法-CN202011617222.X有效
发明人：郑伟光;辛伟伟;许恩永;何水龙;覃记荣;韦尚军 -专利权人：桂林电子科技大学;东风柳州汽车有限公司
申请日： 2020-12-30 - 公布日： 2022-11-01 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于K‑means聚类与RBF神经网络的车速预测方法，包括，采集历史工况数据进行预处理，形成RBF神经网络训练集；将所述训练集划分为若干个工况块，提取每个工况块的特征参数，基于K‑means聚类算法将所述工况块聚类为三个独立的簇；利用所述K‑means聚类算法构建RBF神经网络速度预测模型，根据划分聚类的所述独立簇进行训练；训练结束的所述预测模型识别前方道路状况，并选择相应的RBF神经网络进行预测本发明主要应用于基于模型预测控制的能量管理策略，通过K‑means聚类与RBF神经网络对车速的实时预测，有效的提高了车辆速度预测精度，从而进一步提升车辆的燃油经济性。
一种基于 means rbf 神经网络车速预测方法

[发明专利]一种基于深度学习和聚类的语义图像分割方法及系统-CN202010047315.7有效
发明人：郭丽;刘知贵;张小乾;白克强;薛旭倩;刘道广;李理;张活力;吴均;付聪;喻琼 -专利权人：西南科技大学
申请日： 2020-01-16 - 公布日： 2022-12-27 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于深度学习和聚类的语义图像分割方法和系统，包括以下步骤：S1:通过卷积神经网络，对原图像进行卷积和池化，得到原图像的线性特征矩阵；S2:将所述线性特征矩阵，进行子空间聚类，得到聚类后的特征数据；S3:将所述聚类后的特征数据，通过反卷积和上采样，处理至与原图像相同的像素，得到分割后的图像。本发明将深度神经网络中的卷积神经网络(CNN)与子空间聚类相结合，又用稀疏子空间替代CNN中全连接层的方式，解决了现有技术中语义图像分割计算复杂，数据量大而信息贫乏的问题。在神经网络中引入子空间聚类方法，减少了CNN工作时需要的大量标记数据，实现对CNN神经网络的无监督学习。
一种基于深度学习语义图像分割方法系统

[发明专利]一种基于迁移学习和流形距离的SOM网络聚类机电设备轴承故障分析方法-CN202110236874.7在审
发明人：徐岳;杨富超 -专利权人：安徽大学
申请日： 2021-03-03 - 公布日： 2021-10-12 - 主分类号： G06F30/17 文献下载
摘要：本发明涉及迁移学习和自适应神经网络聚类轴承故障分析技术领域，公开了一种基于迁移学习和流形距离的SOM网络聚类机电设备轴承故障分析方法。具体过程如下：原始采集信号经过CEEDAN及FastICA技术除噪处理形成重构原信号，将其作为SOM自适应神经网络的输入；在SOM网络中，考虑利用流形距离计算相似度矩阵，并引入迁移学习模型机制，将数据样本的源域和目标域的SOM神经网络节点的权重参数共享，通过源域训练结果优化目标域聚类任务函数及神经元权重；通过SOM神经网络目标域输出层结果完成目标域样本的聚类任务，得到聚类结果，输出机械故障诊断类型。
一种基于迁移学习流形距离 som 网络机电设备轴承故障分析方法

[发明专利]一种基于多种算法融合的聚类方法-CN202210811159.6在审
发明人：王栋;张俊良;刘杰 -专利权人：北京容联易通信息技术有限公司
申请日： 2022-07-11 - 公布日： 2022-11-15 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种基于多种算法融合的聚类方法，包括：针对电话营销时进行沟通的语句进行收集获得电话营销的语料，并进行数据预处理；针对数据预处理后的训练语料通过神经网络模型BERT进行迭代计算，得到迭代过程中的损失值，然后反向传播梯度到神经网络的参数中，根据更新原则更新神经网络模型BERT中网络的权重值，得到神经网络模型BERT的优化模型；将预处理后的待聚类语料通过神经网络模型BERT优化模型进行特征信息提取，获得电话营销的语料中待聚类语料的特征信息向量，并针对电话营销的语料中待聚类语料的特征信息向量采用t‑SNE降维得到降维结果；将降维结果作为k‑means聚类的输入信息，针对降维结果进行k‑means聚类，通过更新迭代中心点得到最终聚类结果。
一种基于多种算法融合方法

[发明专利]神经网络系统的构建方法-CN202210309299.3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：提供了神经网络系统的构建方法。所提供的方法包括：第一类基础感知单元根据其包括的协同计算系统配置信息，配置协同计算系统，其中第一类基础感知单元配置构成协同计算系统的多个神经网络的神经元的来源，构成协同计算系统的多个神经网络各自的拓扑结构与初始权重，以及构成协同计算系统的多个神经网络之间的连接关系。
神经网络系统构建方法

[发明专利]一种基于聚类特征提取的目标分布式识别方法-CN202010735723.1有效
发明人：赵生捷;郑琦斌;马勇;王明文;赵伟;李瑞瑞 -专利权人：同济大学;江西师范大学;北京富通东方科技有限公司
申请日： 2020-07-28 - 公布日： 2022-11-18 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于聚类特征提取的目标分布式识别方法，包括：步骤1：训练深度神经网络，获得深度神经网络模型；步骤2：将深度神经网络模型划分为N边和N域两个子神经网络模型，获得拆分后的深度神经网络模型；步骤3：将N边和k‑means聚类子模型部署在边缘设备，将N域部署于边缘域中心，获得分布式深度神经网络模型；步骤4：对分布式神经网络模型进行优化，获得优化后的分布式深度神经网络模型；步骤5：使用步骤4中优化后的分布式深度神经网络模型完成目标分布式识别与现有技术相比，本发明具有在边缘侧应用神经网络，实现目标识别、数据传输量低，识别速度快，在降低系统总体能耗与处理时间的同时，也保证了目标识别的精度等优点。
一种基于特征提取目标分布式识别方法

[发明专利]神经网络计算方法和系统及相应的双神经网络实现-CN201810550516.1有效
发明人：刘一楠 -专利权人：赛灵思电子科技（北京）有限公司
申请日： 2018-05-31 - 公布日： 2022-10-18 - 主分类号： G06V40/16 文献下载
摘要：提出了一种神经网络计算方法、系统及相应双网络实现。所述计算方法，包括：获取神经网络计算的输入，所述输入包括两个或以上类别的特征；基于第一类别神经网络提取所述输入针对所述第一类别的第一特征；基于第二类别参考神经网络提取所述输入针对所述第二类别的第二参考特征；将所述第二参考特征引入所述第一特征以去除所述第一特征中第二特征的影响；以及基于叠加了所述第二参考特征的所述第一特征完成针对所述第一特征的神经网络分类计算。本发明通过在将经由神经网络求取的特征向量送入分类器之前，与相关参考特征向量相叠加来去除相关特征对目标特征的分布影响，由此提升分类准确率。
神经网络计算方法系统相应实现

[发明专利]一种卷积神经网络生成方法、年龄识别方法及相关装置-CN201610925676.0有效
发明人：曾志勇;许清泉;张伟;傅松林 -专利权人：厦门美图之家科技有限公司
申请日： 2016-10-24 - 公布日： 2019-05-03 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种用于对图像中的人脸进行年龄识别的卷积神经网络的生成方法、年龄识别方法、相关装置及计算设备，所述卷积神经网络的生成方法包括：对第一卷积神经网络进行训练，第一卷积神经网络中包括依次相连的多个卷积组、多个全连接层和第一分类器；将训练好的第一卷积神经网络中的部分全连接层和第一分类器进行相应的替换，生成第二卷积神经网络并对其进行训练；向训练好的第二卷积神经网络添加新的全连接层和分类器，以生成第三卷积神经网络并进行训练；向训练好的第三卷积神经网络添加新的全连接层和分类器，以生成第四卷积神经网络并进行训练。其中，在对上述各卷积神经网络进行训练前，可对用于训练的人脸图像信息进行预先处理。
一种卷积神经网络生成方法年龄识别相关装置

[发明专利]基于聚类与神经网络的智能变电站通信网络状态评价方法-CN201811302935.X有效
发明人：郑永康;李凯;谭夕柳;刘勇;周竞峰;陈长清;姜华;李红军;陆旭;朱祚恒;贾虎;陈运华;陈小平;王晓涛;周召均;杨凯;蒲敏;周文越;朱鑫;潘南西;张艺 -专利权人：国网四川省电力公司电力科学研究院;国网四川省电力公司攀枝花供电公司;国网四川省电力公司阿坝供电公司;国网四川省电力公司内江供电公司
申请日： 2018-11-02 - 公布日： 2022-05-13 - 主分类号： H04L41/14 文献下载
摘要：本发明公开了基于聚类与神经网络的智能变电站通信网络状态评价方法，本发明采用层次分析法得到的权值带入标准欧几里得距离空间算法用于数据的降维，然后利用聚类方法将网络异常状态分成5类，将分类结果作为神经网络模型训练样本的理想输出依据，最后搭建了基于9个评价指标的神经网络模型，并对智能变电站通信网络进行了状态评价。本发明利用聚类和模糊神经网络结合的评价模型能有效的对状态进行评价，能够很好地刻画各影响因素间的相互作用，且能够获得更加实时和准确的评价结果。
基于神经网络智能变电站通信网络状态评价方法

[发明专利]一种基于Petri网可达图解释的业务流程预测方法-CN202210727469.X在审
发明人：曾庆田;曹蕊;倪维健;鲁法明;李超;郭文艳;段华;赵华;林泽东;宋戈;周长红;刁秀丽;温彦 -专利权人：山东科技大学
申请日： 2022-06-24 - 公布日： 2022-10-14 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于Petri网可达图解释的业务流程预测方法，属于业务流程管理技术领域，首先，技术专家通过构建Petri网生成可达图和变迁序列集合；其次，利用变迁序列集合训练循环神经网络，并获取循环神经网络的隐状态，进而得到隐状态解码类；建立映射关系，将Petri网可达图的可达状态集合映射到循环神经网络的隐状态解码类上；最后，通过可解释的循环神经网络模型，加上一层全连接神经网络完成预测性业务流程监控。本发明提出了基于Petri网可达图的循环神经网络内部状态解释的新方法，有效地提高了循环神经网络内部状态可解释性，并实现了业务流程变迁序列未来状态预测。
一种基于 petri 网可达图解业务流程预测方法