“ann ”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534个，建议您升级VIP下载更多相关专利

[发明专利]一种基于人工神经网络的混沌控制方法-CN201710124947.7在审
发明人：夏春秋 -专利权人：深圳市唯特视科技有限公司
申请日： 2017-03-03 - 公布日： 2017-06-20 - 主分类号： G06N3/04 文献下载
摘要：本发明中提出的一种基于人工神经网络的混沌控制方法，其主要内容包括洛伦兹振荡器、蔡氏电路、人工神经网络(ANN)、使用ANN控制混沌，其过程为，先在面板上构建蔡氏电路，测试并获得示波器上显示的输出，用仿真分析程序重绘ANN各个部分的电子电路，ANN电路的输出连接到蔡氏电路，电路输出的一部分再反馈到ANN，相应地调整权重，ANN通过学习，调整蔡氏电路的参数，给出所需的输出。本发明采用人工神经网络(ANN)有效控制混沌系统，从混沌系统中获得所需的输出，提供了控制的稳定性，实现了自动化；混沌系统得到控制，使其可以实现在其他应用上的功能。
一种基于人工神经网络混沌控制方法

[发明专利]均衡延迟和精度的ANN-SNN转换方法、装置和介质-CN202310335378.6在审
发明人：梁秀波;傅嘉俊;葛超;王松 -专利权人：浙江大学软件学院（宁波）管理中心（宁波软件教育中心）
申请日： 2023-03-31 - 公布日： 2023-07-04 - 主分类号： G06N3/096 文献下载
摘要：本发明公开了一种均衡延迟和精度的ANN‑SNN转换方法、装置和介质，该方法首先对ANN网络进行修改，以获取修改好的ANN网络；然后对修改好的ANN网络进行训练，以获取训练好的ANN网络及其对应的权重和偏差；最后将训练好的ANN网络对应的权重和偏差复制到SNN网络对应的层中，并将SNN网络中的阈值参数修改为奖惩阈值，以获取转换后的SNN网络。本发明通过在原有的ANN‑SNN转换方法中引入奖惩阈值来达到推理延迟和推理精度的平衡，不仅可以在初始的时间步长中仅增加较少能耗就达到较高性能以及较高精度，并且在更大的时间步长中消耗更低的能量，减少由于提高的激活速率带来的能量消耗
均衡延迟精度 ann snn 转换方法装置介质

[发明专利]演化模仿学习-CN202180084096.2在审
发明人： E·库卢尔切洛;A·X·明·张 -专利权人：美光科技公司
申请日： 2021-12-09 - 公布日： 2023-08-15 - 主分类号： G06N3/086 文献下载
摘要：举例来说，计算系统根据代表将由人工神经网络(ANN)在执行任务时模仿的行为的第一实例数据使用监督机器学习技术来训练所述ANN。使用所述ANN产生代表所述ANN在执行所述任务时的行为的第一样本数据。所述计算系统使用演化算法技术修改所述第一样本数据，以根据经配置以选择所述ANN的所述行为的突变的准则产生第二样本数据。所述计算系统进一步使用所述监督机器学习技术根据所述第二样本数据训练所述ANN。
演化模仿学习

[发明专利]为人工神经网络实现的以处理从异构传感器接收到的异构数据的融合的NPU-CN202210452060.1在审
发明人：金錄元 -专利权人：蒂普爱可斯有限公司
申请日： 2022-04-27 - 公布日： 2022-11-18 - 主分类号： G06N3/063 文献下载
摘要：一种神经处理单元(NPU)包括控制器，该控制器包括调度器，该控制器被配置为从编译器接收包括融合ANN的人工神经网络(ANN)的机器代码，该机器代码包括融合ANN的数据局部性信息，并且该控制器被配置为接收来自与融合人工神经网络对应的多个传感器的异构传感器数据；被配置为执行包括卷积操作和至少一个特殊功能操作的融合ANN的融合操作的至少一个处理元件；特殊功能单元(SFU)，其被配置为执行融合ANN的特殊功能操作；以及片上存储器，其被配置成存储融合ANN的操作数据，其中所述调度器被配置为控制至少处理元件和片上存储器，使得融合ANN的所有操作根据数据局部性信息以预定序列进行处理。
人工神经网络实现处理传感器接收数据融合 npu

[发明专利]一种电极智能调节器及电极智能控制方法-CN201210505695.X有效
发明人：王代先;张巍;方树飙;俞江;陶百生 -专利权人：北京金自天正智能控制股份有限公司
申请日： 2012-12-03 - 公布日： 2013-04-03 - 主分类号： H05B7/144 文献下载
摘要：电极智能调节器装配有智能调节器设备和热备PLC设备，智能调节器设备的工控机中设有ANN控制模块和PID电极控制模块，ANN控制模块采用反向传播神经网络实现ANN炉况仿真器和ANN调节器，用于预测炉况信号和电极升降的控制信号电极智能控制方法在正常情况下先进行ANN炉况仿真器的在线训练，然后通过ANN调节器进行在线调节，ANN控制模块异常时，由PID电极控制模块输出的控制信号。
一种电极智能调节器控制方法

[发明专利]基于人工神经网络的数据位置用数据缓存支持高速人工神经网络操作的数据管理设备-CN202080007589.1在审
发明人：金錄元 -专利权人：蒂普爱可斯有限公司
申请日： 2020-06-04 - 公布日： 2021-08-27 - 主分类号： G06N3/063 文献下载
摘要：公开了一种数据缓存或数据管理设备，其用于在至少一个处理器和至少一个存储器之间高速缓存数据，并且支持由至少一个处理器执行的人工神经网络(ANN)操作。数据高速缓存设备或数据管理设备可以包括内部控制器，该内部控制器用于基于ANN操作的ANN数据局部性来预测下一数据操作请求。内部控制器从在至少一个处理器和至少一个存储器之间实际做出的数据操作请求中监视与ANN操作相关联的数据操作请求，从而提取ANN操作的ANN数据局部性。
基于人工神经网络数据位置缓存支持高速操作数据管理设备

[发明专利]存储器中的人工神经网络训练-CN202180062151.8在审
发明人： S·蒂库;P·卡利 -专利权人：美光科技公司
申请日： 2021-09-21 - 公布日： 2023-05-05 - 主分类号： G06N3/08 文献下载
摘要：可通过将错误引入到人工神经网络(ANN)中来训练所述ANN。引入到所述ANN中的所述错误和错误数量可基于存储器装置的基于年龄的特性。
存储器中的人工神经网络训练

[发明专利]一种基于ANN-LSTM的泊位预测方法-CN201911220715.7在审
发明人：岑岗;王佳晨;岑跃峰;徐增伟;马伟锋;张宇来;程志刚;徐昶;张晨光;蔡永平;吴思凡 -专利权人：浙江科技学院
申请日： 2019-12-03 - 公布日： 2020-03-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于ANN‑LSTM的泊位预测方法，按下述步骤进行：a、在LSTM模型前增加多层采用全连接形式的ANN，并在LSTM模型内加入随机丢弃层，完成ANN‑LSTM模型的构建；b、取目标停车场的停车泊位历史数，并对所述停车泊位历史数进行归一化处理形成数据集，以数据集中60‑90％的数据作为训练集，以数据集中10‑40％的数据作为测试集；c、将训练集输入至ANN‑LSTM模型进行训练；利用训练后的ANN‑LSTM模型进行目标停车场的车辆泊位预测，以测试集验证ANN‑LSTM模型的预测准确性本发明能够达到预测出停车场的泊位情况的目的，泊位情况的预测准确性高。
一种基于 ann lstm 泊位预测方法

[发明专利]一种考虑分布式电源影响的低压配电网负荷预测方法-CN202210291236.X在审
发明人：张衡;罗海荣;杨涌涛;李永亮;张春林;丁娟;张庆平;张星;黄鑫;高博;李学锋 -专利权人：国网宁夏电力有限公司电力科学研究院;国网宁夏电力有限公司银川供电公司
申请日： 2022-03-23 - 公布日： 2022-07-05 - 主分类号： G06Q10/04 文献下载
摘要：包括以下工作步骤：步骤一：基于含分布式光伏的低压电网用户负荷数据，选择输入、输出变量；步骤二：数据筛选与预处理，识别不寻常的观测变量和检测趋势；步骤三：将数据集分为训练数据集、验证数据集、测试数据集；步骤四：选择ANN模型参数，确定隐藏层个数、层数、传递函数和评价标准；步骤五：训练ANN模型；步骤六：实现ANN模型，并输出结果；其中，本技术方案将GROM运用于ANN模型中，其实现方式基于斐波那契函数，本发明的有益效果是，所提出的具有外部变量的ANN‑GROM预测模型可有效减少预测误差，对于给定的家庭用电数据，ANN‑GROM具有良好的预测结果。
一种考虑分布式电源影响低压配电网负荷预测方法

[发明专利]一种脉冲神经网络间接监督训练方法-CN202111024733.5在审
发明人：黄漪婧;吴志刚;沈伟;戴靠山;吴建军;廖光明;卫军名;周林;杨斌;张丁凡;张辉;周成刚;魏莞月;向光明;童波;朱瑞蒙 -专利权人：四川晟锦汇科技有限公司
申请日： 2021-09-02 - 公布日： 2022-01-07 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种脉冲神经网络间接监督训练方法，包括将人工神经网络ANN转化为脉冲神经网络SNN的方法，其特征在于：所述将人工神经网络ANN转化为脉冲神经网络SNN的方法包括以下步骤：选用ReLU()作为激活函数；将ANN中所有偏置置零之后进行训练；权值定点化。本发明的优点在于：将ANN间接监督的方式运用到SNN。
一种脉冲神经网络间接监督训练方法

[发明专利]用于识别图像的计算系统和方法-CN202011016489.3在审
发明人：朴柱熙;金冏荣;河相赫 -专利权人：三星电子株式会社
申请日： 2020-09-24 - 公布日： 2021-04-09 - 主分类号： G06N3/04 文献下载
摘要：所述计算系统包括：神经网络系统，被配置为获得输入图像，以输入图像作为人工神经网络(ANN)的输入样本驱动ANN来获得图像识别结果；以及量化系统，被配置为对ANN进行量化。
用于识别图像计算系统方法

[发明专利]用于对医学图像去噪的设备和方法-CN202211673946.5在审
发明人：刘毅康;孙善辉;陈德仁;陈章;陈潇 -专利权人：上海联影智能医疗科技有限公司
申请日： 2022-12-26 - 公布日： 2023-03-21 - 主分类号： G06T5/00 文献下载
摘要：训练第一人工神经网络(ANN)以根据所提供的目标噪声水平对输入医学图像去噪。第一ANN的训练通过将有噪输入图像与包括不同噪声水平的目标去噪图像配对来进行。在不同的训练迭代期间，使用第二ANN生成这些目标去噪图像作为第二ANN的中间输出。由此可见，第一ANN可以学习以无监督的方式执行去噪任务，而不需要无噪声的训练图像作为金标准。
用于医学图像设备方法

[发明专利]用于训练人工神经网络的系统和方法-CN201980092228.9在审
发明人：米哈伊尔·佐夫拉斯;马辛·加耶克 -专利权人：芯成半导体(开曼)有限公司
申请日： 2019-12-17 - 公布日： 2021-12-24 - 主分类号： G06N3/08 文献下载
摘要：计算设备接收在其上训练人工神经网络(ANN)的第一数据并且通过使用包括MRAM的第一RAM，执行第一训练迭代集以使用第一数据训练ANN，并且在执行第一训练迭代集之后，使用不同于MRAM的类型的第二RAM执行第二训练迭代集以使用第一数据训练ANN来训练ANN。计算设备存储所训练的ANN的值。所训练的ANN被配置为基于所存储的值对第二数据进行分类。
用于训练人工神经网络系统方法

[发明专利]具有集成随机存取存储器的深度学习加速器中的容错人工神经网络计算-CN202180050097.5在审
发明人： P·卡利 -专利权人：美光科技公司
申请日： 2021-08-03 - 公布日： 2023-05-09 - 主分类号： G06N3/063 文献下载
摘要：举例来说，集成电路装置可经配置以执行具有矩阵操作数的指令且经配置有随机存取存储器(RAM)以存储人工神经网络(ANN)的参数。所述装置可产生随机位误差以模拟在第一ANN输出的计算期间存取的所述RAM的一部分中的受损或毁坏存储器胞元。第二ANN输出与应用于从所述RAM的所述部分检索的所述数据的所述随机位误差一起产生。基于所述第一与第二ANN输出之间的差，所述装置可调整所述ANN计算以降低对所述RAM的所述部分中的受损或毁坏存储器胞元的敏感度。举例来说，所述敏感度降低可通过使用机器学习的ANN训练来执行。
具有集成随机存取存储器深度学习加速器中的容错人工神经网络计算

[发明专利]通过驾驶员转向行为来识别驾驶员处理技术的方法和系统-CN200710085562.0无效
发明人： Y·张;W·C·林;Y·－K·钦 -专利权人：通用汽车环球科技运作公司
申请日： 2007-03-12 - 公布日： 2007-09-12 - 主分类号： G09B9/04 文献下载
摘要：该系统还包括响应于标准化DFT系数的至少一个前馈人工神经网络(FF－ANN)，其中FF－ANN提供表示驾驶员技术水平的输出信号。在一个实施例中，该系统包括多个FF－ANN，多个不同车辆操纵的每一个有一个FF－ANN。该系统包括识别车辆操纵的操纵标识符。该系统根据所识别的操纵来选择来自一个FF－ANN的输出。在可替换的实施例中，该系统可包括为多个感兴趣的车辆操纵设计的单个FF－ANN。
通过驾驶员转向行为识别处理技术方法系统