“G06N3/04”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果9067个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度压缩感知的空间转录组方法及装置-CN202310514516.7在审
发明人：瞿昆;林俊;蒋辰 -专利权人：中国科学技术大学
申请日： 2023-05-08 - 公布日： 2023-10-03 - 主分类号： G06N3/0455 文献下载
摘要：本发明属于分子生物学和生物信息学领域，提供了一种自编码器，包含所述自编码器的压缩感知模型CSNet，基于深度学习的压缩感知方法，以及基于深度压缩感知的空间转录组方法及装置。基于本发明的基于深度压缩感知的空间转录组方法csFISH重构的数据不仅与smFISH技术相近，而且本发明成像所用时间仅仅是smFISH技术的1/28。并且，本发明的csFISH方法不仅可以只进行少量的采样即可恢复高维数据，还克服了光学拥挤的难题，能够用低倍镜更快速地成像。该方法在保证高质量数据的同时，极大提升了成像速度。
一种基于深度压缩感知空间转录方法装置

[发明专利]嵌入式设备的管理方法、装置、设备及存储介质-CN202310787319.2在审
发明人：张赛;汪然 -专利权人：京东方科技集团股份有限公司
申请日： 2023-06-29 - 公布日： 2023-10-03 - 主分类号： G06N3/0495 文献下载
摘要：本申请公开了一种嵌入式设备的管理方法、装置、设备及存储介质，属于嵌入式设备技术领域。该方法包括：获取参考数据，参考数据为需要实现目标功能的数据，目标功能通过神经网络模型实现，运行神经网络模型的设备的第一性能条件高于嵌入式设备的第二性能条件；将参考数据输入到集成在嵌入式设备内的模型库中，根据模型库的输出结果实现目标功能，模型库基于量化模型编译生成，量化模型由神经网络模型进行量化处理得到，运行量化模型的设备的第三性能条件不高于第二性能条件。该方法能够在嵌入式设备上实现目标功能，提高了嵌入式设备的智能化。
嵌入式设备管理方法装置存储介质

[发明专利]一种基于分布式优化的多FPGA协同训练神经网络方法-CN202310598533.3在审
发明人：尤鸣宇;任柏宇;周洪钧;何斌 -专利权人：同济大学
申请日： 2023-05-25 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本发明提出一种基于分布式优化的多FPGA协同训练神经网络方法，以上位机作为核心控制模块，利用以太网与FPGA通信，分配训练数据，最后回收训练参数；通过在单台FPGA上搭建卷积神经网络的训练单元，其包括神经网络基础单元的计算模块、控制运算的指令模块、以RAM作为缓存区的DDR‑RAM存储模块和以交叉熵函数为损失函数，建立目标协同优化全局目标函数，通过BP算法用梯度下降法更新训练参数的神经网络训练模块；在不同FPGA之间通过UART串口建立通信连接，传输必要的训练开始和结束的握手信号。通过对多台FPGA进行协同控制，并基于分布式优化算法进行卷积神经网络的训练，充分发挥了FPGA底层并行计算和低功耗的优势，并且兼容性较好，有利于推动CNN加速器技术的应用与进步。
一种基于分布式优化 fpga 协同训练神经网络方法

[发明专利]一种基于深度学习的HRRP有目标对抗样本生成方法-CN202010141577.X有效
发明人：黄腾;杨碧芬;闫红洋;姚炳健;陈湧锋 -专利权人：广州大学
申请日： 2020-03-03 - 公布日： 2023-10-03 - 主分类号： G06N3/0475 文献下载
摘要：本发明属于雷达图像识别领域，为基于深度学习的HRRP有目标对抗样本生成方法。包括：选取一个样本作为原始样本并初始化算法的参数；基于FGSM算法，采用迭代方法计算扰动并更新样本，当模型将对抗样本识别成目标类别时停止迭代；将该对抗样本剔除掉原始样本数据，获得所选样本的有目标扰动；继续迭代，当模型对目标类别的置信度提高到期望值时停止迭代，获得更新后的对抗样本；将对抗样本剔除掉原始样本数据，获得扰动；将扰动大小缩放到与给定的通用扰动功率相等，获得有目标通用扰动；将通用扰动添加至任意样本，生成对抗样本。该方法在基于深度学习的一维雷达距离像目标识别下，生成有目标对抗样本，为提高雷达目标识别安全性提供帮助。
一种基于深度学习 hrrp 目标对抗样本生成方法

[发明专利]一种发现大学生日常生活习惯的神经网络结构与方法-CN202010798992.2有效
发明人：周东波;喻宏伟;余雅滢;王小梅;涂悦 -专利权人：华中师范大学
申请日： 2020-08-11 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种发现大学生日常行为习惯的神经网络结构与方法，包括：获取大学生校园生活基本数据并存入数据库；对生活基本数据预处理工作，将数据分为不同数据集；针对所采集数据，构建基于特征的行为分类，获取数据分类结果；根据数据分类结果，先利用空间化图卷积网络分类模型，再引入基于注意力机制的图卷积神经网络结构与方法，建立学生行为习惯基于外显行为数据的发现机理与表示计算；针对习惯定性化描述中内容混杂的问题，利用神经网络模型输出的结果，构建习惯基于其外显行为的集合化表达与形式化描述。最终构建出行为习惯可发现模型，根据不同学生行为数据进行分析，可以解决教育数据深层次挖掘的问题，实现教育数据利用和分析。
一种发现大学生日常生活习惯神经网络结构方法

[发明专利]基于深层自编码网络的无线电干扰激发函数的预测方法-CN202310377116.6有效
发明人：何旺龄;魏宏宇;万保权;刘云鹏;陈启宇;刘冀邱;吕铎;干喆渊;王延召;张建功 -专利权人：华北电力大学（保定）;国家电网有限公司
申请日： 2023-04-10 - 公布日： 2023-10-03 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了基于深层自编码网络的无线电干扰激发函数的预测方法，包括以下步骤：将多个自编码器AE进行级联，采用逐层贪婪训练方式，将上一级AE的隐含层输出作为下一级AE的输入，构建具有堆栈自编码器和前馈神经网络的深层自编码网络，并对深层自编码网络进行无监督预训练与有监督微调，直至网络收敛；将深层自编码网络作为预测无线电干扰激发函数值的预测模型，通过采集高海拔地区的不同降雨条件、不同海拔高度和沙尘天气条件下的自变量参数，作为深层自编码网络的输入自变量，预测处于高海拔地区的交流输电线路的无线电干扰激发函数值；本发明提出的预测方法具有更高的预测精度，并为进一步预测不同环境下无线电干扰水平提供参考。
基于深层编码网络无线电干扰激发函数预测方法

[发明专利]神经网络自适应退出方法、装置、设备及可读存储介质-CN202211433435.6有效
发明人：邹暾;侯杰华;李益文;钟湘琼;刘煜;杨帆;崔建军;刘业鸿;崔凯;危志军;潘文静;尹华良;蒋惠春;段邦和;罗先学;李强 -专利权人：中国烟草总公司湖南省公司
申请日： 2022-11-16 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种神经网络自适应退出方法、装置、设备及可读存储介质，该方法包括步骤：获取待处理的图像数据，以及获取场景要求；将所述图像数据输入至多退出点网络模型；所述多退出点网络模型为基于图像训练样本和所述图像训练样本的信息标签对待训练的多分支网络模型进行迭代训练得到的，所述多分支网络模型共有预设数量个退出分支；选取所述多退出点网络模型中符合所述场景要求的退出分支，并基于所述退出分支，完成对所述图像数据的分类处理任务。本申请实现了获取待处理的图像数据，以及获取场景要求，将图像数据输入至多退出点网络模型，并选取该网络模型中符合场景要求的退出分支，以完成对所述图像数据的分类处理任务。
神经网络自适应退出方法装置设备可读存储介质

[发明专利]数据处理方法、装置、存储介质及芯片-CN202310903073.0有效
发明人：夏立超;丁维浩;陈健明;赵东宇;张法朝;牟小峰;唐剑 -专利权人：美智纵横科技有限责任公司
申请日： 2023-07-21 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本申请提出了一种数据处理方法、装置、存储介质及芯片，涉及模型处理技术领域。其中，数据处理方法，包括：在获取到特征数据集的情况下，将特征数据集存储至至少两个内存区域，至少两个内存区域中分别存储至少两组第一特征子集；读取至少两个内存区域中的第一特征子集，依次输入至第一处理模型中，以使第一处理模型依次输出第二特征子集；通过第二特征子集对特征数据集进行更新处理。通过本申请提供的技术方案可以提高对数据处理的效率。
数据处理方法装置存储介质芯片

[发明专利]数据处理方法、语音处理方法、装置、介质及芯片-CN202310906292.4有效
发明人：赵东宇;唐剑;丁维浩;夏立超;张法朝;牟小峰 -专利权人：美智纵横科技有限责任公司
申请日： 2023-07-24 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本申请提出了一种数据处理方法、语音处理方法、装置、介质及芯片，涉及计算机技术领域。数据处理方法包括：获取卷积处理后的第一数据的第一特征矩阵；根据目标矩阵地址和卷积参数，对第一特征矩阵进行转置卷积处理，得到第二特征矩阵，其中，目标矩阵地址为第二特征矩阵中第二矩阵元素的物理地址；根据第二特征矩阵确定第二数据。通过本申请提供的技术方案可以提高转置卷积的计算速度和计算效率。
数据处理方法语音处理装置介质芯片

[发明专利]一种面向模型生成文本重复退化现象的优化生成方法-CN202310919239.8有效
发明人：冯好国;徐青伟;严长春;裴非;范娥媚 -专利权人：北京知呱呱科技服务有限公司;知呱呱（天津）大数据技术有限公司
申请日： 2023-07-26 - 公布日： 2023-10-03 - 主分类号： G06N3/0475 文献下载
摘要：本申请公开了一种面向模型生成文本重复退化现象的优化生成方法，其中采用了注意转换（朝向反射）机制及其与注意力机制组合形成的注意机制，并引入遗传算法，丰富输入文本多样性，与神经网络注意机制结合，兼顾了模型的理解能力和生成能力，弱化了生成文本重复退化现象；当发生概率最优欺骗时，使得生成模型在朝向反射机制引入文本新异性基础上，进行注意力切换，减弱生成重复等无意义文本序列的概率，达到干预模型生成文本重复退化现象的目的；模型损失函数作为适应度函数，实现压缩和生成模型训练成为一个整体，能够学习到压缩和生成模型训练的内在关系并进行利用，有利于产出全局最优压缩文本和生成模型。
一种面向模型生成文本重复退化现象优化方法

[发明专利]一种用于车辆重识别的局部细化和全局强化网络-CN202310926540.1有效
发明人：郑美凤;王成;张峰;孙珂;李曦;周厚仁;庞希愚;周晓颖;田佳琛 -专利权人：山东交通学院
申请日： 2023-07-27 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：本发明涉及车辆重识别技术领域，具体地涉及一种用于车辆重识别的局部细化和全局强化网络，该网络为三分支网络，通过局部细化模块和全局强化模块来学习车辆的鉴别性的局部特征和全局特征。其中，局部细化模块旨在学习细化的局部表示，通过目标像素与其距离最近的像素的交互来捕获相邻像素间丰富的相关性信息；全局强化模块旨在学习强化的全局表示，首先将目标像素的注意力分散到各个窗口中来强调区域内重要的远程依赖，然后通过跨窗口交互聚集全局上有意义的远程连接。本发明局部细化模块和全局强化模块的相互配合，能够有效提取车辆的鉴别性的局部信息和整体信息。
一种用于车辆识别局部细化全局强化网络

[发明专利]卷积神经网络中的查找卷积层-CN201680085331.7有效
发明人：马立伟;宋继强 -专利权人：英特尔公司
申请日： 2016-06-03 - 公布日： 2023-10-03 - 主分类号： G06N3/0464 文献下载
摘要：实施例提供了一种处理器，包括用于加速卷积神经网络处理的逻辑，所述处理器包括：第一逻辑，所述第一逻辑用于对图像应用卷积层以生成第一卷积结果；以及第二逻辑，所述第二逻辑用于对所述第一卷积结果应用查找卷积层以生成第二卷积结果，所述第二卷积结果与所述第一卷积结果在全局过滤内核内的位置相关联。
卷积神经网络中的查找

[发明专利]用于多个自然语言处理(NLP)任务的联合多任务神经网络模型-CN201780068289.2有效
发明人：桥本和真;熊蔡明;R·佐赫尔 -专利权人：硕动力公司
申请日： 2017-11-03 - 公布日： 2023-10-03 - 主分类号： G06N3/0442 文献下载
摘要：所公开的技术提供了所谓的“联合多任务神经网络模型”，以在单个端到端模型中使用不断增长的层深度来解决各种日益复杂的自然语言处理(NLP)任务。通过考虑语言层级，将词表示直接连接到所有模型层，明确地使用较低任务中的预测，并应用所谓的“连续正则化”技术来防止灾难性遗忘，来连续训练该模型。较低级模型层的三个示例是词性(POS)标注层、语块划分层和依赖性解析层。更高级模型层的两个示例是语义相关性层和文本蕴涵层。该模型实现了关于语块划分、依赖性解析、语义相关性和文本蕴涵的最先进的结果。
用于自然语言处理 nlp 任务联合神经网络模型

[发明专利]用于神经网络的数据处理方法和装置-CN201810906496.7有效
发明人：施佳鑫;李慧敏;王勇 -专利权人：北京百度网讯科技有限公司
申请日： 2018-08-10 - 公布日： 2023-10-03 - 主分类号： G06N3/048 文献下载
摘要：本申请实施例公开了用于神经网络的数据处理方法和装置。神经网络中设置有至少一个激励函数。该方法的一具体实施方式包括：响应于获取当前数据的激励函数是目标函数，根据目标函数与预设函数之间的换算关系，将当前数据转换为预设函数的输入数据；在预设函数对应的查找表中，查找到以输入数据为输入的预设函数的第一输出数据；根据换算关系和第一输出数据，转换得到以当前数据为输入的目标函数的第二输出数据；输出第二输出数据。该实施方式可以通过预设函数来表达目标函数，从而免去为目标函数创建对应的查找表，进而有助于减低对存储空间的占用。而且在计算不同激励函数时，可以减少查找表的更换，有利于提升处理性能。
用于神经网络数据处理方法装置

[发明专利]一种基于事件数据和脉冲神经网络的目标跟踪方法-CN202310725451.0在审
发明人：马德;周烨;李一涛;胡有能 -专利权人：浙江大学
申请日： 2023-06-19 - 公布日： 2023-09-29 - 主分类号： G06N3/049 文献下载
摘要：本发明公开了一种基于事件数据和脉冲神经网络的目标跟踪方法，包括以下步骤：获取事件数据，并对事件数据进行事件帧的时间维度压缩处理，得到样本数据；将SiamFC网络进行结构调整转为脉冲神经网络，利用样本数据对SiamFC网络进行预训练后，将得到的权重和偏置迁移到脉冲神经网络来优化脉冲神经网络；获取实时事件数据并进行时间步长的调整处理得到搜索数据，利用优化的脉冲神经网络对搜索数据和模板数据进行推理和综合相似度估计，以得到实时目标跟踪结果。该目标跟踪方法通过与训练的SiamFC优化脉冲神网络，并基于FPGA加速脉冲神经网络，在低功耗下提高脉冲神经网络的目标跟踪的实时性和精度。
一种基于事件数据脉冲神经网络目标跟踪方法