专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
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]基于KL散度的FPGA离线量化方法-CN202010652930.0有效
  • 王典 - 上海雪湖科技有限公司
  • 2020-07-08 - 2023-09-29 - G06N3/0495
  • 本发明涉及到FPGA离线量化技术领域,尤其涉及到一种基于KL散度的FPGA离线量化方法,包括导入模型,模型导入之后需要对模型进行解析以提取和合并网络的层结构,获取需要量化的层输出、权重节点名称;将图像数据进行数据预处理,并作为输入进行数据量化,同时结合层输出、权重节点名称获取量化的层输出、权重数据;对所述的权重数据求最大最小值、量化缩放尺度和量化零点;最后通过KL散度求截断数据阈值,求出量化缩放尺度和量化零点。本发明通过KL散度对原始输出数据量化范围进行截断,避免分布较为稀疏点对量化精度的影响,采用KL散度进行度量,确定不同量化区间的信息损失,确定信息损失最小的数据范围进行量化。
  • 基于klfpga离线量化方法
  • [发明专利]一种面向列车传动系统的类脑持续学习故障诊断方法-CN202211498411.9有效
  • 秦勇;王彪;丁奥;贾利民;程晓卿;田寅;赵雪军 - 北京交通大学
  • 2022-11-28 - 2023-09-29 - G06N3/0464
  • 本发明提供了一种面向列车传动系统的类脑持续学习故障诊断方法。该方法模拟了人脑神经突触的记忆与新生,设计了类突触表征结构的生长机制,以实现类脑持续学习的列车传动系统故障诊断。具体地,冻结原有特征提取分支并配合少量旧类样本示例缓解“灾难性遗忘”;同时引入新的特征提取分支,为模型提供可塑性,在多目标损失函数引导下,学习新故障特征,提升模型学习能力上限。此外,该机制集成了端到端的网络剪枝,根据任务难度而动态调整结构生长规模,缓解渐进学习过程中模型的结构化冗余问题。本发明提出的方法,可以高精度、高实时性拓展可诊断故障的边界,对提升基于深度学习的轨道车辆传动系统智能故障诊断模型的应用潜力具有重要意义。
  • 一种面向列车传动系统持续学习故障诊断方法
  • [发明专利]生物大脑中意识学习的发展网络模型-CN202310285729.7在审
  • 翁巨扬 - 间尼赛码(深圳)科技有限公司
  • 2023-03-22 - 2023-09-26 - G06N3/0475
  • 本发明涉及一种生物大脑中意识学习的发展网络模型。大脑是如何工作的、学习的?它的意识是如何产生的?学习需要意识吗?这四个问题的整体计算模型在很大程度上仍然缺失。为了整体地和近似地解决以上四个问题,本发明由一个发育网络3(DN‑3)组成,它从单个细胞开始生长并经历产前发育和产后发育,具有适用于任何意识的完全流动的系统结构。大脑排版在封闭的颅骨内自动地进行。此网络通过即时活动变得越来越有意识。本发明提供了一个令人惊讶的洞察力,即意识是如何为大脑在每个瞬间的学习所递归必要的,称为“意识学习”。本生物模型在视觉、听觉、自然语言理解和规划方面得到了DN‑1和DN‑2机器学习实验的计算支持——所有这些实验都没有称为后选择的协议缺陷。
  • 生物大脑意识学习发展网络模型
  • [发明专利]一种预测用卷积神经网络的去噪方法-CN202310812141.2在审
  • 杨昆;李民;刘琨;刘爽;薛林雁;张轩旗;许天笑 - 河北大学
  • 2023-07-04 - 2023-09-26 - G06N3/0464
  • 本发明公开了一种预测用卷积神经网络的去噪方法,包括以下步骤:S1:对肾癌患者的PET/CT图像进行预处理;S2、输入处理后的图像,利用去噪算子的ResNet网络训练PET/CT肾癌图像处理模型;S3:使用PGD‑20获取步骤S2中训练的模型的梯度,产生成对抗样本;S4:将对抗样本作为输入,再次训练加入了去噪部分的ResNet网络模型;S5:使用黑盒攻击和白盒攻击测试步骤S4中训练好的模型的对抗攻击防御能力和鲁棒性。本发明采用上述的一种基于对抗训练和鲁棒卷积神经网络的预测用卷积神经网络的去噪方法,使PET/CT肾癌检测的卷积神经网络具有防御对抗攻击的能力,且具有良好的鲁棒性。
  • 一种预测卷积神经网络方法
  • [发明专利]无人集群自主动态评估方法及装置-CN202311079776.2在审
  • 于海跃;姜江;孙建彬;唐帅文;赵蕊蕊;陶敏 - 中国人民解放军国防科技大学
  • 2023-08-25 - 2023-09-26 - G06N3/0464
  • 本发明提供了一种无人集群自主动态评估方法及装置,方法包括:采集无人集群的基础数据,获取初始测试数据集和测试集,所述基础数据包括无人集群的指标数据和与各指标数据对应的实际协同搜索能力;基于所述初始测试数据集应用数据增强方法获取增强训练数据集,并基于所述增强训练数据集以及所述测试集分别自适应神经网络模型进行模型训练和测试,完成所述自适应神经网络模型的构建;应用训练后的所述自适应神经网络模型根据输入的无人集群系统的指标数据预测无人集群系统的协同搜索能力。通过以上方式,本发明能够提高无人集群自主动态评估的性能,更加适用于协同工作的复杂环境。
  • 无人集群自主动态评估方法装置
  • [发明专利]3D卷积神经网络在神经网络处理器上的处理方法和装置-CN202010820483.5有效
  • 黄斌 - 杭州海康威视数字技术股份有限公司
  • 2020-08-14 - 2023-09-26 - G06N3/0464
  • 本申请提供3D卷积神经网络在神经网络处理器上的处理方法和装置。本申请中,将图序列在时间维度上拆分后与P3D卷积层的第一卷积核进行第一次卷积运算,得到多个第一2D特征图,然后将第一2D特征图划分后再拼接到通道维度上,得到多个2D拼接图;同时,将P3D卷积层的第二卷积核在时间维度上的数据拼接到通道维度上,得到2D拼接卷积核,并基于该2D拼接图和2D拼接卷积核进行第二次卷积运算。由此,神经网络处理器实现了支持3D神经网络的卷积处理。同时,本申请还将P3D池化层进行池化操作步骤的转换,分别进行了第一池化操作和第二次池化操作,实现了神经网络处理器支持3D卷积神经网络的池化处理。
  • 卷积神经网络处理器处理方法装置
  • [发明专利]一种不完全信息的配电网高容错故障研判方法-CN202211517106.X有效
  • 高艺文;苏学能;张华;龙呈;李世龙 - 国网四川省电力公司电力科学研究院
  • 2022-11-30 - 2023-09-26 - G06N3/0464
  • 本发明公开了一种不完全信息的配电网高容错故障研判方法,包括如下步骤:步骤1):采集电网公司的网架信息与历史故障数据信息;步骤2):根据步骤1)中的配电网的三相电压幅值信息,实行配电网拓扑结构变动检测的启动条件,对拓扑结构变动的关键性特征进行深入挖掘,实行三种研判数据,并采用模糊集理论进行三相电压幅值信息不完全情况下的配电网拓扑结构识别;步骤3):将步骤1)中的故障三相电流信息处理生成健全数据集与不健全数据集,基于这两个数据集来训练具有信息补全功能的图神经网络;步骤4):模型训练完毕后,输入配电网的实时故障数据进行故障诊断并根据完整信息进行故障研判,本发明的有益效果:对不完全信息下的配电网故障准确的研判。
  • 一种不完全信息配电网容错故障研判方法
  • [发明专利]数据处理方法、装置、电子设备和可读存储介质-CN202210759100.7有效
  • 张婉平 - 北京百度网讯科技有限公司
  • 2022-06-29 - 2023-09-26 - G06N3/04
  • 本公开提供了一种数据处理方法、装置、电子设备和可读存储介质,涉及人工智能技术领域,具体为深度学习、图像处理、自然语言处理、计算机视觉等技术领域。数据处理方法包括:获取待处理数据的向量序列;基于查询计算矩阵与查询计算分支矩阵,得到所述向量序列的目标查询矩阵;基于键计算矩阵与键计算分支矩阵,得到所述向量序列的目标键矩阵;基于值计算矩阵与值计算分支矩阵,得到所述向量序列的目标值矩阵;基于所述目标查询矩阵、所述目标键矩阵与所述目标值矩阵进行注意力计算,得到所述待处理数据的注意力计算结果。本公开能够提升注意力计算的准确性。
  • 数据处理方法装置电子设备可读存储介质
  • [发明专利]基于生成对抗网络的稀疏码本多址编解码系统-CN202210869574.7有效
  • 段超;罗俊;张书月;尹盼盼;李星星 - 广州工商学院
  • 2022-07-21 - 2023-09-26 - G06N3/0455
  • 本发明公开了一种基于生成对抗网络的稀疏码本多址编解码系统,涉及网络编码技术领域。所述稀疏码本多址编解码系统包括SCMA TPGAN系统的编码端和SCMA TPGAN系统解码端,该基于生成对抗网络的稀疏码本多址编解码系统,可以减少网络模型参数量和运算量,生成对抗网络在约束信息生成方面表现出了较好的潜力,针对稀疏码多址码本接入系统的误码率性能的问题,基于生成对抗网络框架,提出通过构建PatchGAN作为判别器网络。PatchGAN与SRGAN的判别器网络部分相比,PatchGAN输出的是一个N×N的矩阵。在SRGAN可以提高重建信息质量的基础上,将输入信息以信息块的形式进行处理,可以减少参数量和运算量,以解决收敛慢的问题。
  • 基于生成对抗网络稀疏多址编解码系统
  • [发明专利]图像生成模型的训练方法、装置、设备及存储介质-CN202310812476.4有效
  • 郭卉 - 腾讯科技(深圳)有限公司
  • 2023-07-04 - 2023-09-26 - G06N3/0455
  • 本申请公开了一种图像生成模型的训练方法、装置、设备及存储介质,涉及人工智能技术领域。所述方法包括:获取图像生成模型的训练样本集,训练样本集中包括至少一个图文对;通过表征提取模块生成人物名称对应的人物表征;通过扩散模型的前向过程,生成随机噪声图像对应的隐空间表征;通过扩散模型的后向过程和旁路模块,根据人物表征和隐空间表征,生成人物名称对应的预测图像;根据预测图像和人物图像之间的差异,对表征提取模块和旁路模块的参数进行调整,得到训练后的图像生成模型。本申请通过对表征提取模块和旁路模块进行训练,避免对经过预训练的扩散模型再次进行训练而导致模型产生过拟合的问题,提升了模型生成的图像质量。
  • 图像生成模型训练方法装置设备存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top