“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]基于卷积神经网络的数据处理方法、装置及设备-CN202111485818.3在审
发明人：胡宇;李天元;刘嘉超;刘兰个川 -专利权人：广州小鹏自动驾驶科技有限公司
申请日： 2021-12-07 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种基于卷积神经网络的数据处理方法、装置及设备。该方法应用于处理器，包括：将输入数据通过预处理得到预处理数据；在卷积神经网络中根据不同逻辑运算需求，将所述预处理数据通过不同逻辑运算单元的卷积计算层和激活函数层进行处理，得到逻辑运算单元的运算数据；将所述运算数据经过后处理得到输出数据。本申请提供的方案，能够实现在神经网络芯片上执行逻辑运算处理，可以提升神经网络芯片的硬件资源利用率和丰富神经网络芯片的芯片功能，降低神经网络芯片的开发成本和使用成本。
基于卷积神经网络数据处理方法装置设备

[发明专利]一种基于CNN和BILSTM的船舶轨迹预测方法-CN202111349534.1在审
发明人：李芃;陈赛;孙宏放;张兰勇;李奕霏;刘洪丹 -专利权人：哈尔滨工程大学;哈尔滨工程大学青岛船舶科技有限公司
申请日： 2021-11-15 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于CNN和BILSTM的船舶轨迹预测方法。步骤1：对信息数据进行预处理；所述信息数据为通过船舶AIS采集的包括经度、纬度、航向和航速；步骤2：将步骤1中预处理后的信息数据划分训练集和测试集；步骤3：将步骤2的训练集导入到卷积神经网络CNN中进行特征提取；步骤4：将步骤3提取到的特征和训练集的数据结合构成轨迹预测的输入数据；步骤5：将步骤4的输入数据导入到BILSTM神经网络模型进行学习，获得轨迹数据中的隐含的船舶运动规律模型；步骤6：利用步骤5的模型进行船舶的轨迹预测。本发明用以解决复杂水上交通环境下船舶轨迹预测准确率较低的问题。
一种基于 cnn bilstm 船舶轨迹预测方法

[发明专利]基于嵌入式平台的通用卷积神经网络运算架构与使用方法-CN202010150285.2有效
发明人：曾小华;魏新;王正伟;刘志刚 -专利权人：四川九洲电器集团有限责任公司
申请日： 2020-03-06 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于嵌入式平台的通用卷积神经网络运算架构与使用方法，所述运算架构包括硬件部分和软件部分；所述硬件部分包括相连接的HPS和FPGA，以及外围硬件电路；所述FPGA包括一个或多个卷积神经网络运算模组；当有多个卷积神经网络运算模组时，每个卷积神经网络运算模组之间相互独立且并行；所述软件部分为运行在HPS中的嵌入式软件，用于对硬件部分进行配置和调度，以及分配FPGA的IP核能够访问的内存空间。本发明在FPGA中挂载数量可配置的相互独立且并行的卷积神经网络运算模组，实现软硬件自由裁剪，可在不同资源数量的嵌入式平台快速实现不同复杂度的卷积神经网络。
基于嵌入式平台通用卷积神经网络运算架构使用方法

[发明专利]一种权值和激活值都二值化的卷积神经网络加速器架构-CN201911077710.3有效
发明人：毛宁;黄志洪;杨海钢 -专利权人：北京中科胜芯科技有限公司
申请日： 2019-11-06 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种权值和激活值都二值化的卷积神经网络加速器架构，包括：用于存储权值数据的第一存储器、第五存储器和第九存储器；用于存储特征图数据的第三存储器、第四存储器、第七存储器和第八存储器；第二运算器、第六运算器和第十运算器。本发明提供的权值和激活值都二值化的卷积神经网络加速器架构；数据相乘由异或操作实现，异或可以不使用乘法器完成，而使用逻辑资源完成运算。
一种激活值都二值化卷积神经网络加速器架构

[发明专利]用于训练深度学习模型的方法和装置-CN201911162586.0有效
发明人：何天健;刘毅;董大祥;马艳军;于佃海 -专利权人：北京百度网讯科技有限公司
申请日： 2019-11-25 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本公开的实施例公开了用于训练深度学习模型的方法和装置。该方法的一具体实施方式包括：获取深度学习模型的模型描述信息和配置信息；根据配置信息中的切分点变量将模型描述信息分成至少两段，并将模型描述信息加载到相应的资源上运行；将一批次的训练样本输入第一段模型描述信息对应的资源后开始训练并将得到的上下文信息作为下一段模型描述信息对应的资源的输入；以此类推直到得到最后一段模型描述信息对应的资源的运行结果；若满足训练完成条件，则输出训练完成的深度学习模型；否则，继续获取下一批次的训练样本执行上述训练步骤直到满足训练完成条件。该实施方式实现了异构设备的自由搭配，充分发挥不同计算设备的计算能力，提升训练速度。
用于训练深度学习模型方法装置

[发明专利]一种模型压缩方法、装置、电子设备和存储介质-CN201911100168.9有效
发明人：高雨婷;胡易;余宗桥;孙星;彭湃;郭晓威;黄小明 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-11-12 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种模型压缩方法、装置、电子设备和存储介质；该方法涉及人工智能领域中的机器学习方向，通过待压缩的学生网络和教师网络分别对检测样本提取特征，得到所述检测样本的第一特征和第二特征；计算第一特征和第二特征的特征差异；基于所述特征差异，对所述学生网络进行调整；对调整后的学生网络进行裁剪；对裁剪后的学生网络进行预设迭代压缩处理，以得到满足预设压缩条件的学生网络；本申请可以通过对学生网络进行裁剪和迭代压缩处理，实现对学生网络的压缩，同时还使用教师网络对学生网络的性能进行调整，以补偿压缩带来的学生网络性能和精度下降，使得在压缩模型的同时保证压缩后模型的性能。
一种模型压缩方法装置电子设备存储介质

[发明专利]循环神经网络的实现方法、系统、电子设备及存储介质-CN202111527633.4有效
发明人：吴睿振;王凛 -专利权人：苏州浪潮智能科技有限公司
申请日： 2021-12-15 - 公布日： 2022-03-08 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种循环神经网络的实现方法，应用于硅基光芯片，包括：接收激光发射器传输的光信号；其中，所述光信号由电光二极管对输入电信号转化得到；利用马赫曾德尔干涉仪MZI和激活函数拟合结构对所述光信号进行具有时间先后关系的循环神经网络计算，得到计算结果；其中，所述循环神经网络计算包括本状态的乘加运算、前一状态的反馈运算和本状态输入的乘加运算；通过所述循环神经网络的输出层输出所述计算结果。本申请能够提高循环神经网络的计算效率。本申请还公开了一种循环神经网络的实现系统、一种存储介质及一种电子设备，具有以上有益效果。
循环神经网络实现方法系统电子设备存储介质

[发明专利]基于对比学习和互信息的元强化学习方法-CN202111394546.6在审
发明人：桑桐;郝建业;郑岩;马亿;汤宏垚 -专利权人：天津大学
申请日： 2021-11-23 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于对比学习和互信息的元强化学习方法，步骤1、离线地提取环境表征和策略表征；步骤2、基于互信息进行策略表征和环境表征解耦；步骤3，最后通过值函数近似来优化策略表征。与现有技术相比，本发明在尽量少的与环境交互的前提下，让智能体能够快速适应新的环境，有效的提高了强化学习的泛化性。
基于对比学习互信强化学习方法

[发明专利]一种基于改进GRU神经网络的非等间隔时序数据预测方法-CN202110885221.1在审
发明人：孙雁飞;芦奕霏;亓晋;许斌 -专利权人：南京邮电大学
申请日： 2021-08-02 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明揭示了一种基于改进GRU神经网络的非等间隔时序数据预测方法，该方法包括以下步骤：S1：设计连续时间序列下的自适应滑动窗口；S2：面向非等间隔时间序列的GRU模型改进，改进GRU神经网络对划分的序列数据进行预测，并根据S1步骤得到的自适应滑动窗口提供的时间间隔添加调节门，动态调整遗忘信息；S3：引入注意力机制，完成模型训练。本发明设计了一个自适应的滑动窗口，使原来输入的连续时间序列划分为适合模型处理的序列数据，并且实时记录了当前时间步的时间间隔。其次在GRU模型中，本发明针对非等间隔的时间序列做了相应改进，使改进后的模型的预测性能得到一定的提高。
一种基于改进 gru 神经网络间隔时序数据预测方法

[发明专利]基于深度强化学习的自动协商智能体设计方法-CN202111318748.2在审
发明人：林杰;陈锶奇;郝建业;郑岩;马亿 -专利权人：天津大学
申请日： 2021-11-09 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于深度强化学习的自动协商多智能体设计方法，首先，每个智能体使用强化学习算法独立地学习一个策略；其次，使用长短期记忆网络(LSTM，LongShort‑Term Memory)来学习SARSA(λ)中的Q函数，将难以处理的状态空间减少到可管理的特征数；最后，结合强化学习算法SARSA(λ)和神经网络LSTM来构建智能体代理，每个智能体代理各自学习，将学习到的对环境状态的观察结果映射到要采取的行动的策略上，通过在环境中与其他代理交互更新自己的策略，最终学习到一个适当的行为策略来进行自动协商。与现有技术相比，本发明构建的智能体代理能够在自动协商中进行更优的获胜联盟选择，从而提高自身在协商中获得的收益。
基于深度强化学习自动协商智能设计方法

[发明专利]图神经网络生成方法、装置、系统、介质以及电子设备-CN202111474450.0在审
发明人：朱亦博;陈扬锐;何骏;彭杨华;郭传雄;王剑 -专利权人：脸萌有限公司
申请日： 2021-12-02 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及一种图神经网络生成方法、装置、系统、介质以及电子设备，所述方法包括：获取子图结构，所述子图结构用于反映对应的子图的图谱结构，所述子图包括多个节点和多个节点之间的边；基于所述子图结构，根据预设优先级从多个内存中获取多个所述节点的节点特征和所述边的边特征；所述预设优先级是将多个所述内存按照内存大小从小到大排序得到的；基于所述子图结构对多个所述节点的所述节点特征和所述边的所述边特征进行融合，得到子图数据；基于所述子图数据对图神经网络进行训练，本公开的图神经网络生成方法可以提升图神经网络训练的效率。
神经网络生成方法装置系统介质以及电子设备

[发明专利]一种基于CM-LSTM的频谱感知算法-CN202111474590.8在审
发明人：任诗雨;陈万通;吴海龙;李冬霞 -专利权人：中国民航大学
申请日： 2021-12-06 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于CM‑LSTM的频谱感知算法，本发明联合利用阵列接收信号的时间相关性和空间相关性，将擅长提取具有时间相关性序列特征的长短期记忆网络(LSTM)作为分类模型，将包含信号子空间信息和噪声子空间信息的协方差矩阵经过维度变换后输入LSTM分类模型，由此实现信号与噪声的分类。仿真分析表明，CM‑LSTM频谱感知算法与经典的机器学习分类算法支持向量机(SVM)，以及机器学习算法中泛化能力较强的集成学习方法梯度提升机(GBM)、随机森林(RF)相比，在不同信噪比，不同数量次级用户时都具有更高的准确率。
一种基于 cm lstm 频谱感知算法

[发明专利]基于能量和镜像生成对抗网络的异常检测方法-CN202111479582.2在审
发明人：梁启亮;张吉;关东海;李博涵 -专利权人：南京航空航天大学
申请日： 2021-12-06 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于能量和镜像生成对抗网络的异常检测方法。所提出的方法包括三部分，第一部分是利用聚类算法将原始数据分成多簇，分别进行后续处理以排除簇间空隙的影响。第二部分用神经网络构建镜像生成对抗网络并引入能量的思想，利用正常的数据进行迭代训练，生成位于边缘的关键异常点，加入到原始数据集中，达到类别平衡的目的。第三部分是构建异常检测器，利用生成异常点及数据集的正常点，进行迭代训练，异常点所处的关键边缘位置，可以使异常检测器学习到正异常的分界信息，从而对未知异常具备良好的检测能力。本发明实现了更高效率的关键异常点生成，在解决类别不平衡问题的同时，也提高了异常检测器对未知异常的检测能力。
基于能量生成对抗网络异常检测方法

[发明专利]深度学习网络模型、特征提取方法、装置及存储介质-CN202111492862.7在审
发明人：李一曼;张浩;李杉杉;刘强;徐明 -专利权人：深圳力维智联技术有限公司
申请日： 2021-12-08 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及深度学习技术领域，具体涉及一种轻量型具有注意力机制的深度学习网络模型、特征提取方法、装置及存储介质。其包括：基础卷积模块、特征提取模块、维度变换模块、分类概率输出模块。其中，特征提取模块包括多个串行连接的特征提取子模块。采用本实施例的网络模型提取图像特征信息时，多个特征子模块可以对图像进行多尺度空间特征提取，使得同时提取出来多个状态信息，在模型轻量化前提下，提高了特征提取的准确率。
深度学习网络模型特征提取方法装置存储介质

[发明专利]一种由图像生成音乐的方法及相关装置-CN202111447570.1在审
发明人：杨玉;卢爱芬 -专利权人：广州科技职业技术大学
申请日： 2021-11-30 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种由图像生成音乐的方法及相关装置，该方法的过程包括：获取图像，采用卷积和循环神经网络组合的方法，由有卷积对该图像进行编码，用循环神经网络进行解码，从而生成音乐。本发明采用深度学习卷积和循环神经网络结合的方法，实现了从图像生成音乐的方法，模仿人们看到图像，耳边产生音乐的触景生情的情景。
一种图像生成音乐方法相关装置