“储荣”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果17个，建议您升级VIP下载更多相关专利

[发明专利]一种电驱桥单行星轮式两档减速器结构-CN202310506255.4在审
发明人：李威;储荣;刘斐;付瑶;高航;韩晓铭 -专利权人：上海新动力汽车科技股份有限公司
申请日： 2023-05-05 - 公布日： 2023-07-04 - 主分类号： F16H3/70 文献下载
摘要：本发明涉及一种电驱桥单行星轮式两档减速器结构，涉及减速器的领域，其包括中心轴C、与中心轴C同轴线并传动的输出轴、两个平行设于中心轴C两侧的中间轴B、两个平行设于两个中间轴B相背离外侧的输入轴A、以及两个分别对应与两个输入轴A连接的电机；输入轴A设有第一齿轮，中心轴C套有可与第一齿轮传动的第四齿轮；中间轴B设有第六齿轮和第七齿轮，中心轴C设有与第六齿轮啮合的第五齿轮、与第七齿轮啮合的第八齿轮、以及与第四齿轮连接并可与第五齿轮或第八齿轮连接的换档狗齿T。本发明可以完成双电机至差速器间的动力传递，并实现增扭降速功能，可搭载电驱桥在重卡车型上广泛应用。
一种电驱桥单行星轮式减速器结构

[发明专利]一种基于异构特征融合网络的地基云图分类方法-CN202010770721.6有效
发明人：王敏;付昱承;储荣;朱首贤 -专利权人：河海大学
申请日： 2020-08-04 - 公布日： 2022-07-26 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于异构特征融合网络的地基云图分类方法，包括如下步骤：(1)对多幅带有噪声的地基云图进行预处理；(2)分别对处理后的地基云图提取特征，使用手工特征提取方法结合费舍尔向量编码得到每张地基云图对应的特征向量；(3)将步骤(2)的输出投入一个四层全连接层网络，该网络的输出记为fc；(4)扩增训练集后，训练卷积神经网络模型，将fc与最后一个池化层得到的深层语义特征fg融合，经过全连接层得到每类对应的分类概率。本发明能够显著的提高地基云图分类识别任务的泛化能力，模型的鲁棒性强，多角度结合视觉信息，即使人为加入噪声也能精确定位云状，取得良好的识别结果。
一种基于特征融合网络地基云图分类方法

[发明专利]一种基于卷积神经网络的香烟真伪鉴别方法-CN201811365689.2在审
发明人：储荣;王敏 -专利权人：河海大学
申请日： 2018-11-16 - 公布日： 2019-03-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于卷积神经网络的香烟真伪鉴别方法，包括以下步骤：a)获取原始图像；b)对原始图像进行预处理；c)将预处理后的图像输入卷积神经网络中的第一个卷积层和池化层；d)将上一层的输出结果输入到卷积神经网络中的子网络；e)将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层；f)将上一层的输出结果输入到卷积神经网络中的全连接层；g)将上一层的输出结果输入到卷积神经网络中的Softmax层；h)输出香烟真伪分类结果。本发明能够很好的提取图像的特征，且只对子网络结构计算各层残差以减少计算量，对香烟真伪的鉴别也比较高效。
卷积神经网络输出结果香烟预处理原始图像真伪鉴别池化卷积真伪分类结果计算各层交替分布提取图像图像输入网络结构计算量连接层子网络残差鉴别输出

[发明专利]基于翻转概率的前向离散神经网络样本选择方法及其装置-CN201711190174.9在审
发明人：储荣 -专利权人：河海大学
申请日： 2017-11-24 - 公布日： 2018-04-13 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于翻转概率的前向离散神经网络样本选择方法，属于智能科学与技术中的机器学习领域，该方法以翻转概率为基准，通过挑选翻转概率大的样本点，来寻找在其周围信息量丰富的样本点，这些样本点往往对训练分类器是重要的。本发明还公开了基于翻转概率的前向离散神经网络样本选择装置。本发明可以有效减少需要标记样本点的数量，减少标记的代价并提高分类器的性能。
基于翻转概率离散神经网络样本选择方法及其装置

[发明专利]一种基于GNN的文物图像复原方法-CN201711189780.9在审
发明人：储荣 -专利权人：河海大学
申请日： 2017-11-24 - 公布日： 2018-03-30 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于GNN的文物图像复原方法，把掉色、轻微残缺文物照片复原成较为完整的彩色图像，包括以下步骤a)采集训练图像；b)图像预处理；c)基于深度卷积网络构造GNN网络；d)对GNN网络进行训练；e)根据训练好的GNN网络生成文物复原图像。本发明的一种基于GNN网络的文物图像复原方法，能够非人工地生成掉色文物可能的颜色特征，把边角有轻微损坏的部分自动补全。比如对损坏的壁画进行恢复，复原其残缺的部分或者恢复其原色彩，本发明可以省去人工设计、还原的繁琐步骤。
一种基于 gnn 文物图像复原方法

[发明专利]基于MADALINE神经网络敏感性的特征选择方法及系统-CN201510891616.7在审
发明人：储荣 -专利权人：河海大学
申请日： 2015-12-07 - 公布日： 2016-05-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于MADALINE神经网络敏感性的特征选择方法及系统，以敏感性为基准，通过挑选敏感性大的特征，来寻找自身发生扰动时输出发生较大变化的特征，这些特征往往对训练分类器是重要的；具体为：使用已有的训练样本集训练MADALINE神经网络，得到经过训练的分类器；利用所述分类器计算各个特征分量的敏感性，并根据敏感性从大到小排序；根据需要从排序中取前若干个敏感性大的特征作为新特征集。本发明可以有效挑选出对分类器重要的样本特征，从而提高分类器的性能。
基于 madaline 神经网络敏感性特征选择方法系统

[发明专利]基于主动学习的MADALINE神经网络样本选择方法及系统-CN201510891245.2在审
发明人：储荣 -专利权人：河海大学
申请日： 2015-12-07 - 公布日： 2016-05-04 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于主动学习的MADALINE神经网络样本选择方法及系统，属于智能科学与技术中的机器学习技术领域，以敏感性为基准，通过挑选敏感性大的样本点，来寻找在其周围变化剧烈的样本点，这些样本点往往对训练分类器是重要的。本发明可以有效减少需要标记样本点的数量，减少标记的代价并提高分类器的性能。
基于主动学习 madaline 神经网络样本选择方法系统

[发明专利]基于RBF神经网络敏感性的特征选择方法及其装置-CN201410752082.5在审
发明人：储荣 -专利权人：河海大学
申请日： 2014-12-09 - 公布日： 2015-04-08 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于RBF神经网络敏感性的特征选择方法及其装置，该方法以敏感性为基准，通过挑选敏感性大的特征，来寻找自身发生扰动时输出发生较大变化的特征，这些特征往往对训练分类器是重要的；具体为：使用已有的训练样本集训练RBF神经网络，得到经过训练的分类器；利用所述分类器计算各个特征分量的敏感性，并根据敏感性从大到小排序；根据需要从排序中取前若干个敏感性大的特征作为新特征集。本发明可以有效挑选出对分类器重要的样本特征，从而提高分类器的性能。
基于 rbf 神经网络敏感性特征选择方法及其装置

[发明专利]基于敏感性的MADALINE神经网络构建方法及其装置-CN201410751428.X在审
发明人：储荣 -专利权人：河海大学
申请日： 2014-12-09 - 公布日： 2015-04-08 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于敏感性的MADALINE神经网络构建方法及其装置，选取一个足够大的正整数m作为隐层神经元数，构建一个三层MADALINE神经网络，并给定初始网络参数；利用有标记的样本集训练神经网络直到代价函数收敛到某个给定的很小的阈值e，得到经过训练的分类器；计算隐层神经元的敏感性，并按照敏感性由小到大排序；去掉敏感性最小的隐层神经元，得到新结构的MADALINE神经网络；对新的MADALINE神经网络在原有参数的基础上再次使用有标记的样本集进行训练；取隐层神经元数最小且能收敛的MADALINE神经网络网络结构为最终的网络结构，其网络为最终输出的分类器。本发明可以有效提高神经网络构建效率，并提高MADALINE神经网络的性能。
基于敏感性 madaline 神经网络构建方法及其装置

[发明专利]一种癌症患者寿命预测中高价值样本的选择方法及装置-CN201410749481.6在审
发明人：储荣 -专利权人：河海大学
申请日： 2014-12-09 - 公布日： 2015-04-08 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种癌症患者寿命预测中高价值样本的选择方法及装置，首先使用已有的完整训练样本训练预测函数，得到经过训练的预测函数；然后将已知癌症患者作为样本点，计算这些样本点在预测函数下的局部复杂度，并根据局部复杂度从大到小排序；最后根据需要从排序中取出前若干个局部复杂度大的样本组成所需要的样本集。本发明能够在选取患者数量一定的情况下尽可能高地提高现有模型预测的准确性。
一种癌症患者寿命预测中高价值样本选择方法装置

[发明专利]基于神经网络敏感性的特征选择方法及其装置-CN201310653564.0在审
发明人：储荣 -专利权人：河海大学
申请日： 2013-12-05 - 公布日： 2014-03-26 - 主分类号： G06K9/66 文献下载
摘要：本发明公开一种基于神经网络敏感性的特征选择方法及其装置，属于智能科学与技术中的机器学习领域。本发明以敏感性为基准，通过挑选敏感性大的特征，来寻找自身发生扰动时输出发生较大变化的特征，这些特征往往对训练分类器是重要的。本发明可以有效挑选出对分类器重要的样本特征，从而提高分类器的性能。
基于神经网络敏感性特征选择方法及其装置

[发明专利]基于Normalized cut的彩色图像分割方法-CN201310654449.5有效
发明人：储荣 -专利权人：河海大学
申请日： 2013-12-05 - 公布日： 2014-03-26 - 主分类号： G06T7/40 文献下载
摘要：本发明公开了一种基于Normalized cut的彩色图像分割方法，首先对图像处理得到初始分割区域，然后利用降维将初始分割区域信息重新构建成新的图像数据，最后再利用Normalized cut直接对所得区域进行聚类。同时针对Normalized cut的权值函数计算只考虑像素颜色信息这一特点，设计了新的考虑像素趋向性关系的权值函数。可以证明，本发明方法的分割效果良好且时间复杂度相对于Normalized cut大大降低。
基于 normalized cut 彩色图像分割方法

[发明专利]基于马尔科夫随机场的图像分割方法-CN201310654583.5无效
发明人：储荣 -专利权人：河海大学
申请日： 2013-12-05 - 公布日： 2014-03-26 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于马尔科夫随机场的图像分割方法。本发明在MRF模型的基础上引入了对退火系数的确定的一种新方法。参数的选取对图像分割的效果会产生很大的影响，对势函数的耦合系数β和模拟退火迭代系数α的估计一直是MRF分割算法的难点。一般算法采取α和β都是固定值的方法，但是分割效果不太理想。在本文中，采取的是固定β为常数，参数α动态变化。改进参数后，在计算速度和图像分割精度上有较大的提高。
基于马尔科夫随机图像分割方法

[发明专利]基于无标记样本的RBF神经网络构建方法及其装置-CN201310654934.2无效
发明人：储荣 -专利权人：河海大学
申请日： 2013-12-05 - 公布日： 2014-03-26 - 主分类号： G06N3/02 文献下载
摘要：本发明公开一种基于无标记样本的RBF神经网络构建方法及其装置，方法以RBF神经网络中隐层神经元的敏感性为基准，通过逐渐裁剪隐层神经元中敏感性低的神经元达到逐渐简化网络结构、提高分类器性能的目的。与传统方式相比，在计算RBF隐层神经元敏感性的过程中，本发明不但使用了有标记的样本，还大量使用了没有标记的样本，这样大大提高了敏感性计算精度。装置包括初始模块、训练模块、隐层神经元选择模块和输出模块，可以有效提高神经网络构建效率，并提高RBF神经网络的性能。
基于标记样本 rbf 神经网络构建方法及其装置

[发明专利]基于无标记样本的神经网络构建方法及其装置-CN201210500860.2无效
发明人：储荣;王敏;赵燕容;吴蓉;田胜;窦智;戴云峰 -专利权人：河海大学
申请日： 2012-11-29 - 公布日： 2013-03-13 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于无标记样本的神经网络构建方法，属于智能科学与技术中的机器学习领域。该方法以神经网络中隐层神经元的敏感性为基准，通过逐渐裁剪隐层神经元中敏感性低的神经元达到逐渐简化网络结构、提高分类器性能的目的。与传统方式相比，在计算隐层神经元敏感性的过程中，本发明不但使用了有标记的样本，还大量使用了没有标记的样本，这样大大提高了敏感性计算精度。本发明还公开了基于无标记的神经网络构建装置。本发明可以有效提高神经网络构建效率，并提高神经网络的性能。
基于标记样本神经网络构建方法及其装置

1
2
下一页»
尾页
共 17 条