[发明专利]一种用于离散神经元网络的初值控制方法有效
| 申请号： | 202210544852.1 | 申请日： | 2022-05-19 |
| 公开（公告）号： | CN114936626B | 公开（公告）日： | 2023-10-27 |
| 发明（设计）人： | 包涵;李珂欣;包伯成;徐权 | 申请（专利权）人： | 常州大学 |
| 主分类号： | G06N3/048 | 分类号： | G06N3/048;G06N3/08;G06F30/27 |
| 代理公司： | 常州市英诺创信专利代理事务所(普通合伙) 32258 | 代理人： | 张秋月 |
| 地址： | 213164 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及电子神经元技术领域，尤其涉及一种用于离散神经元网络的初值控制方法，包括通过忆阻突触和两个离散Rulkov神经元构建离散双神经元网络；通过设置忆阻初值控制离散双神经元网络的放电模式以及调节同步状态。本发明解决了传统方法通过耦合强度控制离散神经元网络同步，提供了一种以忆阻突触耦合的离散Rulkov双神经元网络的新思路，并通过硬件平台实验证明本发明方法的有效性。 | ||
| 搜索关键词： | 一种 用于 离散 神经元 网络 初值 控制 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于常州大学，未经常州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202210544852.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于演化神经网络的多层网络重要节点识别方法-202310735534.8
- 樊冬明;海星朔;夏权;吴泽豫;任羿;冯强 - 北京航空航天大学
- 2023-06-20 - 2023-10-27 - G06N3/048
- 本发明提供了一种基于演化神经网络的多层网络重要节点识别方法，其具体步骤如下：步骤(1)：构建耦合多层复杂网络模型。步骤(2)：计算每个网络层中节点的特征属性，并构建演化神经网络模型。步骤(3)：输出耦合多层网络的节点重要度排序。本发明综合考虑耦合多层网络中节点及其耦合节点的综合属性(包括：节点度、度中心性、介数中心性、接近中心性、特征向量中心性等)，突破目前仅考虑单层网络中节点的单一属性的技术限制，相比于现有方法，实现从系统层面评价多层耦合网络的节点重要度，可更有效地评估耦合多层网络节点的重要度，提升对耦合多层网络的级联失效传播的控制能力，对复杂耦合多层网络提升网络效能等领域具有重要意义。
- 用于神经网络的训练或预测的系统和方法-202110729600.1
- 伊莱·戴维;伊立·鲁宾 - 纳米尺寸技术领域股份有限公司
- 2021-06-29 - 2023-10-27 - G06N3/048
- 一种用于神经网络的训练或预测的系统和方法。可以存储神经网络中的多个突触或过滤器中的每个的当前值。在过去的的一个或多个迭代期间，可以针对每个单独的或每组突触或过滤器独立地确定历史活动度量。可以迭代地执行神经网络的多个部分激活。每次部分激活迭代可以激活神经网络中的多个突触或过滤器的子集。可以以总迭代次数的与针对该单独的或一组突触或过滤器而独立确定的历史活动度量成比例的一部分，激活每个单独的或一组突触或过滤器。可以基于神经网络的多个部分激活来执行神经网络的训练或预测。
- 一种用于离散神经元网络的初值控制方法-202210544852.1
- 包涵;李珂欣;包伯成;徐权 - 常州大学
- 2022-05-19 - 2023-10-27 - G06N3/048
- 本发明涉及电子神经元技术领域，尤其涉及一种用于离散神经元网络的初值控制方法，包括通过忆阻突触和两个离散Rulkov神经元构建离散双神经元网络；通过设置忆阻初值控制离散双神经元网络的放电模式以及调节同步状态。本发明解决了传统方法通过耦合强度控制离散神经元网络同步，提供了一种以忆阻突触耦合的离散Rulkov双神经元网络的新思路，并通过硬件平台实验证明本发明方法的有效性。
- 一种基于FPGA的神经网络系统-202311044555.1
- 任彬;孟庆辉;逯超;王汉瑞 - 潍柴动力股份有限公司
- 2023-08-18 - 2023-10-24 - G06N3/048
- 本申请公开一种基于FPGA的神经网络系统，包括：输入层、依次连接的多层隐藏层、输出层以及触发各层工作的时钟；输入层包括输入计算层以及数据缓存层；输入计算层包括计数器、计算模块以及输入层对应的查找表；每层隐藏层包括隐藏计算层以及数据选择层；隐藏计算层包括隐藏层对应的查找表以及乘积计算模块；输出层包括输出计算层以及输出锁存层；其中，计数器用于依次输出计数值，以基于计数值从各层对应的查找表中查找出计数值对应的权重值；各层的计算层用于对查找的权重值以及输入值进行计算；数据缓存层、数据选择层以及输出锁存层主要对计算结果进行缓存，并控制计算结果有序输出。
- 基于深度学习框架网络训练网络模型的方法、装置和设备-202310936007.3
- 肖海斌;张知行;李想;祝木强;史大超 - 北京中科腾云科技有限公司
- 2023-07-27 - 2023-10-20 - G06N3/048
- 本申请涉及一种基于深度学习框架网络训练网络模型的方法、装置和设备，通过根据获取的待进行训练的网络模型结构及参数、第一训练目标、第二训练目标以及训练数据集输入已训练好的多模态大型神经网络中，使其根据第一训练目标以及训练数据集对网络模型中参数进行调整直至网络模型达到第一训练目标，则得到初步训练好的网络模型，或者对网络模型进行训练，得到初步训练好的网络模型，再对初步训练好的网络模型进行压缩，得到压缩后的网络模型，再次利用多模态大型神经网络对压缩后的网络模型中参数进行调整直至网络模型达到第二训练目标，则得到训练好的网络模型，采用本方法可得到结构更为简单，其性能更为优良的网络模型。
- 用于自动化奖励塑形的装置和方法-202180092424.3
- 戴维·姆古尼;尼古拉斯·佩雷斯·尼维斯;王健宏 - 华为技术有限公司
- 2021-02-04 - 2023-10-20 - G06N3/048
- 一种机器学习装置(800)，包括一个或多个处理器(801)，所述一个或多个处理器用于通过接收(601)初始环境状态、第一智能体函数的初始状态和第二智能体函数的初始状态，(i)根据当前环境状态实现(602)所述第一智能体函数的当前状态，以形成后续环境状态和第一奖励；(ii)第一确定步骤(603)，包括通过所述第二智能体函数确定是否使用第二奖励；(iii)如果所述确定结果为负，则根据所述第一奖励细化(604)所述第一智能体函数；如果所述确定结果为正，根据所述第一奖励和所述第二奖励细化所述第一智能体函数；(iv)细化(605)所述第二智能体函数；(v)采用(606)所述后续环境状态作为所述当前环境状态。
- 多决策步掩码生成方法、模型训练方法、电子设备及介质-202310944496.7
- 杨海天;宋万鹏 - 同盾网络科技有限公司
- 2023-07-28 - 2023-10-17 - G06N3/048
- 本公开是关于一种多决策步掩码生成方法、模型训练方法、电子设备及介质，涉及计算机技术领域。该方法可以通过多决策步进行特征提取，其中每一决策步可以生成对应的掩码，具体的每一决策步中获取该决策步对应第一特征的第一权重，以及获取权重阈值与第一特征在该决策步前历史决策中的第二权重，并根据第二权重与权重阈值确定第一特征对应的权重关注参数，进而根据关注参数确定决策步对应第一特征的掩码，其中，关注参数包括第一权重、权重关注参数。该方法在每一决策步中关联特征在历史决策步中的重要性，能够提升有效信息提取的效果，控制噪声、误差等因素对决策结果的干扰，从而使模型性能适配应用需求。
- 基于快速非线性盲解卷积的旋转机械早期故障诊断方法-202110940661.2
- 张宗振;王金瑞;韩宝坤;季珊珊 - 山东科技大学
- 2021-08-17 - 2023-10-13 - G06N3/048
- 本发明公开了一种基于快速非线性盲解卷积的旋转机械早期故障诊断方法，涉及基于振动信号的旋转机械早期故障诊断技术领域。方法包括以下步骤：输入信号前处理：对采集的振动信号样本进行Z‑Score归一化，确定滤波器的长度并构造故障信号的Hankel矩阵。非线性特征激活：确定尺度因子和平移因子，通过广义非线性Sigmoid函数，对样本进行激活。构建目标函数：对特征向量进行L
- Transformer模型加速器及其构建和数据处理方法、装置-202311127908.4
- 杨宏斌;董刚;赵雅倩;曹其春;胡克坤;王斌强 - 苏州浪潮智能科技有限公司
- 2023-09-04 - 2023-10-10 - G06N3/048
- 本申请涉及一种Transformer模型加速器及其构建和数据处理方法、装置。所述方法包括：对Transformer模型的计算过程进行统计分析获取涉及的所有计算类型，根据计算类型确定其对应的功能计算单元；将所有的功能计算单元拆分为多头注意力层和前馈神经网络层，并构建位于所述多头注意力层和所述前馈神经网络层之间的数据缓存平面，形成Transformer模型加速器拓扑结构；根据Transformer模型参数和片上资源，通过计算优化所述Transformer模型加速器拓扑结构中的所述多头注意力层和所述前馈神经网络层各节点数量以及每一功能计算单元与节点位置对应关系。本方法能够提升计算速度。
- 用于神经网络的数据处理方法和装置-201810906496.7
- 施佳鑫;李慧敏;王勇 - 北京百度网讯科技有限公司
- 2018-08-10 - 2023-10-03 - G06N3/048
- 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。
- 一种基于隐藏层变异系数的深度无监督表征学习方法-202310749386.5
- 李亮;丁雪梅;储节磊;余华 - 中国电子口岸数据中心重庆分中心;西南交通大学;中国电子口岸数据中心成都分中心
- 2023-06-25 - 2023-09-22 - G06N3/048
- 本发明公开了一种基于隐藏层变异系数的深度无监督表征学习方法，对输入数据X先后经过训练1步GRBM训练和n步covRBM模型训练，即得到输出数据；所述covRBM模型由依次进行的可视层v、隐藏层h、重构可视层#imgabs0#重构隐藏层#imgabs1#组成；covRBM模型训练的第一个目标是最大化RBM中可视单元的对数似然函数，第二个目标是最大化隐藏层特征对应的变异系数值。本发明的方法将隐藏层的变异系数特征值纳入受限玻尔兹曼机的学习过程中，从而以无监督的方式指导隐藏层的特征分布，克服传统受限玻尔兹曼机无目的学习的缺点，增加可解释性，同时提高模型的表征能力。
- 基于依赖树的方面级情感分析交互卷积网络-202211730845.7
- 陈建峡;毛磊;余天赐;司浩英 - 湖北工业大学
- 2022-12-30 - 2023-09-15 - G06N3/048
- 本发明公开了基于依赖树的方面级情感分析交互卷积网络，包括输入编码层，其特征在于，还包括注意力层、依赖树层、图卷积层、交互网络层、以及输出层，所述图卷积层，用于根据句法结构图表示和句子隐藏状态向量表示的自注意力分数，利用Att‑GCN模型计算输出；交互网络层，用于输入Att‑GCN模型的输出，并进行交互操作；计算最终方面词表示的输出；计算输出#imgabs0#和输出#imgabs1#输出层根据#imgabs2#和#imgabs3#进行拼接操作，再进行分类获得分类概率。本发明使用交互网络层，减少因为卷积导致的信息丢失的影响。同时，让分散的句子信息更加的集中。
- 一种基于动态激活位稀疏的神经网络加速器设计方法-202111048239.2
- 景乃锋;孙永帅;郭梦裕;蒋剑飞;王琴 - 上海交通大学
- 2021-09-08 - 2023-09-01 - G06N3/048
- 本发明公开了一种基于动态激活位稀疏的神经网络加速器设计方法，涉及深度神经网络加速器设计领域，包括神经网络加速器的架构、计算阵列组织方式、神经网络加速器中稀疏性数据的表达形式，所述神经网络加速器的架构包括DRAM连接、加载Load单元、有效位检测阵列单元、激活位稀疏计算阵列以及写回Store单元，及有这些单元间的连接形式和数据流方式；所述计算阵列组织方式是指通过对激活数据进行分组，以及组内交叉计算，组间同步计算的组织方式；所述神经网络加速器中稀疏性数据的表达形式是指设计激活数据的检测方式和数据表达形式。本发明提出了一种动态激活位稀疏的神经网络加速器设计方法，并针对激活有效位的数量不平衡问题进行了优化设计。
- 一种高精度可调整的通用激活函数实现方法-202310052328.7
- 马艳华;徐琪灿;陈聪聪;宋泽睿 - 大连理工大学
- 2023-02-02 - 2023-08-22 - G06N3/048
- 本发明属于现场可编程门阵列硬件加速器技术领域，公开了一种高精度可调整的通用激活函数实现方法，目的在于使用少量的存储资源和片上资源，实现高精度的激活函数逼近，并且可以根据需求设置精度，实现精度与存储空间的权衡。本发明的通用激活函数实现方法能够准确估计所提激活函数分段策略所能够达到的精度，从而实现在给定激活函数目标逼近精度的情况下对分段策略的调整，避免了精度溢出导致片上资源的浪费。与传统方法相比，本发明提供的方法可实现精度更高，可调整的空间更大，相比于其他能够实现高精度的方法消耗的硬件资源更少。
- 用于深度学习人工神经网络中的模拟非易失性存储器的可编程神经元-201880085396.0
- H·V·特兰;S·洪;A·李;T·乌;H·帕姆;K·恩古耶;H·特兰 - 硅存储技术股份有限公司
- 2018-11-29 - 2023-08-18 - G06N3/048
- 本发明公开了用于处理人工神经网络中的矢量‑矩阵乘法(VMM)阵列的电流输出的多个实施方案。实施方案包括加法器电路和激活函数电路。加法器电路和/或激活函数电路包括电路元件，该电路元件可响应于从VMM接收的总可能电流而被调节以优化功率消耗。
- 炼化污水COD的软测量方法和装置及机器可读存储介质-201811327591.8
- 韩华伟;宋项宁;郭亚逢;王春利;姚猛 - 中国石油化工股份有限公司;中石化安全工程研究院有限公司
- 2018-11-08 - 2023-08-15 - G06N3/048
- 本发明实施例提供一种炼化污水COD的软测量方法和装置及机器可读存储介质，属于环境保护技术领域。该软测量方法包括：获取用于训练的辅助变量的测量值和COD样本数据，其中所述辅助变量包括以下参数：挥发性有机物、温度、pH及浊度；获取用于测量的辅助变量的测量值；基于所述用于训练的辅助变量的测量值和与所述COD样本数据训练神经网络模型；以及基于训练之后的神经网络模型及获取的用于测量的辅助变量的测量值确定所述炼化污水COD的软测量结果。藉此，实现了对炼化污水COD的软测量，实现了对炼化污水COD的实时估计，提高了对炼化污水COD的预测效果。
- 一种非线性激活函数RELU的实现方法、设备及介质-202110949670.8
- 陈静静;黄萍;吴睿振;王凛 - 山东云海国创云计算装备产业创新中心有限公司
- 2021-08-18 - 2023-08-08 - G06N3/048
- 本申请公开了一种非线性激活函数RELU的实现方法、设备及介质，该方法包括：获取原始输入量；将原始输入量映射到光强，得到光信号；将光信号输入至微环谐振器；向微环谐振器施加相应的电流来调整微环谐振器的相位，以实现激活函数RELU运算。这样以微环谐振器为基础，无需进行大量光电转换即可模拟激活函数RELU的特性，具有快速，功耗小的优势，实现了光学神经网络芯片的预研布局。
- 数据处理方法、装置、电子设备以及存储介质-202310565645.9
- 吴飞圣;邓凯鹏;党青青;于佃海;马艳军;王海峰 - 北京百度网讯科技有限公司
- 2023-05-19 - 2023-08-04 - G06N3/048
- 本公开提供了数据处理方法、装置、电子设备以及存储介质，涉及数据处理技术领域，尤其涉及人工智能、深度学习、模型推理优化等技术领域。具体实现方案为：从存储介质中读取待处理对象的激活矩阵，以及目标神经网络层的参数矩阵；采用至少一个内核从激活矩阵中分离出第一矩阵和第二矩阵，并从参数矩阵中分离出第三矩阵和第四矩阵；对第一矩阵和第三矩阵执行矩阵乘积操作，得到第一处理结果；对第二矩阵和第四矩阵执行矩阵乘积操作，得到第二处理结果；将第一处理结果和第二处理结果进行融合，得到目标神经网络层对激活矩阵的数据处理结果。本公开实施例可节约存储空间的同时，加速大模型的推理速度，以提高资源的利用率。
- 基于条件卷积和相关性映射的HRRP识别模型在线更新方法-202310280958.X
- 刘宏伟;王鹏辉;周波玉;丁军;陈渤 - 西安电子科技大学
- 2023-03-21 - 2023-08-01 - G06N3/048
- 本发明公开了一种基于条件卷积和相关性映射的HRRP识别模型在线更新方法，包括：获得具有目标型号标签的训练样本集并对训练样本集按照目标的姿态角范围进行任务划分；构建初始多层卷积神经网络模型并通过预训练转换为具有条件卷积结构的多层卷积神经网络模型；为下一个新任务扩充专家卷积核、路由模块以及相关性映射掩码；为当前新任务训练扩充后的模型；利用模型剪枝方法对全连接分类器的相关性映射掩码进行剪枝；获取另一个新任务并重新执行，直至对每一个新任务训练完成；利用训练后的模型对实际雷达高分辨距离像进行目标识别。本发明使用条件卷积层来提取HRRP的特征，通过扩展条件卷积层的专家卷积核数量来提升模型容量，使模型容量能够充分提高。
- 一种基于径向基神经网络降噪处理方法-202310260188.2
- 洪鼎;臧勤 - 中国船舶集团有限公司第七二四研究所
- 2023-03-17 - 2023-08-01 - G06N3/048
- 本发明公开了一种基于径向基神经网络降噪处理方法，属于侦测智能化数据处理领域。针对信号接收过程中多种噪声使接受到的信号成为含噪信号，给后续的信号处理分析带来误差甚至错误的问题。从含噪声信号中提取尽可能纯净的原始信号，包括如下步骤：构建一个径向基神经网络，通过网络的散布常数最小化均方预测误差来调整权值和阈值，再利用已经训练好的径向基神经网络对含噪声信号进行处理，拟合纯净信号。本发明方法的优点是：用径向基神经网络来逼近从含窄带噪声空间到降噪空间的非线性映射，得到有效的信号的同时达到更好的降噪效果，解决传统线性滤波处理时，仅适用于有用信号频谱范围内噪声，且对附近的窄带噪声处理效果不佳的问题。
- 一种智能家居控制方法、系统、存储介质和计算机设备-202010188246.1
- 施昊甫;吴轶群;张笛 - 上海万晟建筑设计顾问有限公司
- 2020-03-17 - 2023-08-01 - G06N3/048
- 本发明涉及一种智能家居控制方法、系统、存储介质和计算机设备，用于控制若干家居环境控制设备，包括：获取环境参数和第一类设备配置参数；将所述环境参数和所述第一类设备配置参数形成多维数据向量，以及将所述多维数据向量输入至待训练的深度神经网络模型进行自学习训练，以构建深度神经网络模型；将所述环境参数输入至所述深度神经网络模型，以得到第二类设备配置参数。其优点在于，利用环境参数和第一类设备配置参数对深度神经网络模型进行训练，使得深度神经网络模型能够根据输入的环境参数，输出第二类设备控制参数，自动控制多个家居环境控制设备，满足舒适‑节能需求；用户无感控制，提高用户体验。
- 基于FPGA的BERT网络推断高精度关键算子实现及其组合方式-202310282267.3
- 王璇铮;张光达;张拥军 - 中国人民解放军军事科学院国防科技创新研究院
- 2023-03-22 - 2023-07-25 - G06N3/048
- 本发明公开了一种基于FPGA的BERT网络推断高精度关键算子实现及其组合方式，用于实现在FPGA中部署BERT模型中的算子模块，算子模块包括GELU函数，该方法包括：将GELU函数的值以查找表的形式预先存储于FPGA中，由FPGA根据输入数据查询查找表以获取对应的GELU函数值；或者，对GELU函数进行采样，确定能够拟合GELU函数的分段函数，在FPGA中以数组的形式存储分段函数的分段点的横纵坐标和分段斜率，由FPGA根据输入数据所处的函数区间，调用对应的分段函数的分段点横纵坐标和分段斜率计算GELU函数以获取对应的GELU函数值。本发明能够实现在FPGA平台上部署BERT模型的高精度硬件，能够充分发挥BERT模型面向自然语言处理任务的高性能，确保BERT模型能够在内存容量有限的边缘设备中部署应用。
- 激活函数的模拟硬件实现方式-202211621045.1
- 王赫辰;尼兰詹·米拉拉帕·高达达;安德烈·别洛戈洛维 - 英特尔公司
- 2022-12-09 - 2023-07-21 - G06N3/048
- 提供了一种包括硬件激活函数的模拟神经网络。模拟神经网络的层包括一系列处理单元，该处理单元接收模拟信号，对模拟信号执行MAC运算，并且生成模拟输出。模拟输出被提供给可以对模拟输出应用激活函数的模拟电路。模拟电路的输出也是模拟信号，其可以进一步被提供给网络中的下一层。模拟电路可以包括晶体管的差分对，以用于计算tanh激活函数。可替代地，模拟电路可以包括比较器和复用器，以用于计算ReLU激活函数。与激活函数的数字实现方式相比，模拟电路消除了将层的模拟输出转换为数字信号的需要以及将激活函数的结果转换为模拟信号的需要。
- 一种超非线性输入输出系统基于CFF的参数辨识方法-202211643615.7
- 文成林 - 广东石油化工学院
- 2022-12-20 - 2023-07-21 - G06N3/048
- 本发明公开了一种超非线性输入输出系统基于CFF的参数辨识方法，包括以下步骤：S1、设计基于CFF的神经网络参数更新方法；S2、建立稀疏神经网络模型；S3、设计用系统误差建模实际噪声的方法；S4、仿真实验。本发明采用上述超非线性输入输出系统基于CFF的参数辨识方法，将CFF和神经网络结合起来，充分利用了CFF在超非线性系统中的优秀特性，将其应用于复杂网络参数更新中，提高了网络参数的更新速度，避免了传统方法带来的效率低、收敛慢等问题。
- 基于轻量神经网络的新型星图识别方法-202310238588.3
- 吴量;张凯旋;曹德坤;郝堋宇 - 长春工业大学
- 2023-03-13 - 2023-07-18 - G06N3/048
- 本发明涉及一种基于轻量神经网络的新型星图识别方法，属于星图识别技术领域。首先构建导航星表，提取导航星表内的所有导航星的伴星。针对每个导航星周围的伴星分布，都添加不同等级的噪声，并提取导航星的等频分箱径向特征，构建训练集。搭建轻量神经网络，使用训练集训练，得到特征分类模型。在实际识别一幅星图的过程中，首先从识别区域选取导航星，构建导航星的等频分箱径向特征。然后使用三角形循环匹配的方法来验证网络的分类结果，循环提取三颗星进行识别、验证，直到有三颗星的图像角距和星表角距都通过了匹配，即可认为成功识别了这幅星图。
- 基于傅立叶变换的人工神经网络的多模光纤成像方法-202110288779.1
- 陆文凯;王永浩 - 清华大学
- 2021-03-18 - 2023-07-18 - G06N3/048
- 本发明公开了属于计算机视觉技术领域的一种基于傅立叶变换的人工神经网络的多模光纤成像方法。基于多模光纤成像的物理模型，利用傅立叶变换将输入散斑图像转换到稀疏的K空间，之后利用单层人工神经网络将散斑图像在K域的稀疏表达重建为原始图像。该方法利用了图像在K空间中表达的稀疏性从而更好地提取了散斑图像中的信息，达到了很高的重建精度。
- SiLU激活函数的硬件实现方法、装置及计算设备-202310166986.9
- 刘玉宣;丁昊杰;王慧渊 - 杭州菲数科技有限公司
- 2023-02-13 - 2023-07-14 - G06N3/048
- 本发明提供了一种SiLU激活函数的硬件实现方法、装置及计算设备，涉及深度学习技术领域，本发明对目标数据进行SiLU激活函数计算时，采用了分段拟合的函数简化方式，包括部分近似、追加补偿的均匀补偿查表算法，因此在保证SiLU函数的精确度的情况下，减少了SiLU函数计算时的硬件消耗和计算时间。
- 一种面向边缘硬件设备计算的层间流通数据全量化方法-202310270387.1
- 李盈盈;丁永林;廖湘萍;曹学成;李炜;吕葛梁 - 中国电子科技集团公司第五十二研究所
- 2023-03-20 - 2023-07-14 - G06N3/048
- 本发明公开了一种面向边缘硬件设备计算的层间流通数据全量化方法，包括获取网络模型中各层的权重值以及输入网络模型的特征图的特征值，通过量化方法生成各层权重值量化系数，以及特征值量化系数。对于第一层，通过第一层权重值量化系数和特征值量化系数依次对第一层权重值和特征值进行定点化。本面向边缘硬件设备计算的层间流通数据全量化方法通过对网络模型中权重值、特征值和偏置数据的量化，以及对激活函数数据的量化，将原来位于CPU的浮点偏置数据和激活函数运算量化为适用于FPGA等只支持定点运算的边缘硬件，进而消除因中间大量数据传输导致FPGA推断时间过长或停顿的问题，实现定点数据流通。
- 机器学习模型构建方法、机器学习框架及相关设备-202111680573.X
- 方圆;周照辉;王汉超;李蕾 - 本源量子计算科技（合肥）股份有限公司
- 2021-12-30 - 2023-07-14 - G06N3/048
- 本发明公开了一种机器学习模型构建方法、机器学习框架及相关设备，应用于包括第一机器学习框架且不包括第二机器学习框架的电子装置，所述第一机器学习框架包括兼容量子计算程序封装单元，本发明通过确定对应的所述第二机器学习框架的兼容量子计算层接口，所述兼容量子计算层接口用于提供基于所述第二机器学习框架内含的量子计算编程库创建的量子程序；通过所述兼容量子计算程序封装单元调用所述兼容量子计算层接口构建兼容量子计算层；构建包括所述兼容量子计算层的机器学习模型，实现了跨量子机器学习框架构建机器学习模型。
- 一种隧道车流量及CO浓度预测方法-202310509776.5
- 张英治;王海英;凌俊强;黎碧波;张晓峰;张锦轩;翟鹏辉;何佳;林枫;崔伟;王志渝;李智 - 陕西交通控股集团有限公司
- 2023-05-08 - 2023-07-14 - G06N3/048
- 本发明公开了一种隧道车流量及CO浓度预测方法，包括创建网络、划分数据集、确定网络参数（阈值、权重）、训练网络和验证网络、设计模糊控制器六个步骤。创建网络步骤包括对NAR神经网络和NARX神经网络完成结构搭建，为后续一氧化碳和车流量历史数据的输入做准备，划分数据集包括对车流量历史数据和一氧化碳浓度历史数据进行时间序列排序，找到最优点，训练网络和验证网络以车流量为输入量用NAR神经网络对车流量完成预测，再以一氧化碳历史浓度和车流量预测数据作为双输入量用NARX神经网络完成训练预测，最终将NARX神经网络的预测量输入进模糊控制器中进行求解，确定出风机台数和风机转速。本发明的方法缩减了通风系统的能耗。
- 专利分类
