“人工神经网络”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1880558个，建议您升级VIP下载更多相关专利

[发明专利]人工神经网络-CN201810255689.0在审
发明人：林忠亿 -专利权人：富泰华工业（深圳）有限公司;鸿海精密工业股份有限公司
申请日： 2018-03-27 - 公布日： 2019-10-08 - 主分类号： G06N3/04 文献下载
摘要：一种人工神经网络，包括：一输入层，包括多个第一节点；一隐藏层，包括多个第二节点；一输出层，包括多个第三节点，所述隐藏层位于所述输入层以及所述输出层之间；其中，所述隐藏层为三维立体结构，分为沿所述输入层至所述输出层的方向间隔设置的多个平面
平面的输出层输入层隐藏层人工神经网络节点连接排列方向邻近三维立体结构数据传输方向方向间隔

[发明专利]人工神经网络-CN201780093015.9在审
发明人：李鸿杨 -专利权人：诺基亚技术有限公司
申请日： 2017-06-02 - 公布日： 2020-03-17 - 主分类号： G06N3/08 文献下载
摘要：根据本发明的示例方面，提供了一种装置，该装置包括：存储器，被配置为存储卷积人工神经网络信息，该卷积人工神经网络信息包括至少一个过滤定义；以及至少一个处理核心，被配置为根据至少一个过滤定义从前面的层生成人工神经网络的后面的层的卷积结果
人工神经网络

[发明专利]人工神经网络-CN201780094924.4在审
发明人：汪萌 -专利权人：诺基亚技术有限公司
申请日： 2017-08-04 - 公布日： 2020-05-08 - 主分类号： G06N3/08 文献下载
摘要：提供了一种装置，该装置包括至少一个处理核心、至少一个存储器，该至少一个存储器包括计算机程序代码，该至少一个存储器和计算机程序代码被配置为与至少一个处理核一起使装置至少：从第一顺序输入获得来自第一循环神经网络的第一输出，该第一顺序输入具有第一模态；从第二顺序输入获得来自第二循环神经网络的第二输出，该第二顺序输入具有第二模态；以及处理第一输出和第二输出以获得第一顺序输入和第二顺序输入的相关性。
人工神经网络

[发明专利]人工神经网络-CN202110962328.1在审
发明人：图尔加伊·伊斯克·阿斯兰德里 -专利权人：福特全球技术公司
申请日： 2021-08-20 - 公布日： 2022-03-01 - 主分类号： G06N3/04 文献下载
摘要：人工神经网络包括输入层、第一中间层和至少一个其它中间层以及输出层，其中输入层包括多个神经元，第一中间层有第一数量的神经元以及其它中间层有其它数量的神经元，其中第一数量大于其它数量。
人工神经网络

[发明专利]人工神经网络-CN201410173215.3有效
发明人：莫小钧 -专利权人：莫小钧
申请日： 2014-04-28 - 公布日： 2017-06-20 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种人工神经网络，包括一个基本动作单元，该基本动作单元包括动作单元、选择系统，每个动作单元包括相互对应的一个A类神经元、一个B类神经元，该基本动作单元的输入，作用于各个A类神经元，该基本动作单元的输出，则由各个B类神经元来执行，某一B类神经元输出发放状态则其所在动作单元所代表的动作就开始实施，即B类神经元的输出作为该基本动作单元的输出。
人工神经网络

[发明专利]人工神经网络-CN201680088205.7有效
发明人：姜晓恒 -专利权人：诺基亚技术有限公司
申请日： 2016-08-08 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：根据本发明的示例方面，提供了一种装置，该装置包括：存储器，其被配置为存储至少部分地定义人工神经网络的数据；以及至少一个处理核，其被配置为利用至少一个随机修正线性单元通过将测试数据集应用于人工神经网络来训练人工神经网络
人工神经网络

[发明专利]人工神经网络-CN201680091920.6在审
发明人：曹家乐 -专利权人：诺基亚技术有限公司
申请日： 2016-12-30 - 公布日： 2019-08-13 - 主分类号： G06N3/08 文献下载
摘要：根据本发明的一个示例方面提供了一种设备，包括：存储器，被配置为至少部分地存储卷积人工神经网络的标记信息；以及至少一个处理核，被配置为根据标记信息从输入数据项生成卷积人工神经网络的部分特征图，从部分特征图生成到多个弱分类器的输入
特征图人工神经网络标记信息输入数据项弱分类器存储器处理核存储卷卷积配置分类决策

[发明专利]人工神经网络-CN200480025276.X无效
发明人： P·M·布谢马 -专利权人：西麦恩公司
申请日： 2004-08-24 - 公布日： 2006-10-11 - 主分类号： G06N3/04 文献下载
摘要：一种人工神经网络，包括具有预定数目的输入节点的至少一个输入层，以及具有预定数目的输出节点的至少一个输出层，或者还包括在所述输入层和所述输出层之间的具有预定数目的节点的至少一个中间隐藏层。
人工神经网络

[发明专利]脉冲神经网络转换方法及相关转换芯片-CN201910079637.7有效
发明人：张磊;杜子东;陈云霁 -专利权人：中国科学院计算技术研究所
申请日： 2019-01-26 - 公布日： 2021-09-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种人工神经网络转换为脉冲神经网络的脉冲神经网络转换方法及相关转换芯片，该脉冲神经网络转换方法包括：根据人工神经网络的待转换层和转换激活函数，得到待转换人工神经网络，该转换激活函数的结果与该人工神经网络的输入数据正相关；训练该待转换人工神经网络，得到训练后待转换人工神经网络；以及根据该训练后待转换人工神经网络和时钟神经元，得到脉冲神经网络。
脉冲神经网络转换方法相关芯片

[发明专利]用于压缩人工神经网络的方法和设备-CN202110246596.3在审
发明人：赵民炅;崔赛纶;李承远 -专利权人：三星电子株式会社
申请日： 2021-03-05 - 公布日： 2022-04-22 - 主分类号： G06N3/08 文献下载
摘要：公开了用于压缩人工神经网络的方法和设备。所述方法可获取第一输入图像和第二输入图像；基于第一输入图像预先训练神经网络，以生成预先训练的人工神经网络；获取与预先训练的人工神经网络对应的权重，其中，所述人工神经网络包括多个层，并且处理器被配置为：基于所述权重和第二输入图像，生成用于获取由于修剪所述人工神经网络引起的所述人工神经网络的行为的改变的数据；基于所述人工神经网络的行为的改变，来确定用于修剪所述人工神经网络的修剪阈值；和基于修剪阈值压缩所述人工神经网络。
用于压缩人工神经网络方法设备

[发明专利]一种YOLO脉冲神经网络的优化方法-CN202011117592.7在审
发明人：李丽;陈沁雨;傅玉祥;何书专;李剑斌;陈健 -专利权人：南京宁麒智能计算芯片研究院有限公司
申请日： 2020-10-19 - 公布日： 2021-01-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种YOLO脉冲神经网络的优化方法，属于神经网络技术领域。本发明的方法构建YOLO人工神经网络，并对YOLO人工神经网络的网络结构进行解析；再对解析后的YOLO人工神经网络进行动态标准化处理得到标准化YOLO人工神经网络；而后将标准化YOLO人工神经网络转换为YOLO脉冲神经网络，具体地，对标准化的YOLO人工神经网络建立脉冲输入输出机制、脉冲发射机制和膜电位复位机制得到YOLO脉冲神经网络。本发明克服了现有技术中YOLO脉冲神经网络精度较低的问题，本发明通过对YOLO人工神经网络进行解析、标准化和转换操作，得到的YOLO脉冲神经网络具有较高精度，从而可以提高YOLO脉冲神经网络的图像识别精度
一种 yolo 脉冲神经网络优化方法

[发明专利]神经网络计算系统和方法-CN201810151978.6有效
发明人：陈天石;刘少礼;郭崎;陈云霁 -专利权人：中科寒武纪科技股份有限公司
申请日： 2016-01-20 - 公布日： 2020-05-22 - 主分类号： G06N3/063 文献下载
摘要：一种神经网络计算系统，包括I/O接口，用于I/O数据；内存，用于暂存多层人工神经网络模型和神经元数据；人工神经网络芯片，用于执行多层人工神经网络运算及其反向传播训练算法，接受来自中央处理器CPU的数据和程序，执行上述多层人工神经网络运算及其反向传播训练算法；中央处理器CPU，用于进行数据搬运以及人工神经网络芯片启动停止控制，作为人工神经网络芯片与外部控制的接口，并接收人工神经网络芯片执行后的结果。以及一种应用上述系统进行人工神经网络压缩编码方法。本披露不仅能有效减小人工神经网络的模型大小，提高人工神经网络的数据处理速度，而且能有效降低功耗，提高资源利用率。
神经网络计算系统方法

[发明专利]一种人工神经网络计算装置和方法-CN201711426401.3有效
发明人：不公告发明人 -专利权人：上海寒武纪信息科技有限公司
申请日： 2017-12-25 - 公布日： 2022-04-12 - 主分类号： G06N3/063 文献下载
摘要：本公开提供了一种人工神经网络计算方法，利用人工神经网络计算装置对多层人工神经网络的进行训练，包括：对多层人工神经网络中的各层依次执行正向运算，对于多层人工神经网络的每一层，正向运算包括：映射单元对输入数据进行处理，以得到处理后的输入数据；存储单元存储处理后的输入数据；运算单元读取处理后的输入数据，进行人工神经网络运算，得到人工神经网络的输出数据；按照与正向运算相反的顺序，对多层人工神经网络中的各层依次执行反向运算；对多层人工神经网络中的各层进行权值更新；重复执行上述各个步骤多次，完成多层人工神经网络的训练。
一种人工神经网络计算装置方法

[发明专利]人工神经网络和脉冲神经网络的混合计算系统-CN201510419414.2有效
发明人：施路平;裴京;王栋;邓磊;李国齐 -专利权人：北京灵汐科技有限公司
申请日： 2015-07-16 - 公布日： 2018-08-21 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种人工神经网络和脉冲神经网络的混合计算系统，包括：多个神经网络计算单元，该多个神经网络计算单元中一部分为人工神经网络计算单元，承担人工神经网络计算，另一部分为脉冲神经网络计算单元，承担脉冲神经网络计算，该多个基本计算单元按照一定的拓扑结构相互连接，共同实现神经网络计算功能。该混合计算系统结合了人工神经网络和脉冲神经网络两种神经网络的计算模式，能进行实时快速、多模态或复杂时空信号计算并能保证计算的精确度。
人工神经网络脉冲混合计算系统

[发明专利]面向脉冲神经网络的自适应模型转化方法及系统-CN202011294317.2在审
发明人：张毅;刘晓东;彭龙;马俊;黄辰林;余杰;谭郁松;吴庆波;廖湘科;汪昌棋;李文杰 -专利权人：中国人民解放军国防科技大学
申请日： 2020-11-18 - 公布日： 2021-01-29 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种面向脉冲神经网络的自适应模型转化方法及系统，本发明方法包括获取待转化的深度人工神经网络模型，所述待转换的深度人工神经网络模型为Keras、Pytorch、TensorFlow中的任意一种框架下的深度神经网络模型；若待转化的深度人工神经网络模型为Pytorch或TensorFlow框架下的深度神经网络模型则转换为Keras框架下的深度人工神经网络模型；将Keras框架下的深度人工神经网络模型转换为脉冲神经网络。本发明能够实现多种智能框架下的深度人工神经网络模型，在保证少量模型精度损失的前提下，完成向新型脉冲神经网络的自适应转化。
面向脉冲神经网络自适应模型转化方法系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条