“人工神经网络学习”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2051514个，建议您升级VIP下载更多相关专利

[发明专利]基于GA-ANN人工神经网络模型的热处理方法和装置-CN201810810834.7在审
发明人：李造宇 -专利权人：大冶特殊钢股份有限公司
申请日： 2018-07-23 - 公布日： 2019-01-18 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于GA‑ANN人工神经网络模型的热处理方法和装置，该方法包括步骤：构建神经网络算法和遗传算法相结合的GA‑ANN人工神经网络模型；收集以往生产中钢材热处理的实例数据，建立材料数据库；根据当前待热处理的钢材材料信息和性能要求，设定所述GA‑ANN人工神经网络模型的输入层、输出层的学习数据；利用材料数据库中数据对GA‑ANN人工神经网络模型进行学习和验证；将验证合格的GA‑ANN人工神经网络模型对待热处理的材料所需的热处理参数进行预判
人工神经网络模型热处理方法和装置材料数据库热处理参数预判验证神经网络算法数据库模块钢材材料构建模块基本参数实例数据性能要求学习数据训练模块遗传算法预测目标输出层输入层构建钢材生产学习

[发明专利]基于知识蒸馏的多自监督任务融合方法、装置及存储介质-CN202210737555.9在审
发明人：刘嘉滨;张轩铭;陈曾平;胡俊 -专利权人：中山大学
申请日： 2022-06-27 - 公布日： 2022-10-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于知识蒸馏的多自监督任务融合方法、装置及存储介质，建立多个第一神经网络模型、多个自监督任务、分类任务和第二神经网络模型，分别使用各自监督任务，对相应的第一神经网络模型进行自监督训练；通过知识蒸馏融合各第一神经网络模型与第二神经网络模型，使用分类任务对第二神经网络模型进行训练等步骤。本发明应用了知识蒸馏技术，能够借助经过自监督任务训练的第一神经网络模型，提升第二神经网络模型的性能，使得对第二神经网络模型的训练，融合了有监督学习容易训练得到准确度高的网络模型，以及自监督学习容易进行大规模训练的优点，使得有监督学习与自监督学习的优缺点互补。本发明广泛应用于人工智能技术领域。
基于知识蒸馏监督任务融合方法装置存储介质

[发明专利]一种神经网络拆分学习算法-CN202210617564.4在审
发明人：史永康 -专利权人：史永康
申请日： 2022-06-02 - 公布日： 2022-08-05 - 主分类号： G06N3/04 文献下载
摘要：人工神经网络技术以其特有的信息处理方法和网络结构算法，在模式识别，图像处理，自动控制，自然语言处理，组合优化等领域发挥着越来越重要的作用。近年来，随着数据集样本的增多，深度学习网络层数越来越多，计算复杂度越来越高。通过增加深度学习网络层数来提高深度学习的准确度，就会出现神经网络模型训练速度慢的问题。为了解决深度学习网络的准确度和训练速度不能兼顾以及深度学习网络模型不能重复利用的问题。本发明的神经网络拆分学习算法，通过对一个已训练好的神经网络函数进行拆分和增补，整合成新的神经网络函数。只对神经网络函数增补的部分进行训练，这样既提高了训练速度又提高了原有神经网络函数的准确度，而且使深度学习网络模型可以重复利用。
一种神经网络拆分学习算法

[发明专利]一种仿脑的具有遗忘特性的神经网络优化方法-CN201811119980.1在审
发明人：侯立刚;江南;王超;耿淑琴;高强 -专利权人：北京工业大学
申请日： 2018-09-25 - 公布日： 2019-03-01 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种仿脑的具有遗忘特性的神经网络优化方法，本方法用以提升基于VLSI等方式所搭建的人工神经网络电路训练效率。本发明基于BP训练法，加入了对于人脑遗忘信息的模拟。本发明电路经过多次训练，只有不断重复和强化的重要信息的权值和阈值才会被神经网络学习并保留下来；次要信息在长时间不训练后会慢慢遗忘掉，最大化降低次要信息对神经网络学习的干扰，大幅度减少基于VLSI等方式所搭建的人工神经网络电路训练时间
遗忘人工神经网络神经网络学习神经网络优化电路次要信息训练效率重要信息权值和最大化人脑重复保留

[发明专利]应用神经网络深度学习的智能测判方法-CN202010407547.9在审
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-05-14 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种应用神经网络深度学习的智能测判方法，神经网络包括输入神经网络层和输出神经网络层，输入神经网络层和输出神经网络层之间存在呈递进排列的多层隐含神经网络层，输入神经网络层包含若干输入神经元，隐含神经网络层包含若干隐含神经元，输出神经网络层包含若干输出神经元，智能测判方法包括以下内容：A、深度学习方法；B、测判方法。本发明省去了对目标信息值的大量标注，可以最大限度地减少人工负担。将所有特征信息进行整体识别，完成对所有目标信息值的监测，省去创建多项识别器的繁琐，避免目标信息值遗漏问题。可以学习、训练特定目标信息值的专用识别器，并不断扩大对应领域。不断进化成更高精度、更大规模的系统。
应用神经网络深度学习智能方法

[发明专利]一种基于卷积神经网络的管道缺陷检测方法和装置-CN201910399916.1有效
发明人：王继锋;汤晓英;左延田;陈德禄 -专利权人：上海市特种设备监督检验技术研究院
申请日： 2019-05-14 - 公布日： 2023-04-28 - 主分类号： G01N27/83 文献下载
摘要：本发明公开了一种基于卷积神经网络的管道缺陷检测方法和装置，基于卷积神经网络同时对三维漏磁信号进行卷积神经处理，得到的特征同时包含三个维度的信息。本发明提出的方法，不需要人工定义特征，卷积神经网络会自动学习高度抽象高表达性的特征，避免了以往依靠人工定义特征的问题。提出采用卷积神经网络技术对三维漏磁场缺陷特征进行自学习，利用该技术能够自动学习表达能力强的抽象特征，无需人工设计特征，卷积操作同时对三幅漏磁分量图进行操作，保留了特征的空间属性。最后融合训练学习得到的特征及先验知识进行管道缺陷尺寸的预测。
一种基于卷积神经网络管道缺陷检测方法装置

[发明专利]一种实现连续学习的神经网络模型的训练方法、装置和电子设备-CN202110686037.4在审
发明人：尚大山;张握瑜;李熠 -专利权人：中国科学院微电子研究所
申请日： 2021-06-21 - 公布日： 2022-12-23 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种实现连续学习的神经网络模型的训练方法、装置和电子设备，涉及机器学习及人工智能领域。实现连续学习的神经网络模型的训练方法，包括：获取神经网络模型的历史浮点权重；对历史浮点权重进行二值化处理，确定历史二值权重；利用神经网络模型的历史二值权重处理训练样本，获得历史二值权重的误差；基于历史浮点权重和历史二值权重的误差，确定当前实际浮点权重；根据当前实际浮点权重调节神经网络模型的浮点权重。本发明提供的方法既可以实现对当前任务的准确识别，又可以记忆之前学习过的任务，实现二值神经网络的连续学习，同时提高神经网络模型的鲁棒性，降低数据处理过程中的功耗。
一种实现连续学习神经网络模型训练方法装置电子设备

[发明专利]一种基于难样本学习与神经网络融合的机器学习方法-CN202010819771.9在审
发明人：刘峡壁;许肖汉 -专利权人：北京深境智能科技有限公司;广东申义实业投资有限公司
申请日： 2020-08-14 - 公布日： 2020-11-20 - 主分类号： G06N20/20 文献下载
摘要：本发明涉及一种基于难样本学习与神经网络融合的机器学习方法，属于人工智能技术领域。所述方法在全部训练样本集和困难训练样本集上学习得到两个神经网络，再融合这两个神经网络得到一个性能更好的新的神经网络；难样本学习和网络融合过程可反复多次进行，直到神经网络的性能不能提高为止，从而在保持容易样本计算精度的前提下有效提高难样本计算精度；所述方法亦可适用于通过其他任意方式得到的网络，比如在递增学习中将在新增训练样本上学习得到的网络与原有网络进行融合，或者将用两种不同学习方法得到的网络进行融合。所述方法将两个或以上不同神经网络融合成一个性能更好的网络，整体计算更可靠、精度更高。
一种基于样本学习神经网络融合机器学习方法

[发明专利]基于人工神经网络和BIM的建筑能耗模拟和优化方法-CN201811304066.4在审
发明人：赵建国;董怡平;单彩杰;张占斌;陈俊杰;曹海良;杜先文;和嘉良;王慧彬 -专利权人：中国建筑上海设计研究院有限公司;中国建筑股份有限公司;中国建筑第八工程局有限公司
申请日： 2018-11-03 - 公布日： 2019-02-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于人工神经网络和BIM的建筑能耗模拟和优化方法，包括：建立建筑能耗数据库；通过人工神经网络算法，对建筑能耗数据库进行深度学习；通过Revit软件建立建筑方案的BIM模型，通过Rihno+Grasshopper平台提取BIM模型的建筑特征；通过人工神经网络算法计算出建筑的耗能评估结果；选择优化策略，得出各种优化策略的节能效果，形成优化后的设计方案。本发明将人工神经网络技术、BIM技术与建筑能耗模拟相结合。通过直接从BIM模型提取建筑特征信息，免除了传统在模拟软件上的建模环节；通过人工神经网络对数据库的学习，直接得出能耗计算结果，实现了建筑方案的实时优化和分析。
人工神经网络建筑能耗人工神经网络算法建筑能耗数据库模拟和优化建筑特征人工神经网络技术节能效果模拟软件模型提取能耗计算评估结果实时优化选择优化优化策略耗能建模数据库学习环节优化分析

[发明专利]一种基于机器学习的光纤窃听定位方法、系统及电子设备-CN201910682968.X有效
发明人：李亚杰;张杰;宋浩鲲;赵永利;张会彬;刘明哲;涂志伟 -专利权人：北京光锁科技有限公司;北京邮电大学
申请日： 2019-07-26 - 公布日： 2021-01-05 - 主分类号： H04B10/07 文献下载
摘要：本发明公开了一种基于机器学习的光纤窃听定位方法、系统及电子设备，该基于机器学习的光纤窃听定位方法，包括：采集光纤信道的历史信号信息，历史信号信息包括窃听情况信息和信道性能信息；根据历史信号信息运用人工神经网络算法进行训练，得到窃听定位的人工神经网络模型；采集光纤信道的当前信号信息，判断当前信号信息是否存在窃听行为；若存在窃听行为，则将当前信号信息作为人工神经网络模型的输入向量，根据人工神经网络模型的输出向量确定窃听点位置本发明利用人工神经网络算法对光通信物理层数据完成精细化处理，实现光纤窃听的智能定位；并且通过光纤信道的眼图及其参数差异进行综合分析计算，进行窃听定位。
一种基于机器学习光纤窃听定位方法系统电子设备

[发明专利]一种基于Master-Slave神经元的人工神经网络控制器-CN202110488734.9有效
发明人：李辛毅;吴华强;钱鹤 -专利权人：清华大学
申请日： 2021-05-06 - 公布日： 2022-06-21 - 主分类号： G05B13/04 文献下载
摘要：本发明提出一种基于Master‑Slave神经元的人工神经网络控制器，属于人工神经网络硬件实现技术领域。该控制器包括：一个Master神经元模块、多个独立的Slave神经元模块以及一个非挥发忆阻器阵列；其中，所述Master神经元模块包含多个独立的Master神经元，每个Master神经元分别连接非挥发忆阻器阵列和每个Slave神经元模块，非挥发忆阻器阵列分别连接每个Slave神经元模块。本发明的Master神经元收到新的任务信息后，在不改变神经网络保存的已经过训练的信息的前提下，通过训练新的Slave神经元对新信息进行学习，从而使人工神经网络具有像生物神经网络一样的自适应和学习能力。
一种基于 master slave 神经元人工神经网络控制器

[发明专利]一种二值神经网络的简单快速反向传播及训练算法-CN202011493294.8在审
发明人：陈晖 -专利权人：陈晖
申请日： 2020-12-17 - 公布日： 2022-06-21 - 主分类号： G06N3/08 文献下载
摘要：本发明设计了一种二值神经网络的简单快速反向传播及逆向镜像训练算法，并结合逆向镜像训练来求得二值神经网络输入、输出矩阵权重值。本算法仅使用简单的位运算、位翻转运算、对位匹配运算，相比二值神经网络算法节省计算量，同时便于硬件实现。这样的神经网络模型可以解释，神经网络模型的行为容易预判。便于神经网络模型设计。本算法应用于需要神经网络的各种人工智能深度学习领域，特别是计算资源受限制的边缘计算领域，及要求实时和需要动态学习的深度学习领域。
一种神经网络简单快速反向传播训练算法

[发明专利]基于人工神经网络的土地评价方法-CN200910063040.X无效
发明人：刘耀林;焦利民;刘艳芳 -专利权人：武汉大学
申请日： 2009-07-07 - 公布日： 2009-12-09 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于人工神经网络的土地评价方法，该方法以实际调查样本为基础的自学习方法或以已有知识为基础，依据样本进行自学习修正，构建基于自学习、自适应的神经网络的土地评价方法。根据神经网络模型因模型结构中存在阶跃函数等不可微激发函数而引起的收敛过于缓慢甚至发散的问题，而引入遗传优化，构建了基于遗传优化的土地评价方法，实现基于遗传优化的神经网络土地评价方法。发明用遗传算法优化神经网络的连接权和遗传算法优化神经网络结构提高神经网络模型的准确性和实用性。
基于人工神经网络土地评价方法

[发明专利]一种人工智能处理器的学习任务编译方法及相关产品-CN201911296833.6在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2019-12-16 - 公布日： 2020-02-07 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种编译人工智能处理器的学习任务的方法、装置、存储介质和系统。所述方法包括：首先通过将冗余神经网络层的融合到卷积层中，进行卷积神经网络结构的优化，之后再基于优化后的卷积神经网络对人工智能处理器的学习任务进行编译。采用本方法编译人工智能处理器的学习任务编译效率高，且在设备上被执行时可以减少处理过程中的数据交换。
人工智能处理器编译卷积卷积神经网络神经网络结构存储介质任务编译神经网络数据交换冗余学习优化融合申请

[发明专利]确定技术设备的系统行为与标准值范围的不允许偏差的方法-CN202080076894.6在审
发明人： A·罗默尔 -专利权人：罗伯特·博世有限公司
申请日： 2020-11-05 - 公布日： 2022-06-10 - 主分类号： G06F17/18 文献下载
摘要：在借助于人工神经网络确定技术设备的不允许偏差的方法中，在学习阶段向所述人工神经网络输送所述技术设备的输入数据和输出数据，在随后的预测中仅将所述输入数据输送给所述神经网络并且在所述神经网络中计算与所述技术设备的输出数据进行比较的输出比较数据
确定技术设备系统行为标准范围不允许偏差方法