“信念网络”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855244个，建议您升级VIP下载更多相关专利

[发明专利]一种基于集成深度信念网络的语音情感识别方法-CN201610590174.7有效
发明人：文贵华;黄驹斌 -专利权人：华南理工大学
申请日： 2016-07-25 - 公布日： 2019-10-18 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种基于集成深度信念网络的语音情感识别方法，步骤如下：S1、获取深度信念网络分类器，其中该深度信念网络分类器包括M个深度信念网络模型以及M个深度信念网络模型输出端共同连接的分类器；所述M个深度信念网络模型及M个深度信念网络模型输出端共同连接的分类器经过语音情感识别数据库数据集训练后得到深度信念网络分类器；S2、获取待测语音信号的特征向量；S3、在测试时，将待测语音信号的特征向量输入步骤S1获取到的深度信念网络分类器中
一种基于集成深度信念网络语音情感识别方法

[发明专利]基于深度信念网络检测网络入侵类型的方法-CN202210775193.2在审
发明人：杨宇;杨锦溦;申芳;李富;谷雨恒;闫钰;赵琪 -专利权人：中国人民武装警察部队工程大学
申请日： 2022-07-01 - 公布日： 2022-11-15 - 主分类号： H04L9/40 文献下载
摘要：一种基于深度信念网络检测网络入侵类型的方法，由提取数据集、数据集预处理、初始化深度信念网络、优化深度信念网络、训练优化后的深度信念网络、测试训练好的深度信念网络步骤组成。本发明将深度信念网络模型作为网络入侵检测分类模型，提出了深度信念网络模型中基本网络结构的适应度标准，用该标准提出了一种用于寻找优化网络结构的改进粒子群优化方法，用该方法寻优直到找到全局优化网络结构。本发明方法经过仿真实验，实验结果表明，本发明方法显著地提高了入侵检测分类准确率，降低了入侵检测误报率和检测时间，检测网络入侵类型的准确率在98％以上，误报率低，在1.13％以下，可用于检测网络入侵类型。
基于深度信念网络检测入侵类型方法

[发明专利]一种基于信念图增强网络的人体姿态估计方法-CN202110471854.8在审
发明人：唐杰;武港山;张哲;唐玉婷;薛占奎 -专利权人：南京大学
申请日： 2021-04-29 - 公布日： 2021-07-16 - 主分类号： G06K9/00 文献下载
摘要：一种基于信念图增强网络的人体姿态估计方法，构建一个信念图增强网络，对人体姿态估计基础模型输出的信念图提高分辨率；在训练信念图增强网络时，根据训练集中的标注信息生成低分辨率信念图标签和高分辨率信念图标签，低分辨率信念图标签对应基础模型的输出分辨率，高分辨率信念图标签对应信念图增强网络的输出分辨率，训练时利用MESLoss函数分别计算两种分辨率下预测结果与真实标签之间的均方误差，求二者的加权和，并以此推导信念图增强网络各层参数的梯度本发明能够改善现有人体姿态估计方法中最终输出的信念图分辨率较低的现状，达到提高预测精确度的目的，而且不会带来参数量和浮点运算量上的显著提升。
一种基于信念增强网络人体姿态估计方法

[发明专利]基于烟花深度信念网络的人脸性别识别方法-CN201610935067.3有效
发明人：郭敏;王健;马苗;陈昱莅;肖冰 -专利权人：陕西师范大学
申请日： 2016-10-25 - 公布日： 2019-06-28 - 主分类号： G06K9/00 文献下载
摘要：一种基于烟花深度信念网络的人脸性别识别方法，由原始图像预处理、训练深度信念网络、用烟花算法优化深度信念网络初始参数空间、使用烟花算法优化的深度信念网络进行人脸性别识别组成。本发明采用深度信念网络在无监督阶段学习到人脸图像语义信息更加丰富的特征，在有监督阶段采用烟花算法调节深度信念网络初始参数空间，得到更适合于识别任务的网络模型。
基于烟花深度信念网络性别识别方法

[发明专利]一种提取深度信念网络中隐含节点语义的方法-CN201710506259.7有效
发明人：李双印;潘嵘 -专利权人：深圳爱拼信息科技有限公司
申请日： 2017-06-28 - 公布日： 2020-07-31 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种提取深度信念网络中隐含节点语义的方法，提出了全新的获取深度信念网络中隐含层内部隐含节点的语义信息的方法。该方法的关键点是，利用半结构化主题模型和深度信念网络相结合，同时学习模型参数，从而能够获取深度信念网络中不同隐含层的隐含节点的显式语义信息。本发明的另一关键点是，本发明结合了贝叶斯网络和深度神经网络这两种不同的网络类型，通过主题模型来对深度信念网络进行语义解析。与现有技术相比，本发明提出的技术方案中，构建了获取深度信念网络中隐含层内部隐含节点的语义信息的方法。这种方案能够通过利用贝叶斯主题模型，对深度信念网络中的隐含节点进行建模，获取其具体的语义信息。
一种提取深度信念网络隐含节点语义方法

[发明专利]一种基于混合特征选择和深度学习的配网故障预测方法-CN202111144362.4在审
发明人：俞小勇;秦丽文;周柯;桂海涛;吴丽芳;骆育腾;陈绍南;李克文;欧世锋;周杨珺;李珊 -专利权人：广西电网有限责任公司电力科学研究院
申请日： 2021-09-28 - 公布日： 2022-01-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于混合特征选择和深度学习的配网故障预测方法，涉及电力系统及其自动化技术领域，利用混合模型特征选择方法对预处理后的数据集进行特征选择作为输入，采用深度信念网络构建深度信念网络预测模型，并根据深度信念网络预测模型，得到优化后的深度信念网络预测模型，通过优化后的深度信念网络预测模型实现配电网故障预测。本发明不但有效的解决了配电网故障预测过程中不同数据类型复杂，不利于预测模型的训练和预测，而且采用改进免疫粒子群算法对深度信念网络预测模型的关键性参数进行优化，避免预测模型训练过程中陷入局部最优解以及过拟合情况，有利于提高深度信念网络预测模型的准确性。
一种基于混合特征选择深度学习故障预测方法

[发明专利]一种基于深度信念网络的位置预测方法及装置-CN201810015984.9有效
发明人：廖青;赵晶玲;吴杰;李妍 -专利权人：北京邮电大学
申请日： 2018-01-08 - 公布日： 2021-11-19 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例提供了一种基于深度信念网络的位置预测方法及装置，涉及位置预测技术领域，解决了现有技术中只使用位置的坐标，利用马尔科夫模型进行位置预测，只使用位置的坐标这一个维度，所考虑的维度不够全面，影响预测位置的精确度的问题其中基于深度信念网络的位置预测方法包括：将所述多个特征作为深度信念网络的输入，利用所述深度信念网络进行位置预测，将所述深度信念网络的输出值为1对应的神经元所预测的位置，预定为用户在所述兴趣点的位置之后，所要到达的位置；其中，所述深度信念网络为利用包括有与所述多个特征相同类型的特征的样本作为训练集，对深度信念网络进行训练得到的。
一种基于深度信念网络位置预测方法装置

[发明专利]线性判别深度信念网络的多姿态人脸识别方法-CN201710141432.8有效
发明人：郭敏;丁晓;王健;马苗;肖冰 -专利权人：陕西师范大学
申请日： 2017-03-10 - 公布日： 2019-10-25 - 主分类号： G06K9/00 文献下载
摘要：一种线性判别深度信念网络的多姿态人脸识别方法，由多姿态人脸图像预处理、训练深度信念网络、线性判别分析法初始化权值矩阵、线性判别深度信念网络参数调优、多姿态人脸图像识别步骤组成。本发明采用改进的线性判别分析法初始化深度信念网络最后一个隐层与输出层之间的权值矩阵，所构建的线性判别深度信念网络具有鲁棒性强、识别率高等优点，适用于多姿态人脸图像识别。
线性判别深度信念网络多姿态人脸识别方法

[发明专利]一种短期电力负荷预测方法-CN201810059484.5在审
发明人：王锐;张晓瑜;何敏藩;王珏;王炯琦;伍国华;戎海武;熊彦 -专利权人：佛山科学技术学院;佛山市有义家科技有限公司
申请日： 2018-01-22 - 公布日： 2018-06-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种短期电力负荷预测方法，包括建立4层网络结构的深度信念网络预测模型；对深度信念网络预测模型进行训练，得到深度信念网络预测模型每层的参数值，设置深度信念网络预测模型的激活函数，通过训练学习得到所述深度信念网络预测模型输入输出之间的映射关系本发明深度信念网络预测网络引入到电力负荷功率预测中，通过网络的深层结构，学习输入输出之间的内在关系，实现对未来一段时间负荷用电功率的预测。
信念网络预测模型电力负荷预测电力负荷预测用电功率功率预测激活函数内在关系深层结构时间负荷实际用电网络结构训练学习映射关系预测结果输出网络引入学习

[发明专利]一种水泥熟料游离氧化钙含量在线预测方法及系统-CN201811218283.1在审
发明人：郝晓辰;杨跃;史鑫;赵彦涛;杨黎明;何永强;郭瞳瞳 -专利权人：燕山大学
申请日： 2018-10-19 - 公布日： 2019-01-08 - 主分类号： G06Q10/04 文献下载
摘要：方法包括：获取深度信念网络模型的输入向量和输出向量；根据输入向量和输出向量构建氧化钙含量预测的深度信念网络模型；获取深度信念网络模型的多个训练样本；训练样本包括输入样本和输出样本；根据多个训练样本对深度信念网络模型进行循环往复训练，生成训练后的深度信念网络模型；获取与水泥烧成过程游离氧化钙指标相关的输入变量作为当前输入向量，输入向量为引入时间序列的输入向量；将当前输入向量输入训练后的深度信念网络模型进行预测，得到水泥熟料游离氧化钙的含量
输入向量信念网络游离氧化钙水泥熟料训练样本输出向量在线预测烧成变量数据含量预测时变时延时间序列输出样本输入变量输入样本水泥循环往复氧化钙构建引入预测

[发明专利]基于麻雀搜索算法-深度信念网络的日太阳辐射估计模型-CN202110799190.8在审
发明人：臧海祥;夏倩倩;许瑞琦;蒋欣;卫志农;孙国强 -专利权人：河海大学
申请日： 2021-07-15 - 公布日： 2021-10-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开基于麻雀搜索算法‑深度信念网络的日太阳辐射估计模型，属于新能源发电技术领域，获取气象参数数据，空气污染数据和日太阳总辐射数据，采用互信息理论选取最佳输入变量；对上述输入变量建立估算模型，比较估算误差大小，确定最优的输入变量；在选取最优输入变量集合的基础上，建立基于深度信念网络(DBN)的太阳辐射估算模型；对深度信念网络模型进一步分析，采取麻雀搜索算法对深度信念网络参数进行优化，建立基于麻雀搜索算法‑深度信念网络模型本发明用麻雀搜索算法对深度信念网络进行改进，估算的准确度得到了提高；有利于保证光伏系统的可靠运行，更好地工程实践运用。
基于麻雀搜索算法深度信念网络太阳辐射估计模型

[发明专利]基于参数优化的深度信念网络模型的TE过程故障诊断方法-CN201910521837.3有效
发明人：黄迪;张卫;黄家华 -专利权人：重庆仲澜科技有限公司
申请日： 2019-06-17 - 公布日： 2022-07-01 - 主分类号： G05B23/02 文献下载
摘要：本发明公开了一种基于参数优化的深度信念网络模型的TE过程故障诊断方法，按照以下步骤进行：以TE过程为研究对象进行试验仿真，得到仿真数据，并将该仿真数据分成训练集数据样本和测试集数据样本；基于量子粒子群算法，对深度信念网络进行优化，得到优化深度信念网络；将训练集数据样本带入优化深度信念网络进行训练，得到TE过程深度信念网络故障诊断模型；将测试集数据样本带入TE过程深度信念网络故障诊断模型，对TE过程的故障进行诊断
基于参数优化深度信念网络模型 te 过程故障诊断方法

[发明专利]一种电力铁塔上鸟巢的识别方法及系统-CN201910710454.0在审
发明人：盛戈皞;钱勇;王辉;许永鹏;夏俊杰;张重阳;江秀臣 -专利权人：上海交通大学烟台信息技术研究院;上海交通大学
申请日： 2019-08-02 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种电力铁塔上鸟巢的识别方法，其包括训练步骤和识别步骤，训练步骤包括：S100：采集电力铁塔二维案例图像；S200：构建卷积神经网络并对其进行训练，以使卷积神经网络进行数据简化处理；S300：构建采用多个限制玻尔兹曼机堆叠形成的深度信念网络，将二维数据降维到含有电力铁塔图像特征的一维数据输入深度信念网络，采用一维数据对深度信念网络进行训练，以使深度信念网络输出识别结果；识别步骤包括：D100：将待识别的电力铁塔二维图像输入经过训练的卷积神经网络，卷积神经网络输出经过数据简化的二维数据；D200：将二维数据降维至一维数据输入经过训练的深度信念网络；D300：深度信念网络输出识别结果。
一种电力铁塔鸟巢识别方法系统

[发明专利]一种基于深度信念网络的多模态情感识别方法-CN201710322847.5在审
发明人：黄俊;张若凡;刘科征;崔浩然 -专利权人：重庆邮电大学
申请日： 2017-05-09 - 公布日： 2017-08-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度信念网络的多模态情感识别方法，步骤如下一、建立一个多模态情感识别数据库，包含3类情感的样本，分别是语音情感识别数据库、心电情感识别数据库和呼吸情感识别数据库；二、获取每种情感识别数据库的深度信念网络分类器并对分类器进行数据集的训练，其中该分类器包括M个深度信念网络模型以及M个深度信念网络模型输出端共同连接的分类器；三、将3种情感识别数据库的深度信念网络分类器采用投票的方法进行决策层融合，得到最终的情感识别结果。本发明针对多模态情感数据库样本进行情感识别，包括语音、心电和呼吸，采用了深度信念网络构造分类器取代传统的人工抽取特征方法，减少了情感特征提取对人工经验和实验次数的依赖性，为深度信念网络和多模态情感识别的结合提供了新思路
一种基于深度信念网络多模态情感识别方法

[发明专利]一种识别电视台图标的方法及装置-CN201610112162.3在审
发明人：胡东方 -专利权人：无锡天脉聚源传媒科技有限公司
申请日： 2016-02-29 - 公布日： 2017-09-05 - 主分类号： H04N21/235 文献下载
摘要：所述识别电视台图标的方法，包括根据预设的电视台图标训练样本库，训练基于深度学习的深度信念网络；测试训练后的所述基于深度学习的深度信念网络；获取待检测的电视台的画面图像；通过所述合格的基于深度学习的深度信念网络来分析所述待检测的电视台的画面图像本发明可通过训练深度信念网络，使得深度信念网络具有高度识别电视台图标的能力，当用户提交待识别的电视台的画面到该训练后深度信念网络后，可以准确的识别出待识别的电视台的画面中的电视台图标。
一种识别电视台图标方法装置

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