“加权网络”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887312个，建议您升级VIP下载更多相关专利

[发明专利]一种基于图神经网络实现V2V链路速率和最大化的方法-CN202310069004.4在审
发明人：胡斌杰;张鑫城 -专利权人：华南理工大学
申请日： 2023-02-06 - 公布日： 2023-06-06 - 主分类号： H04W52/26 文献下载
摘要：本发明公开了一种基于图神经网络实现V2V链路速率和最大化的方法，包括步骤如下：以一阶高斯马尔可夫过程建模的小尺度衰落和大尺度衰落建模车联网传输信道模型；建模图神经网络模型；建立V2V链路的总传输速率最大化模型，提出以图神经网络优化的加权最小均方误差算法解决车辆通信发射功率分配问题，并对时延和可靠性等约束条件进行保证；图神经网络优化的加权最小均方误差算法不仅保留了加权最小均方误差算法以解决车辆发射功率分配的关键数据驱动组件，更通过图神经网络优化加权最小均方算法中的关键参数，加速网络的收敛性能和提高V2V链路的总传输速率。
一种基于神经网络实现 v2v 速率最大化方法

[发明专利]一种联合投送网络构建方法及系统-CN202211290631.2在审
发明人：郭志明;高亮;周宇;白子龙;庞婷;田建辉;孙勇 -专利权人：中国兵器科学研究院
申请日： 2022-10-21 - 公布日： 2022-11-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种联合投送网络构建方法及系统，涉及军事投送领域，构建节点数量为n、连边个数为m的网络模型，并建立所述加权网络模型的邻接矩阵；选取拓扑指标并确定各拓扑指标的权重，构建加权邻接矩阵并基于该加权临边矩阵构建加权网络模型；根据节点之间投送方式的不同，构建虚拟节点，并建立虚拟网络图；针对虚拟网络图进行决策分析
一种联合投送网络构建方法系统

[发明专利]一种基于压缩宽波束天线获得的窄波束天线及设计方法-CN201810053488.2有效
发明人：吴日恒;宋宜斌 -专利权人：烟台大学文经学院
申请日： 2018-01-19 - 公布日： 2020-10-30 - 主分类号： H01Q3/28 文献下载
摘要：本发明提供一种基于压缩宽波束天线获得的窄波束天线及设计方法，该波束天线包括角度发生器、移相网络、幅度加权矩阵网络及馈源，其中相邻两个角度发生器之间通过移相网络相连，每一角度发生器通过与其一一对应的幅度加权矩阵网络和所述馈源相连；使得角度发生器输出的角度θ，经幅度加权矩阵网络后得到的角度为加权矩阵网络，可以随意灵活配置的实现从宽波束天线压缩为窄波束天线；本发明既不增加天线有效孔径长度，也不改变射频发射机波长。
一种基于压缩波束天线获得设计方法

[发明专利]一种基于压缩感知网络的图像重构方法和装置-CN202211264253.0有效
发明人：张军;刘忠俊 -专利权人：广东工业大学;人工智能与数字经济广东省实验室（广州）
申请日： 2022-10-17 - 公布日： 2023-01-17 - 主分类号： G06T11/00 文献下载
摘要：本申请公开了一种基于压缩感知网络的图像重构方法和装置，对原始图像信号进行采样得到采样图像信号，进而初始化得到初始重构图像信号；将采样图像信号和初始重构图像信号输入到压缩感知网络中，通过压缩感知网络中的多层卷积加权模块进行信号加权，得到多层重构图像信号，并根据相邻两层重构图像信号之间的相关性来优化重构图像信号；根据最终重构图像信号和原始图像信号更新网络参数；通过训练好的压缩感知网络对待重构图像信号进行图像重构，改善了现有技术采用循环神经网络对重构信号进行加权，对加权矩阵有很大的限制，以及利用重构信号中每列信号的相似性来设计模型，由于每列信号的相似性的稳定性较差，导致重构结果稳定性较差的技术问题。
一种基于压缩感知网络图像方法装置

[发明专利]神经网络创建方法和装置、图像处理方法和电子设备-CN201811591916.3在审
发明人：张祥雨 -专利权人：北京迈格威科技有限公司
申请日： 2018-12-25 - 公布日： 2019-04-19 - 主分类号： G06N3/06 文献下载
摘要：本公开提供一种神经网络创建方法、创建装置、使用神经网络处理输入图像的图像处理方法、电子设备以及计算机可读存储介质。所述神经网络创建方法，包括：配置多个初始网络单元，所述多个初始网络单元的每个至少包括具有相同的输入端和输出端的多个网络子单元，以及与所述多个网络子单元的所述输出端连接的加权选通单元；配置初始神经网络，所述初始神经网络至少包括所述多个初始网络单元；基于所述神经网络的目标任务，训练所述初始神经网络，直到满足预定训练结束条件；以及对于所述多个初始网络单元中的每一个，通过所述加权选通单元选择一个网络子单元，并且移除其他网络子单元和所述加权选通单元，以获得创建的神经网络
神经网络初始网络子单元选通单元加权电子设备图像处理创建网络计算机可读存储介质神经网络处理方法和装置输出端连接创建装置结束条件输入图像输入端配置移除输出

[发明专利]基于权值分布的用于土壤取样筛选的神经网络的训练方法-CN202011466020.X在审
发明人：鲁梅 -专利权人：无锡星畅云联信息技术有限公司
申请日： 2020-12-13 - 公布日： 2021-03-12 - 主分类号： G06K9/46 文献下载
摘要：本申请公开了一种基于权值分布的用于土壤取样筛选的神经网络的训练方法，其包括：获取训练用候选土壤图像和参考图像；将所述训练用候选土壤图像和所述参考图像分别通过卷积神经网络以获得候选特征图和参考特征图；以第一加权系数和第二加权系数融合所述候选特征图和所述参考特征图，以获得分类特征图，所述第一加权系数为在0到1的数值范围内按照标准正态分布随机选择的概率值；计算所述第一加权特征图和所述第二加权特征图之间的按像素位置的加权和，以获得所述分类特征图；将所述分类特征图通过分类函数，以获得分类损失函数值；以预定步长减小所述分类损失函数值，并以梯度下降的反向传播更新所述卷积神经网络的参数。
基于分布用于土壤取样筛选神经网络训练方法

[发明专利]一种基于发电机节点及网络加权拓扑的电网分区方法-CN202110620858.8有效
发明人：李浩乾;邹艳丽 -专利权人：广西师范大学
申请日： 2021-06-03 - 公布日： 2022-11-29 - 主分类号： G06F30/18 文献下载
摘要：本发明公开了一种基于发电机节点及网络加权拓扑的电网分区方法，其特征在于，包括如下步骤：1）构建电力系统的加权网络模型；2）定义加权模型下电网模块度函数；3）计算网络的模块化度量初值DEST_PATH_IMAGE004.JPG" imgContent="drawing" imgFormat="JPEG" orientation="portrait" inline="yes" />；4）计算网络模块化增量值；5）网络压缩；6）得到最优的子网划分。这种方法结合电力网络的拓扑结构和电气特性，具有较高的准确性和效率，适合大型复杂网络的分析。
一种基于发电机节点网络加权拓扑电网分区方法

[发明专利]一种基于通道特征加权卷积神经网络的生成式目标跟踪方法-CN201811620278.3在审
发明人：王天江;冯平;赵志强;罗逸豪;冯琪 -专利权人：华中科技大学
申请日： 2018-12-28 - 公布日： 2019-07-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种通道特征加权卷积神经网络的生成式目标跟踪方法，该方法包括：构造基于通道特征的加权卷积神经网络模型，对网络模型进行轮流迭代的训练，训练好的基于通道特征的加权卷积神经网络模型中卷积部分作为共享的特征提取子网络，剩下的部分作为分类子网络。进行目标跟踪时，固定特征提取子网络的参数，重置分类子网络的卷积核参数，对分类子网络进行训练，提取初始目标的特征作为初始模板。在跟踪过程中，自适应更新分类子网络并生成重要的历史目标跟踪模板；对属于前景类概率较高的候选样本，计算得到综合的预测值，将预测值最高的样本作为新的跟踪结果。本发明能够有效提高跟踪的预测精度。
子网络卷积神经网络通道特征加权目标跟踪分类生成式跟踪预测自适应更新初始目标跟踪结果固定特征候选样本历史目标特征提取网络模型卷积核迭代卷积重置样本轮流共享概率

[发明专利]基于可视角度测算的时间序列加权复杂网络构建方法-CN201810100110.3有效
发明人：曾明;韩静静;孟庆浩 -专利权人：天津大学
申请日： 2018-01-31 - 公布日： 2020-11-20 - 主分类号： H04L12/24 文献下载
摘要：一种基于可视角度测算的时间序列加权复杂网络构建方法，首先将时间序列的数据点定义为网络节点，然后通过分析各数据点之间是否满足可视准则确定节点之间的连边，最后计算存在连边的数据点可视角度大小作为节点之间的连边权重，从而构建了时间序列加权复杂网络。本发明的基于可视角度测算的时间序列加权复杂网络构建方法，能更精确地刻画原始时间序列数据点之间的关系，其网络特性能更准确、灵敏地反映不同信号之间的细微差异。
基于可视角度测算时间序列加权复杂网络构建方法

[发明专利]图像识别网络的训练方法、图像识别方法及装置-CN202111438472.1在审
发明人：李志航 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-11-30 - 公布日： 2022-03-01 - 主分类号： G06N3/08 文献下载
摘要：本公开关于一种图像识别网络的训练方法、图像识别方法及装置，训练方法包括：为图像识别网络的每个卷积层的每个卷积核配置重要性权重；根据配置的重要性权重，对每个卷积层的每个卷积核提取的图像样本的图像特征向量进行加权，以得到加权图像特征图；使用加权图像特征图来调整图像识别网络的网络参数和重要性权重；根据调整后的重要性权重，裁剪图像识别网络的卷积核，并移除裁剪卷积核后的图像识别网络的卷积核的重要性权重，得到裁剪后的图像识别网络；利用图像样本训练裁剪后的图像识别网络。
图像识别网络训练方法装置

[发明专利]基于深度置信网络的邻域加权平均高光谱图像分类方法-CN201610811174.5有效
发明人：林连雷;杨京礼;宋欣益;董弘健 -专利权人：哈尔滨工业大学
申请日： 2016-09-08 - 公布日： 2019-04-12 - 主分类号： G06K9/62 文献下载
摘要：一种基于深度置信网络的邻域加权平均高光谱图像分类方法，本发明涉及基于深度置信网络的邻域加权平均高光谱图像分类方法。本发明的目的是为了解决现有分类方法与纯光谱数据相比增加了预训练与微调的运算时间的问题。一种基于深度置信网络的邻域加权平均高光谱图像分类方法具体过程为：步骤一、对高光谱原始数据进行空间信息的提取，得到高光谱原始数据的空间信息；步骤二、对高光谱原始数据的空间信息进行邻域加权，得到处理后的高光谱数据，即矩阵M；步骤三、以矩阵M为训练集，利用深度置信网络进行分类训练。
一种基于深度置信网络邻域加权平均光谱图像分类方法

[发明专利]一种大型低副瓣电平阵列天线馈电网络的设计方法-CN201711336964.3有效
发明人：孙浩;胡卫东;李霞;赵继明;李运志 -专利权人：安徽四创电子股份有限公司
申请日： 2017-12-14 - 公布日： 2020-07-14 - 主分类号： H01Q21/24 文献下载
摘要：本发明涉及一种天线馈电网络的设计方法，特别涉及一种大型低副瓣电平阵列天线馈电网络的设计方法。本发明将天线阵列均匀地划分成若干个一级天线子阵模块，对若干个一级天线子阵模块的幅度进行加权，天线阵列的加权方式呈对称分布，对加权后的所述一级天线子阵模块进行子阵设计操作，子阵设计操作即为将加权后的一级天线子阵模块均匀地划分成若干个二级天线子阵模块，对若干个二级天线子阵模块的幅度进行二次加权，得到的加权后的二级天线子阵模块继续进行子阵设计操作。本发明采用子阵设计操作，大大降低了大型阵列天线馈电网络设计的复杂度，同时由于设计采用了统一的设计，大大降低了馈电网络加工生产的复杂度，有效的提高了设计生产的效率。
一种大型低副瓣电平阵列天线馈电网络设计方法

[发明专利]风险加权资产数据的确定方法及相关装置-CN202210464943.4在审
发明人：丁亚楠;王波;杨晓宇 -专利权人：中国农业银行股份有限公司
申请日： 2022-04-29 - 公布日： 2022-08-09 - 主分类号： G06Q40/02 文献下载
摘要：本发明公开了一种风险加权资产数据的确定方法及相关装置，可以通过获取待预测的资产数据；对所述资产数据进行标准化处理，从而获得相应的数据序列；将所述数据序列输入至预先训练好的神经网络模型，从而获得所述神经网络模型预测的所述资产数据在内部评级法下的风险加权资产数据由此可以看出，本发明通过神经网络模型预测风险加权资产数据，无需计算大量参数，效率较高。
风险加权资产数据确定方法相关装置

[发明专利]用于多处理器系统的加权处理器选择设备和方法-CN03813629.5无效
发明人： T·谢林 -专利权人：英特尔公司
申请日： 2003-06-13 - 公布日： 2005-08-24 - 主分类号： G06F9/44 文献下载
摘要：一种多处理器系统(10)，包括：互连网络(18)、耦合于该互连网络的共享资源(26)以及彼此耦合且经由该互连网络而耦合于共享资源的多个处理器(12、14、16)。对处理器进行编程以将加权值与多个处理器中的每一个相关联，比较加权值，并且根据加权值的比较，从多个处理器中选择至少其中一个处理器。
用于处理器系统加权选择设备方法

[发明专利]基于灰色关联改进加权小波神经网络的变压器故障诊断方法-CN201911270086.9在审
发明人：姜欣;李爽;汪洋;张春波;王久生;黄维彤;杨雪;周诗宇;胡婧婷;曾千会;李沛;刘熙旸 -专利权人：吉林省电力科学研究院有限公司;国网吉林省电力有限公司电力科学研究院;国家电网有限公司
申请日： 2019-12-12 - 公布日： 2020-03-27 - 主分类号： G01R31/00 文献下载
摘要：本发明涉及一种基于灰色关联改进加权小波神经网络的变压器故障诊断方法，属于电力行业变压器的故障诊断方法。包括选择特征向量，并对故障进行编码；利用灰色关联度的方法，对样本库进行筛选，形成标准样品库；建立加权小波神经网络。选择经过灰色关联度筛选的标准样本库中的500组数据，进行训练网络，完成神经网络的搭建，得出变压器故障诊断的编码。优点是提供了一种诊断准确率高、适用性高的基于灰色关联改进加权小波神经网络方法，能够达到变压器故障诊断的目的，选择优质的数据形成标准样本库，作为小波神经网络的训练数据，再利用加权小波神经网络进行故障诊断，
基于灰色关联改进加权神经网络变压器故障诊断方法