“短时记忆”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118946个，建议您升级VIP下载更多相关专利

[发明专利]用户行为预测方法及装置、电子设备、存储介质-CN201811428883.0在审
发明人：张立成;陆韬 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2018-11-27 - 公布日： 2020-06-02 - 主分类号： G06F16/26 文献下载
摘要：该方法包括：获取待预测用户在最近N个长周期内的行为数据，并转换为具有先后顺序的N个特征向量；将第一特征向量输入一长短时记忆网络模型，得到第一长短时记忆向量；依次地，根据第i‑1长短时记忆向量更新长短时记忆网络模型的初始记忆状态，并将第i特征向量输入长短时记忆网络模型，得到第i长短时记忆向量，其中i∈[2,N‑1]；根据第N‑1长短时记忆向量更新长短时记忆网络模型的初始记忆状态，并将第N特征向量输入长短时记忆网络模型，得到输出向量
用户行为预测方法装置电子设备存储介质

[发明专利]一种基于忆阻交叉阵列的长短时记忆自主转换电路-CN202111213175.7在审
发明人：王小平;潘朝勋 -专利权人：华中科技大学
申请日： 2021-10-19 - 公布日： 2022-01-28 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于忆阻交叉阵列的长短时记忆自主转换电路，属于电路设计领域。包括短时记忆网络、长时记忆网络、长期刺激判定电路和记忆转换电路；所述短时记忆网络包括第一忆阻交叉阵列，所述长时记忆网络包括第二忆阻交叉阵列。利用忆阻交叉阵列的并行处理能力极大地提高了网络的计算速度，而具有记忆功能的忆阻则为长短时记忆转换提供了良好的实现方案；忆阻交叉阵列阻值可编程的特点丰富了网络的应用场景，使得长短时记忆转换成为可能的同时，还可以利用其扩展成不同的神经网络结构，从而打破传统网络功能的单一性；同时依靠长期刺激判定电路实现对外界刺激是否属于长期刺激的判定，并通过记忆转换电路解决短时记忆向长时记忆的转换问题。
一种基于交叉阵列短时记忆自主转换电路

[发明专利]一种基于长短时记忆的交通拥堵预测方法及装置-CN202210373053.2在审
发明人：程娟娟;谢晓丽;宋家豪;陆海红;李鹏程;张奥;许金磊 -专利权人：南京信息职业技术学院
申请日： 2022-04-11 - 公布日： 2022-07-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于长短时记忆的交通拥堵预测方法及装置，所述方法包括提取城市道路数据流信息的特征数据；将所述特征数据输入至预构建且训练好的LSTM长短时记忆模型中，获取预测结果；其中，所述LSTM长短时记忆模型的构建和训练方法包括：结合城市道路交通数据流的特点和LSTM长短时记忆的工作方式，构建LSTM长短时记忆模型；通过提取的城市道路数据流信息的特征数据，选定其中的标签数据集，选定相关数据集对LSTM长短时记忆模型进行训练；本发明可以节约道路交通控制的人工成本
一种基于短时记忆交通拥堵预测方法装置

[发明专利]一种航空发电机故障征兆提取方法及系统-CN201910584455.5有效
发明人：崔江;郭瑞东;张卓然;王莉 -专利权人：南京航空航天大学
申请日： 2019-07-01 - 公布日： 2021-04-13 - 主分类号： G01R31/34 文献下载
摘要：本发明公开了一种航空发电机故障征兆提取方法，包括采集发电机各种故障类型下信号，构建训练集；构建长短时记忆网络，用改进混合蛙跳算法对长短时记忆网络的初始化参数进行寻优，用训练集训练长短时记忆网络；利用训练好的长短时记忆网络本发明采用改进混合蛙跳算法对长短时记忆网络的初始化参数进行优化，通过训练好的长短时记忆网络对故障征兆进行提取，提取效率高，准确率高；同时本发明还具有良好的数据自适应能力、收敛速度快及鲁棒性强。
一种航空发电机故障征兆提取方法系统

[发明专利]基于注意力模型长短时记忆网络的洪水预测方法-CN201811317514.4有效
发明人：巫义锐;王晓珂;徐维刚;冯钧 -专利权人：河海大学
申请日： 2018-11-07 - 公布日： 2022-08-26 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于注意力模型长短时记忆网络的洪水预测方法，包括采集洪水相关数据，洪水相关数据包括不同时间点的流量和洪水因子；在长短时记忆网络中引入注意力模型，构建基于注意力模型长短时记忆网络；用标准化后的洪水相关数据对基于注意力模型长短时记忆网络进行训练；利用训练后的基于注意力模型长短时记忆网络进行洪水预测。本发明保留了原有长短时记忆网络的序列建模能力，引入了注意力模型，使用循环方案来优化，它将局部情境信息描述为一种权重方案，忽略了一些对于预测没有用处的洪水因子，大大缩短了预测平均时间，同时也增加了准确性。
基于注意力模型短时记忆网络洪水预测方法

[发明专利]一种基于胶囊-长短时记忆神经网络的视频表情识别方法-CN202011384713.4有效
发明人：刘思苇;舒坤贤 -专利权人：重庆邮电大学
申请日： 2020-12-01 - 公布日： 2022-07-15 - 主分类号： G06V40/16 文献下载
摘要：本发明属于人脸表情识别技术领域，特别涉及一种基于胶囊‑长短时记忆神经网络的视频表情识别方法，包括将包括有人脸的视频转换为视频帧；检测视频帧中的人脸图像，并对人脸图像进行预处理；构建胶囊网络，利用胶囊网络提取人脸图像的特征并进行图片的重构；构建长短时记忆神经网络，将胶囊网络编码器的输出作为长短时记忆神经网络的输入，提取时序特征；将长短时记忆神经网络输出中最大概率值对应的表情分类作为该序列的标签；本发明将胶囊网络与长短时记忆网络相结合，胶囊网络提取空间信息，长短时记忆神经网络提取时序信息，从而有效地提升了表情分类的精度。
一种基于胶囊短时记忆神经网络视频表情识别方法

[发明专利]基于长短时记忆网络的PM2.5预测方法-CN202110593273.1在审
发明人：陈倩文;陈美霖;陈美颐;李欣蕾 -专利权人：阜新博远科技有限公司
申请日： 2021-05-28 - 公布日： 2021-07-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于长短时记忆网络的PM2.5预测方法，建立长短时记忆网络模型，所述长短时记忆网络模型包括依次设立的LSTM层和Dense层，初始化所述长短时记忆网络模型的参数并将所述数据矩阵Z作为输入，得到输出预测值W，将所述预测值W与所述目标值Y进行对比，根据对比结果修改所述长短时记忆网络模型的参数，直至对比结果的误差在设定的范围内。本发明利用长短时记忆网络，更好的刻画PM2.5浓度本身具有的时间序列关系，最终训练得到的预测模型相较于线性回归和神经网络模型具有更高的准确度，同时本发明充分考虑了包括其他污染物及天气因素对PM2.5浓度的影响
基于短时记忆网络 pm2 预测方法

[发明专利]基于长短时记忆网络的目标跟踪方法-CN201810323668.8有效
发明人：严严;杜伊涵;王菡子 -专利权人：厦门大学
申请日： 2018-04-12 - 公布日： 2020-01-14 - 主分类号： G06T7/246 文献下载
摘要：基于长短时记忆网络的目标跟踪方法，涉及计算机视觉技术。首先采用基于相似性学习的快速匹配方法对候选目标状态进行预估计，筛选出高质量的候选目标状态，然后将这些高质量的目标状态用长短时记忆网络进行分类。所用的长短时记忆网络包括用于提取特征的卷积层和用于分类的长短时记忆层。卷积层在大规模图像数据集ILSVRC15上离线训练而得，规避了对目标跟踪数据集过拟合的风险。长短时记忆层通过在线学习而得，充分利用了输入视频序列包含的时间相关性，具有良好的适应目标形态和动作变化的能力。速度显著提高，将一种可以适应目标变化的长短时记忆网络运用于目标跟踪。
记忆网络目标跟踪候选目标适应目标记忆层卷积计算机视觉技术输入视频序列时间相关性图像数据集动作变化快速匹配离线训练目标状态提取特征在线学习数据集分类拟合筛选学习

[发明专利]基于多重注意力机制长短时记忆网络的儿童情感识别方法-CN201811273105.9有效
发明人：梁瑞宇;梁镇麟;谢跃;赵力;唐闺臣 -专利权人：南京工程学院
申请日： 2018-10-30 - 公布日： 2022-10-11 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种基于多重注意力机制长短时记忆网络的儿童情感识别方法，将测试集语音进行端点检测且分帧切割，提取时序相关特征；对于长度不同的提取时序相关特征建立长短时记忆网络的处理算法；将注意力机制结合时序的深度的策略引入长短时记忆网络的遗忘门，输入门以及最终输出上；最后，将待测样本输入训练过程中的改进长短时记忆网络，可显著识别出其情感信息，本发明通过将注意力机制结合时序的深度引入长短时记忆网络的遗忘门，输出门，以及长短时记忆网络的最终输出上
基于多重注意力机制短时记忆网络儿童情感识别方法

[发明专利]信息提取方法及装置、处理核、电子设备、可读介质-CN202111255344.3在审
发明人：张启坤;吴臻志;赵荣臻 -专利权人：北京灵汐科技有限公司
申请日： 2021-10-27 - 公布日： 2023-05-02 - 主分类号： G06V20/40 文献下载
摘要：本公开提供了一种信息提取方法，该方法包括：从序列数据集获取序列数据，对当前序列数据进行短时记忆信息提取，得到当前容易遗忘的短时记忆信息和当前容易记忆的短时记忆信息；基于当前容易遗忘的短时记忆信息、当前容易记忆的短时记忆信息和当前序列数据进行长时记忆信息提取，得到当前的长时记忆信息；获取选择性遗忘信息，结合当前的长时记忆信息和选择性遗忘信息，得到当前序列数据的信息提取结果；从序列数据集获取下一序列数据，直到获取次数等于序列数据集的序列数据总数，并将获取的最后一个序列数据的信息提取结果
信息提取方法装置处理电子设备可读介质

[发明专利]应用于长短时记忆神经网络的计算装置和计算方法-CN201810275313.6在审
发明人：韩银和;许浩博;王颖 -专利权人：中国科学院计算技术研究所
申请日： 2018-03-30 - 公布日： 2018-09-07 - 主分类号： G06N3/063 文献下载
摘要：本发明提供一种应用于长短时记忆神经网络的计算装置和计算方法。该计算装置包括：计算单元，用于执行长短时记忆神经网络的遗忘门函数、输入门函数、输出门函数以及记忆单元状态的计算；向量计算单元，用于基于长短时记忆神经网络的上一时刻的记忆单元状态值向量和计算获得的当前时刻的遗忘门值向量、当前时刻的输入门值向量、当前时刻的输出门值向量和当前时刻的记忆单元的即时状态值向量获得长短时记忆神经网络的当前时刻的输出值向量以及当前时刻的记忆单元状态值向量。根据本发明的计算方法和计算装置能够提高长短时记忆神经网络的资源利用率和计算效率。
记忆神经网络向量计算装置记忆单元输出门输入门遗忘向量计算单元资源利用率计算单元计算效率门函数应用输出

[发明专利]一种基于Siamese结构双向长短时记忆网络的三维模型检索方法-CN201911224313.4在审
发明人：王滨;王栋;柳强;赵京东;刘宏 -专利权人：哈尔滨工业大学
申请日： 2019-12-03 - 公布日： 2020-04-10 - 主分类号： G06F16/53 文献下载
摘要：一种基于Siamese结构双向长短时记忆网络的三维模型检索方法，属于图像处理技术领域，为了解决三维模型多视角特征的融合问题，通过Siamese结构长短时记忆经网络融合视角信息，增强多视角三维模型的检索准确率构建卷积神经网络；构建双向长短时记忆网络网络；引入注意力机制增强模型特征的表达；构建基于Siamese结构的双向长短时记忆网络，融合多视角信息；对Siamese结构的长短时记忆网络模型参数进行训练，对多视角三维模型进行检索
一种基于 siamese 结构双向短时记忆网络三维模型检索方法

[发明专利]基于长短时记忆网络深度学习的故障电弧检测系统及方法-CN202011180115.5在审
发明人：陈忠泽;章琪朗;李月华;刘鹏 -专利权人：诸暨市迪朗物联科技有限公司
申请日： 2020-10-29 - 公布日： 2021-08-13 - 主分类号： G01R31/12 文献下载
摘要：基于长短时记忆网络深度学习的故障电弧检测系统及方法，该系统包括线缆电流传感器、抗混叠滤波器、A/D变换模块、处理器模块和故障标志显示模块，线缆电流传感器、抗混叠滤波器、A/D变换模块、处理器模块和故障标志显示模块依次连接处理器模块用于通过长短时记忆网络对数字电流数据进行深度学习，并构建电弧故障检测长短时记忆网络模型，利用训练好的长短时记忆网络模型进行故障电弧得在线辨识。通过对线缆电流信号进行采集、抗混叠滤波、A/D转换以及长短时记忆网络的深度学习，构建长短时记忆网络模型并进行在线辨识，并对电弧故障进行显示。
基于短时记忆网络深度学习故障电弧检测系统方法

[发明专利]一种融合长短时记忆网络与注意力机制的关系抽取方法-CN202310721352.5在审
发明人：王光耀 -专利权人：浪潮通信技术有限公司
申请日： 2023-06-19 - 公布日： 2023-10-10 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及计算机自然语言处理技术领域，具体为一种融合长短时记忆网络与注意力机制的关系抽取方法，包括以下步骤：S1：提取单词向量特征；S2：采用长短时记忆网络获取输入的向量进行运算；S3：将长短时记忆网络输出的特征向量输入至注意力机制模组进行关系编码；S4：将编码过后的句子特征通过逻辑回归层预测关系；有益效果为：本发明提出的融合长短时记忆网络与注意力机制的关系抽取方法，结合长短时记忆网络与注意力机制结合的模型，将模型应用于关系抽取任务处理中，提出的利用单词标记向量信息特征模型对关系抽取任务有着良好的表现
一种融合短时记忆网络注意力机制关系抽取方法

[发明专利]InSAR技术与长短时记忆神经网络结合的地表形变预测方法-CN202110365329.8在审
发明人：何毅;陈毅;张立峰;陈宝山;蒲虹宇;何旭;陈有东;王文辉;杨旺;曹胜鹏;文智清 -专利权人：兰州交通大学
申请日： 2021-04-06 - 公布日： 2021-08-13 - 主分类号： G01B7/24 文献下载
摘要：本发明公开了一种InSAR技术与长短时记忆神经网络结合的地表时序形变预测方法，该方法主要步骤如下：首先利用InSAR技术获取地表时序形变结果；然后创建模型训练所需的时序数据集，确定历史时间序列长度；其次构建模型，将长短时记忆网络模拟结果与循环神经网络和多层感知器进行对比分析；最后利用长短时记忆神经网络模拟预测地表时序形变。本发明将地表时序InSAR形变与长短时记忆神经网络结合，可用于辅助决策、早期预警和减轻危害，为防灾减灾提供新思路。
insar 技术短时记忆神经网络结合地表形变预测方法

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