“神经网络学习算法”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1358549个，建议您升级VIP下载更多相关专利

[发明专利]一种基于最近邻聚类的神经网络数据挖掘方法-CN201610343564.4在审
发明人：刘育权;胡剑锋;莫文雄;潘玉春;陆国俊;唐晓莉;王勇;张高峰 -专利权人：广州供电局有限公司;南京南瑞继保电气有限公司
申请日： 2016-05-22 - 公布日： 2016-10-12 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于最近邻聚类的神经网络数据挖掘方法，该神经网络数据挖掘方法采用一种改进的最近邻聚类学习算法对神经网络进行训练，使神经网络在满足精度要求的前提下，减少隐层节点数，简化网络结构，加快神经网络的学习速度，达到进一步改善神经网络学习效率和精度的目的，在此基础上用神经网络进行数据挖掘，以进一步提高神经网络对大型实际电力系统数据库进行挖掘时的效率。
一种基于近邻神经网络数据挖掘方法

[发明专利]一种基于天牛群算法优化神经网络的空调冷负荷预测方法-CN202110595303.2有效
发明人：贺宁;刘利强;褚丹雷 -专利权人：西安建筑科技大学
申请日： 2021-05-28 - 公布日： 2023-05-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于天牛群算法优化神经网络的空调冷负荷预测方法，选取和输出变量T时刻空调冷负荷相关性高的输入变量。根据相关性高的输入变量和T时刻空调冷负荷建立BP神经网络模型，利用天牛群算法优化建立的BP神经网络，最后用优化后的BP神经网络进行负荷预测，得出预测值。本发明利用天牛群算法的全局搜索能力找到BP神经网络的最优权值和阈值，克服了BP神经网络在权值和阈值选择上的随机性和网络收敛速度慢、易于陷入局部最优的缺点，提高了BP神经网络的收敛速度和学习能力，降低了空调冷负荷预测偏差大的问题
一种基于天牛算法优化神经网络空调负荷预测方法

[发明专利]结合机器学习实现数据中心节能温控的模型预测控制方法-CN202010152438.7在审
发明人：陈昱 -专利权人：上海外高桥万国数据科技发展有限公司
申请日： 2020-03-06 - 公布日： 2020-07-03 - 主分类号： F24F11/54 文献下载
摘要：本发明公开了一种结合机器学习实现数据中心节能温控的模型预测控制方法，将人工神经网络与模型预测控制算法相结合，去调节数据中心内的暖通空调系统，运用人工神经网络分析包含室外温度、时间、能耗等在内的数据，来预测室内最佳温度，然后将预测温度输入到模型预测控制算法中，进行操控调节。所选的人工神经网络模型为NARX神经网络算法。本发明提供的方法用于数据中心，基于节能和温度的自学习模型预测控制的模型算法，能够解决现有的问题，既可以满足温度要求，又可以最小化暖通空调系统的消耗。
结合机器学习实现数据中心节能温控模型预测控制方法

[发明专利]一种基于神经网络和模式搜索优化的多气象风速融合方法-CN201610677214.1有效
发明人：向婕;雍正;陈栋;王思源 -专利权人：国能日新科技股份有限公司
申请日： 2016-08-16 - 公布日： 2019-02-15 - 主分类号： G06N3/02 文献下载
摘要：本发明提出一种基于神经网络和模式搜索优化的多气象风速融合方法，由于神经网络理论上可以逼近任意非线性函数，所以采用神经网络进行风速融合，能准确的挖掘出NWP预测风速的非线性特点。另外，由于神经网络基于梯度下降的学习算法，存在容易陷入局部最小解的缺陷，因此引入了模式搜索算法来调整神经网络的参数，模式搜索算法可以在更大的空间内搜索，在一定程度上避免了以上问题，使其达到全局最优，从而提高风速预测精度的稳定性
神经网络模式搜索风速算法融合神经网络理论非线性函数非线性特点风速预测全局最优学习算法最小解气象优化逼近搜索挖掘引入预测

[发明专利]一种提高深度学习图片识别算法鲁棒性的方法-CN201711130625.X在审
发明人：蒋国平;李海涛;葛炎 -专利权人：南京邮电大学
申请日： 2017-11-15 - 公布日： 2018-05-18 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种提高深度学习图片识别鲁棒性的方法。首先对深度学习的神经网络进行随机初始化；然后将训练样本集和训练标签集作为输入深度学习神经网络，进行前向传播输出深度学习神经网络认为其所属各个类别的概率；接着将新的样本和其标签进行反向传播，对深度学习神经网络进行调优；利用测试样本集和测试标签集对训练效果进行测试，输出测试样本集的测试准确率；最后在对训练样本集和训练标签集迭代了一定次数后，输入验证样本集，并将深度学习神经网络的输出与验证标签集进行对比，输出深度学习神经网络的验证准确率本发明可以有效提高深度学习图片识别算法鲁棒性，提高深度学习图片识别在样本标签标注有误的情况下的图片识别准确率。
一种提高深度学习图片识别算法鲁棒性方法

[发明专利]基于脑电信号的水下作业人员睡眠质量评估方法及系统-CN202310662722.2在审
发明人：包晓辰;闫硕;王楠;刘平小;许骥;张亚楠;马骏 -专利权人：中国人民解放军海军特色医学中心
申请日： 2023-06-06 - 公布日： 2023-08-25 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种基于脑电信号的水下作业人员睡眠质量评估方法及系统，将每个历史水下作业人员的脑电信号进行片段划分，其中一部分作为训练样本、一部分作为测试样本、余下作为步长不参与样本训练或测试，以降低数据处理量，对深度学习神经网络模型的部分模型参数进行多组赋值，获得多组深度学习神经网络模型，每组深度学习神经网络模型利用训练样本进行训练、利用测试样本进行测试，并利用遗传优化算法来对深度学习神经网络模型进行参数优化，构建优化的神经网络模型，并基于优化的神经网络模型来对待预测的水下作业人员进行睡眠分期
基于电信号水下作业人员睡眠质量评估方法系统

[发明专利]一种基于GMDH神经网络的交通车流量预测方法-CN201711325978.5在审
发明人：刘泓;臧泽林;马东方;戚伟;朱胜 -专利权人：浙江大学城市学院
申请日： 2017-12-13 - 公布日： 2018-04-20 - 主分类号： G08G1/065 文献下载
摘要：本发明涉及一种基于GMDH神经网络的交通车流量预测方法，包括GMDH神经网络离线车流量训练和GMDH神经网络在线车流量实时预测。本发明的有益效果是本方法使用GMDH神经网络算法对交通路口的车流量进行预测，一般的预测方法在处理大体量的数据过程中有时间长，准确率低等缺点，较难实现交通流量实时预测的要求；由于GMDH神经网络具有强大的逼近能力，可以将车流量的预测分成离线学习和在线预测两个部分在离线学习环节结合大量的数据，通过进行神经网络的训练，学习车流量变化的规律；在在线预测部分通过调用已学习完毕的神经网络，快速有效的对车辆的通行状态进行实时预测
一种基于 gmdh 神经网络交通车流量预测方法

[发明专利]一种用于流程工业的多智能体协同控制系统及方法-CN201910779718.8在审
发明人：姜雪松;胡大鹏;朱庆存;孟超 -专利权人：齐鲁工业大学
申请日： 2019-08-22 - 公布日： 2019-11-08 - 主分类号： G05B19/418 文献下载
摘要：本公开提出了一种用于流程工业的多智能体协同控制系统及方法，设置进行特征提取的状态值到观测值的神经网络模型，更好的提取数据的重要特征，从而可以适应海量数据，甚至是高维数据的处理。然后采用极大极小深度确定性策略梯度算法进行学习，极大极小深度确定性策略梯度算法中的actor和critic网络从新的神经网络中学习，而不是从最初的观察中学习。这种利用神经网络进行状态表示学习的方法，使网络本身能够很好地捕捉特征，对数据的适应性更强。
控制系统流程工业神经网络梯度算法确定性学习神经网络模型高维数据海量数据特征提取提取数据状态表示智能观测网络捕捉观察

[发明专利]一种基于集成学习的PM2.5预报方法-CN201410174323.2有效
发明人：李翔;朱全银;王留洋 -专利权人：淮阴工学院
申请日： 2014-04-28 - 公布日： 2016-11-30 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于集成学习的PM2.5预报方法，通过选择不同类型和结构的神经网络构造多个弱学习机，然后使用集成学习AdaBoost算法将多个弱学习机组合成强学习机，完成PM2.5预报工作，有效改善了PM2.5预报精度，利用集成学习AdaBoost算法对多个不同类型和不同结构的神经网络进行加权学习，生成强学习机模型；采用本发明对PM2.5进行预报，可有效提高预报精度和泛化能力，方法简单，操作方便，较好地解决了传统神经网络弱学习机存在易陷入局部极小值
一种基于集成学习 pm2 预报方法

[发明专利]一种基于鲸鱼算法优化LVQ神经网络的欺诈行为检测方法-CN202011536682.X在审
发明人：江远强 -专利权人：百维金科（上海）信息科技有限公司
申请日： 2020-12-23 - 公布日： 2021-03-30 - 主分类号： G06Q40/02 文献下载
摘要：本发明涉及互联网金融行业的风控技术领域，尤其为一种基于鲸鱼算法优化LVQ神经网络的欺诈行为检测方法，包括六个步骤：相比于BP、RBF和SOM等神经网络，LVQ神经网络具有结构简单、训练时间短和非线分类处理能力更强等优点，与遗传算法和粒子群算法等优化算法相比，鲸鱼算法参数设置简单、函数寻优能力强，具有全局寻优能力强及收敛稳定性好等特点，本发明中，利用鲸鱼算法优化LVQ神经网络的初始权值来提高LVQ神经网络的全局拟合能力、学习速率和预测精度，可满足联网金融欺诈行为实时检测的需求。
一种基于鲸鱼算法优化 lvq 神经网络欺诈行为检测方法

[发明专利]基于BP神经网络实现渗沥液生化热平衡控制方法-CN202310481120.7在审
发明人：陈晓琪;李遥;叶邦端;刘煌彬 -专利权人：厦门牧云数据技术有限公司
申请日： 2023-04-28 - 公布日： 2023-08-01 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了基于BP神经网络实现渗沥液生化热平衡控制方法，包括以下步骤：S01、识别影响因子，S02、基础数据提取与清洗，S03、深度学习算法设计，S04、数据归一化预处理，S05、深度学习算法创建、训练，S06、输出结果逆归一化处理，S07、深度学习算法验证，S08、将神经网络模型进行应用及持续优化，该方法通过现场实时在线数据，及长期生产经验和理论分析，识别冷却塔进水量的影响因子，创建及训练深度学习神经网络算法，有效预测影响因子与冷却塔进水量对应关系，进而维持生化反应热平衡稳定，保证生化反应的活性，同时，算法模型具备学习能力，每一组分析数据亦可作为模型的训练数据，算法模型不断迭代优化，提高算法模型准确度，具有良好的应用前景
基于 bp 神经网络实现渗沥液生化平衡控制方法

[发明专利]一种基于计算机模式识别的并行卷积神经网络方法-CN201711492094.9在审
发明人：李玉鑑;方皓达 -专利权人：北京工业大学
申请日： 2017-12-30 - 公布日： 2018-04-06 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于计算机模式识别的并行卷积神经网络方法，基于计算机模式识别的并行卷积神经网络方法包括三个阶段图像分类数据收集阶段。并行卷积神经网络构建阶段。深度卷积神经网络分类阶段。本发明可以作为深度学习算法的实际应用平台，辅助教学；在当前深度学习的领域，提高神经网络的训练速度；由于本发明使用硬件成本资源较少，易于实现。本方法由图像数据集和并行卷积神经网络组成。图像数据集由互联网下载的各个图像分类数据构成，并行卷积神经网络是改进的深层卷积网络。
一种基于计算机模式识别并行卷积神经网络方法

[发明专利]一种制冷设备故障诊断装置及系统-CN201910148909.4在审
发明人：崔晓钰;韩华;徐玲;范雨强;武浩;张展 -专利权人：上海理工大学
申请日： 2019-02-28 - 公布日： 2019-06-28 - 主分类号： G06N3/04 文献下载
摘要：根据本发明的制冷设备故障诊断装置及系统，制冷设备故障诊断装置包括管理用储存部、节点及层数设定部、深度神经网络训练部、深度神经网络模型构造部、训练步数设定部、故障诊断模型构建部、学习率优化部以及故障诊断结果生成部，管理用储存部至少存储有训练组数据和测试组数据，深度神经网络训练部采用SGDM对深度神经网络进行训练，深度神经网络模型构造部根据神经网络的结构、激活函数、损失函数等建立深度神经网络模型，故障诊断模型构建部用于深度神经网络模型中应用训练组数据进行训练后构建故障诊断模型，学习率优化部采用模拟退火算法对学习率进行优化，故障诊断结果生成部对测试组数据进行故障诊断，得到故障诊断结果。
神经网络模型故障诊断结果故障诊断模型故障诊断装置制冷设备构建神经网络训练神经网络测试组储存部优化模拟退火算法故障诊断激活函数损失函数应用训练训练组组数据步数学习存储管理

[发明专利]射频放大器预失真处理方法及其系统-CN201210510598.X有效
发明人：肖鸣;王晖;吴龙照;吕锐;陈运动;郑建飞;赖志坚 -专利权人：广东省电信规划设计院有限公司
申请日： 2012-12-03 - 公布日： 2013-04-17 - 主分类号： H03F1/32 文献下载
摘要：本发明提供一种射频放大器预失真处理方法及其系统，通过复数类神经网络算法，构建射频放大器的类神经网络模型，采用放大器输入／输出数据训练神经网络，在放大器前置相同的、经过训练的神经网络作为预失真函数。因为神经网络结构简单，并且具有自我学习功能，能够降低邻频频谱增益，进而降低射频通信的相互影响程度，提高整体通信速率和频谱利用率，并且无需复杂的运算。该神经网络通过不断学习，具有实时性；当放大器因为外部原因（温度、电压等）改变而改变性能后，该神经网络能够感知并进行自我修正。对于放大器的输入、输出曲线特征，采用复数幂函数构建所述类神经网络模型，使得学习收敛速度更加快，效果更加好。
射频放大器失真处理方法及其系统

[发明专利]联邦学习模型训练方法、客户端、服务器及存储介质-CN202110391127.0在审
发明人：夏伯谦;钟南昌 -专利权人：云从科技集团股份有限公司
申请日： 2021-04-12 - 公布日： 2021-08-24 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及人工智能算法技术领域，具体提供一种基于知识蒸馏的联邦学习模型训练方法，包括：接收来自服务器的用于模型训练的控制参数；根据控制参数以及本地数据样本对初始的第一神经网络模型进行训练，得到第一模型参数；将第一模型参数发送至服务器；接收来自服务器的第二神经网络模型的第二模型参数；利用知识蒸馏方法使第一神经网络模型学习到第二神经网络模型的知识，训练得到更新的第一神经网络模型。使用本发明的方法通过构建联邦学习系统有效解决目前存在的数据孤岛问题，同时在联邦学习框架系统中增加知识蒸馏模块，使得算法模型可以同时在所有训练数据的知识基础上进行训练优化，进一步提升联邦学习框架系统的训练效果
联邦学习模型训练方法客户端服务器存储介质

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条