“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]基于神经网络的电子图像文件自动分类方法-CN202010644228.X有效
发明人：李保印;刘涛;张宝玉;张亮亮 -专利权人：中电万维信息技术有限责任公司
申请日： 2020-07-07 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及电子文档技术领域，特别涉及基于神经网络的电子图像文件自动分类方法。本文关键技术点是将电子文档按照本文的方法进行归类，作为了神经网络的输入参数，根据神经网络BP算法，就会自动计算输出结果，再根据实际结果和计算输出结果，根据BP算法，反向对神经网络进行优化。其中神经网络整个的优化过程和反向学习过程才用传统技术，本发明核心是设计了一套电子文档的归类方式，使其能满足了神经网络分类、识别，解决了原来无法自动分类识别的难题。
基于神经网络电子图像文件自动分类方法

[发明专利]一种基于卷积神经网络的图像去雾方法-CN201910037316.0有效
发明人：郎俊;朱冬平;冮凯旋 -专利权人：东北大学
申请日： 2019-01-15 - 公布日： 2022-11-11 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于卷积神经网络的图像去雾方法；S1、获取多个无雾图像，利用大气散射模型为每一无雾图像合成不同浓度的有雾图像；S2、利用多个无雾图像和不同浓度的有雾图像训练预先构建的包括五个卷积层的卷积神经网络，重复迭代并更新网络权重比，直至迭代次数达到预设值，并利用最后一次更新的网络权重比获取去雾神经网络模型；S3、将待除雾的图像输入至去雾神经网络模型，获取除雾图像；本发明算法避免了传统算法大气散射模型逆推除雾，减小了中间误差，其次采用深度学习的算法，利用去雾卷积神经网络自动特征学习直接恢复出无雾图像，提升了去雾的普适性。
一种基于卷积神经网络图像方法

[发明专利]基于一种改进的神经网络的油井产量预测方法及其装置-CN201510535506.7在审
发明人：龚仁彬;李群;马刚;王从镔;柴永财;姚刚;曹戈俊;李金诺;吴海莉 -专利权人：中国石油天然气股份有限公司
申请日： 2015-08-27 - 公布日： 2015-11-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于一种改进的神经网络的油井产量预测方法及其装置，其涉及石油生产领域，它通过改进的粒子群优化算法对神经网络中的隐层连接权值、输出层连接权值进行优化，再利用神经网络和历史的油井基本参数建立油气产量的预测模型针对普通粒子群优化算法优化后的连接权值对提高BP神经网络学习能力的程度有限的问题，本基于一种改进的神经网络的油井产量预测方法主要利用改进的粒子群优化算法对神经网络中的隐层连接权值、输出层连接权值进行了优化，其有效提高了神经网络预测的准确性。
基于一种改进神经网络油井产量预测方法及其装置

[发明专利]基于卷积神经网络的多尺度表达的目标跟踪方法-CN201611201895.0有效
发明人：唐爽硕;王凡;胡小鹏 -专利权人：大连理工大学
申请日： 2016-12-23 - 公布日： 2019-08-09 - 主分类号： G06T7/246 文献下载
摘要：本发明属于图像处理技术领域，提供基于卷积神经网络的多尺度表达的目标跟踪方法，包括：多尺度卷积神经网络结构预训练；利用多尺度特征表达构建多示例分类器；改进多示例在线跟踪；多步差模型更新。该算法利用卷积神经网络的自动学习深层特征的能力，可以获取涉及语义信息的深层图像表达，同时利用拉普拉斯金字塔构建图像的多尺度表达，训练多尺度的卷积神经网络结构。结合改进的多示例学习算法，构建在线跟踪器，实现目标的稳定跟踪。
基于卷积神经网络尺度表达目标跟踪方法

[发明专利]对象识别神经网络的训练-CN202110678459.7在审
发明人：亚当·希尔·科尔贝里 -专利权人：安讯士有限公司
申请日： 2021-06-18 - 公布日： 2022-01-14 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了对象识别神经网络的训练。公开了迁移学习对象识别神经网络的方法。该方法包括：获取图像帧集；由实现对象识别神经网络的第一对象识别算法确定在图像帧集中的多个对象识别；通过由不同于第一对象识别算法的第二对象识别算法评估多个对象识别来确定经验证的对象识别，其中，在评估中具有阳性结果的对象识别形成经验证的对象识别；形成包括与经验证的对象识别相关联的图像帧的带注释的图像的训练集；基于带注释的图像的训练集来执行对象识别神经网络的迁移学习。
对象识别神经网络训练

[发明专利]一种色度空间变换方法-CN201310299077.9有效
发明人：高超;杨乐;胡凯;刘春辉 -专利权人：南京信息工程大学
申请日： 2013-07-16 - 公布日： 2013-11-06 - 主分类号： G06N3/08 文献下载
摘要：所述方法利用RPSO算法来修正BP神经网络的权值和阈值，提高了神经网络的学习能力和搜索速度，增强了BP神经网络的泛化能力；对PSO算法进行了改进，克服了该算法易陷入局部最优的缺点，提高了搜索速度；通过改进的RPSO-BP神经网络将RGB颜色空间值转化为设备无关的Lab颜色空间值，提高了平均转化精度和转化速度。
一种色度空间变换方法

[发明专利]一种联合全卷积神经网络和集成学习的遥感分类方法-CN202210872072.X在审
发明人：李雪涛 -专利权人：厦门天卫科技有限公司
申请日： 2022-07-22 - 公布日： 2022-10-04 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种联合全卷积神经网络和集成学习的遥感分类方法，包括以下步骤：S1、获取研究区域内的遥感卫星影像，通过数据处理建立样本数据库；S2、基于全卷积神经网络和Stacking集成学习算法，构建联合模型；S3、根据样本数据库，通过数据的训练，获取联合模型的最优参数；S4、基于载入最优参数的联合模型，输入预测影像，通过全卷积神经网络获取预测影像的图像特征，并进行特征叠加，再输入到Stacking集成学习算法进行预测，得到农作物物种识别结果图；该方法主要针对南方复杂农作物种植区域，基于全卷积神经网络和Stacking集成学习算法构建联合模型，可有效提高模型的分类精度，实现农作物物种信息的精细识别和提取。
一种联合卷积神经网络集成学习遥感分类方法

[发明专利]基于超表面的插拔衍射神经网络优化方法及任务识别器件-CN202310433452.8在审
发明人：黄玲玲;合聪;王涌天;李昕;李晓炜 -专利权人：北京理工大学
申请日： 2023-04-21 - 公布日： 2023-08-15 - 主分类号： G06N3/067 文献下载
摘要：本发明公开的基于超表面的插拔衍射神经网络优化方法及任务识别器件，属于光学神经网络、微纳光学、图像识别应用技术领域。插拔衍射神经网络由输入层、调制层、输出层三部分构成，调制层划分为共享层和插拔层；使用梯度下降算法和反向传播算法结合迁移学习算法优化插拔衍射神经网络调制层参数；根据优化完成的插拔衍射神经网络调制层相位分布挑选超表面纳米柱结构，并制备超表面；制作基于超表面的插拔衍射神经网络多任务识别器件，多任务识别器件包括掩模板、探测器、用于构建插拔衍射神经网络的超表面；通过切换网络中由超表面实现的可插拔组件，实现多种识别任务切换，提高插拔衍射神经网络的灵活性
基于表面衍射神经网络优化方法任务识别器件

[发明专利]一种结合强化学习与神经网络的调控油井参数方法及系统-CN202211136956.5在审
发明人：丁阳阳;王相 -专利权人：常州大学
申请日： 2022-09-19 - 公布日： 2022-12-23 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种结合强化学习与神经网络的调控油井参数方法及系统包括，根据油井数量和尺寸建立油藏模型，以每口油井为中心截取相同大小区块，获取每个区块的矩阵数据；将矩阵数据作为强化学习算法的输入，得到强化学习算法的输出作为每口油井的原始油井调控参数样本集；利用图像增强扩充原始油井调控参数样本集，获取油井参数调控经验样本集；根据油井参数调控经验样本集与卷积神经网络模型，构建并优化面向油井参数调控网络模型，封装网络模型，构建油井生产参数调控平台。本发明将强化学习算法作为辅助，神经网络作为训练手段，训练后的经验网络可以根据油井所在的地质情况推荐生产策略，不再限于指定油藏。
一种结合强化学习神经网络调控油井参数方法系统

[发明专利]一种基于神经网络的采煤机稳态样本分析方法及装置-CN202011082621.0在审
发明人：李晓雪;曹宇;陆鹏;张鹏;惠恩明;张振良 -专利权人：鄂尔多斯应用技术学院
申请日： 2020-10-12 - 公布日： 2021-02-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于神经网络的采煤机稳态样本分析方法，涉及神经网络的学习技术领域，包括以下步骤：通过对采煤机负样本数量进行判定，以实施不同的学习过程，通过模拟人脑中神经元的连接方式而来，它通过设置各种激活函数以及调整神经元之间的连接权值来进行学习修改，可用于求解各种分类以及优化问题，本发明提供的采煤机稳态样本分析方法按照采集到的数据类型，分别使用相对应的神经网络算法进行采煤机稳态样本分析；定义了三种故障数据情况下数据类型，并设计了相应的神经网络算法以及具体的操作过程
一种基于神经网络采煤稳态样本分析方法装置

[发明专利]基于生成式对抗神经网络算法的心电图生成装置及其方法-CN202180045976.9在审
发明人：权俊明 -专利权人：保迪弗兰德有限公司;美迪科诶爱有限公司
申请日： 2021-07-07 - 公布日： 2023-04-04 - 主分类号： A61B5/327 文献下载
摘要：本发明揭示一种基于生成式对抗神经网络算法的心电图生成装置及其方法。本发明的基于生成式对抗神经网络算法的心电图生成装置包括：输入单元，接收需诊断病症的患者的心电图数据；控制单元，将所接收的所述心电图数据输入到已学习的生成式对抗神经网络(Generative Adversarial Network)算法生成多个合成心电图数据；以及输出单元，输出所接收的所述患者的实际心电图数据与所生成的多个心电图数据。依据本发明，利用深度学习算法按照特性学习心电图数据并且利用所学习的模型诊断心脏病之一的心律失常而提高准确度，还能提供诊断为心律失常的理由从而提高诊断的可靠性。
基于生成对抗神经网络算法心电图装置及其方法

[发明专利]一种基于二值化的卷积神经网络车辆分类方法-CN202111365950.0在审
发明人：沈韬;张邦源;曾凯 -专利权人：昆明理工大学
申请日： 2021-11-18 - 公布日： 2022-02-18 - 主分类号： G06V20/54 文献下载
摘要：本发明涉及一种基于二值化的卷积神经网络车辆分类方法，属于深度学习模型压缩技术领域。本发明将现有的卷积神经网络分类算法二值化，并对二值化的网络结构进行了优化，运用适合二值化的训练方法训练出有效的二值化卷积神经网络模型，并移植到树莓派上。本发明降低卷积神经网络的运算强度和模型参数的容量，在保证精度的同时提高了运算速度，解决深度学习由于模型复杂、参数量巨大，不适合在存储容量和计算能力有限的嵌入式终端上部署的问题，增加了深度学习算法在嵌入式端部署的可行性
一种基于二值化卷积神经网络车辆分类方法

[发明专利]一种基于残差学习与卷积神经网络的图像去噪方法-CN201911391449.4在审
发明人：周先春;吴静;翟靖宇;徐新菊;葛超;吴婷;陈铭 -专利权人：南京信息工程大学
申请日： 2019-12-30 - 公布日： 2020-05-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于残差学习与卷积神经网络的图像去噪方法，包括以下步骤：先分别采用卷积神经网络方法、残差学习的方法对输入的含噪图像去噪；再采用卷积神经网络方法与残差学习方法相结合的方法对含噪图像去噪，在卷积神经网络中添加padding，进行批规范化操作，在网络中加入浅层到深层的跨越连接结构，再采用Adam算法的卷积神经网络进行训练；最后，将去噪后的图像输出。本发明的方法不仅能拓展网络深度，有效避免网络退化以及信息在传递的工程中的丢失与损耗，提高卷积神经网络去噪模型深度和结构信息的保持效果。
一种基于学习卷积神经网络图像方法

[发明专利]一种基于神经网络和集成学习融合的工业空调故障诊断方法-CN202110253452.0在审
发明人：王涛;张卫山 -专利权人：中国石油大学（华东）
申请日： 2021-03-05 - 公布日： 2021-06-25 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于神经网络和集成学习算法的工业空调故障诊断方法。该方法融合了多种机器学习算法，是具有高准确率的故障诊断模型。神经网络通过学习自动提取输出、输出数据间的“合理规则”，对工业空调实时接收的时序数据分析有重要的作用。因此设计了基于神经网络算法的异常检测模块。集成算法有明显的避免过拟合，提高泛化能力等的优点。因此设计了基于集成学习算法的故障诊断模块。将异常检测模型与故障诊断模型结合，并引入注意力机制，让检测到的异常辅助故障诊断形成比基础模型要更准确的增强模型。该发明能够针对工业空调数据进行准确的故障诊断。
一种基于神经网络集成学习融合工业空调故障诊断方法

[发明专利]一种基于遗传算法的DCDC buck变换器离散滑模控制算法-CN202311059260.1有效
发明人：王明杰;魏敬和;于宗光;刘国柱;奚琦;高营 -专利权人：中国电子科技集团公司第五十八研究所
申请日： 2023-08-22 - 公布日： 2023-10-27 - 主分类号： H02M3/157 文献下载
摘要：本发明公开一种基于遗传算法的DCDC buck变换器离散滑模控制算法，属于电气自动化设备领域，包括以下步骤：（一）DC‑DC buck变换器电压跟踪误差系统的构建；（二）基于BP神经网络的离散滑模控制器设计；（三）基于遗传算法优化BP神经网络初始权重值以及阈值。本发明采用BP神经网络的输出作为离散滑模控制器切换部分的系数，有效克服了传统离散滑模控制切换部分的抖振；另外，针对BP神经网络容易出现局部最小化以及收敛速度慢的问题，本发明采用遗传算法对BP神经网络的初始权重值以及阈值进行全局优化，不仅能发挥BP神经网络泛化的映射能力，而且还使得BP神经网络具有较快的收敛性以及较强的学习能力。
一种基于遗传算法 dcdc buck 变换器离散控制