“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]一种基于搜索方向学习的智能工业设计强化学习算法-CN201811589807.8有效
发明人：张明;崔树鑫;张良;张儒 -专利权人：南京天洑软件有限公司
申请日： 2018-12-25 - 公布日： 2023-06-02 - 主分类号： G06F30/27 文献下载
摘要：一种基于搜索方向学习的智能工业设计强化学习算法,通过以下几个步骤实现：步骤A：通过第一神经网络和第二神经网络分别描述设计变量的关系G(x)；步骤B：系统将随机抽样，筛选抽样样本，由筛选后的样本数据构建学习数据；若两套新的神经网络未能满足强化终止条件，则继续抽样、筛选直至两套新的神经网络满足强化终止条件；步骤C：当两套新的神经网络满足强化终止条件，保留并输出当前两套神经网络模型结构。与传统方法相比，本发明的有益效果是：对于探索空间连续且空间较大的问题，本发明构建两套神经网络配合，强化学习的整个流程，本发明提高了学习的效率同时向算法收敛的方向进行。
一种基于搜索方向学习智能工业设计强化算法

[发明专利]基于人工神经网络和BIM的建筑能耗模拟和优化方法-CN201811304066.4在审
发明人：赵建国;董怡平;单彩杰;张占斌;陈俊杰;曹海良;杜先文;和嘉良;王慧彬 -专利权人：中国建筑上海设计研究院有限公司;中国建筑股份有限公司;中国建筑第八工程局有限公司
申请日： 2018-11-03 - 公布日： 2019-02-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于人工神经网络和BIM的建筑能耗模拟和优化方法，包括：建立建筑能耗数据库；通过人工神经网络算法，对建筑能耗数据库进行深度学习；通过Revit软件建立建筑方案的BIM模型，通过Rihno+Grasshopper平台提取BIM模型的建筑特征；通过人工神经网络算法计算出建筑的耗能评估结果；选择优化策略，得出各种优化策略的节能效果，形成优化后的设计方案。本发明将人工神经网络技术、BIM技术与建筑能耗模拟相结合。通过直接从BIM模型提取建筑特征信息，免除了传统在模拟软件上的建模环节；通过人工神经网络对数据库的学习，直接得出能耗计算结果，实现了建筑方案的实时优化和分析。
人工神经网络建筑能耗人工神经网络算法建筑能耗数据库模拟和优化建筑特征人工神经网络技术节能效果模拟软件模型提取能耗计算评估结果实时优化选择优化优化策略耗能建模数据库学习环节优化分析

[发明专利]一种基于卷积神经网络算法监测颅内压的方法-CN201610830420.1有效
发明人：李军;白磊 -专利权人：李军;白磊
申请日： 2016-09-21 - 公布日： 2019-09-27 - 主分类号： A61B5/03 文献下载
摘要：本发明公开了一种基于卷积神经网络算法监测颅内压的方法，其包括S1：通过FVEP无创颅内压监测技术检测实际的颅内压值，并形成FVEP波形图；S2：构建卷积神经网络系统，并以步骤S1实际测得的颅内压值为结果，不断训练其学习不同颅内压值对应的实际FVEP波形图，并综合考虑各种影响颅内压的外在因素共同作为该卷积神经网络系统的输入；S3：通过卷积神经网络系统进行FVEP波形图的匹配和识别分析，实现对FVEP波形的有效识别本发明用卷积神经网络算法对测得的FVEP波形图进行图形识别，并不断自我学习优化，实现有效的颅内压预测。
一种基于卷积神经网络算法监测颅内压方法

[发明专利]一种基于机器学习的光纤窃听定位方法、系统及电子设备-CN201910682968.X有效
发明人：李亚杰;张杰;宋浩鲲;赵永利;张会彬;刘明哲;涂志伟 -专利权人：北京光锁科技有限公司;北京邮电大学
申请日： 2019-07-26 - 公布日： 2021-01-05 - 主分类号： H04B10/07 文献下载
摘要：本发明公开了一种基于机器学习的光纤窃听定位方法、系统及电子设备，该基于机器学习的光纤窃听定位方法，包括：采集光纤信道的历史信号信息，历史信号信息包括窃听情况信息和信道性能信息；根据历史信号信息运用人工神经网络算法进行训练，得到窃听定位的人工神经网络模型；采集光纤信道的当前信号信息，判断当前信号信息是否存在窃听行为；若存在窃听行为，则将当前信号信息作为人工神经网络模型的输入向量，根据人工神经网络模型的输出向量确定窃听点位置本发明利用人工神经网络算法对光通信物理层数据完成精细化处理，实现光纤窃听的智能定位；并且通过光纤信道的眼图及其参数差异进行综合分析计算，进行窃听定位。
一种基于机器学习光纤窃听定位方法系统电子设备

[发明专利]基于深度神经网络的个性化推荐系统及方法-CN201810769873.7有效
发明人：字云飞;李业丽;孙华艳;陆利坤;游新冬 -专利权人：北京印刷学院
申请日： 2018-07-13 - 公布日： 2022-03-29 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种基于深度神经网络的个性化推荐系统及方法，通过融合深度神经网络的候选集生成模块，结合多用户和多项目特征进行深度神经网络学习生成候选集，以及基于融合深度神经网络的排序集生成模块，结合多用户和多项目特征对候选集进行深度神经网络学习和评分，生成包含个性化推荐内容更优的排序集，最后基于协同过滤算法和排序集进行进一步的个性化推荐，得到最终的推荐列表。通过上述方式结合多用户和多项目提升推荐过程的精准度，并结合协同过滤算法实现精准个性化推荐。从而提高了个性化推荐效率和用户使用感受。
基于深度神经网络个性化推荐系统方法

[发明专利]基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法-CN202310230758.3在审
发明人：何微微;胡向瑞;党同为;李昊天;王道琦;吴传航;武魁军 -专利权人：烟台大学
申请日： 2023-03-08 - 公布日： 2023-05-12 - 主分类号： G06N3/126 文献下载
摘要：本发明公开了一种基于遗传算法优化BP神经网络的MIGHTI中高层大气温度校正方法。本发明通过遗传算法优化BP神经网络反演模型，建立与定标大气温度的最优映射关系，遗传算法优化BP神经网络反演模型。与现有的“剥洋葱”算法获得MIGHTI中高层大气温度相比，使用BP神经网络反演方法在保证温度精度的情况下，解决了其计算量大，反演所需用时长的问题。本发明的BP神经网络充分利用MIGHTI数据集与温度相关的视线强度值数据进行特征学习，在保证反演精度的情况下降低了计算量，缩短了耗时，具有模型简单、快捷、反演精度高等特点。
基于遗传算法优化 bp 神经网络 mighti 高层大气温度校正方法

[发明专利]基于粒子群优化算法的个人贷款风险预测方法-CN202211307999.5在审
发明人：韩雨潇 -专利权人：中国农业银行股份有限公司重庆市分行
申请日： 2022-10-24 - 公布日： 2023-06-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于粒子群优化算法的个人贷款风险预测方法，将粒子群优化算法与BP神经网络结合，即选择粒子群优化算法来替代BP网络的梯度下降方法，不断优化网络的权重参数，直至最终收敛；所述粒子群优化算法对标准粒子群优化算法进行改进，采用多分组机制，将整个种群划分为m个小组，并引入综合学习策略、吸引‑排斥策略和激活策略来提高性能。本发明通过将粒子群优化算法与BP神经网络结合，对神经网络的参数进行优化，从而加快网络的收敛速度并提高其预测的准确率。
基于粒子优化算法个人贷款风险预测方法

[发明专利]一种基于神经网络算法的智能站台旅客引导系统-CN202210720722.9在审
发明人：满中桦;宋士敬;刘耀诚;傅修程 -专利权人：山东飞天光电科技股份有限公司
申请日： 2022-06-24 - 公布日： 2022-09-16 - 主分类号： B61L27/00 文献下载
摘要：本发明公开了一种基于神经网络算法的智能站台旅客引导系统，包括前段设备和AI智能学习型控制主机，前段设备用于采集站台上的影像数据或基于反馈信号做出对应的响应，AI智能学习型控制主机内置神经网络算法，接收采集的数据，并基于神经网络算法对数据进行行学习、分析、再学习、再分析的循环处理，从而能正确识别站台上旅客的行为，基于识别的行为正确有效的引导旅客，对于旅客危险行为进行有效预警，实现智能化集中管理控制，提高工作效率，有效较少安全事故的发生，其中，采用千兆网络通讯，有利于提高站台端检测数据的实时性；同时为了保证通讯功能的准确性。
一种基于神经网络算法智能站台旅客引导系统

[发明专利]一种基于深度策略梯度的入侵检测算法-CN202110612057.7在审
发明人：郭薇;张国栋;周翰逊;胡叶帅 -专利权人：沈阳航空航天大学
申请日： 2021-06-02 - 公布日： 2021-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度策略梯度的入侵检测算法。该算法利用LSTM擅长处理时序数据的特点，在DPG算法的基础上，采用深度学习中的Long Short Term Mermory network(LSTM)代替Deterministic Policy Gradient(DPG)算法中的全连接层网络，基于LSTM神经网络构建了入侵检测智能体，并使用了策略梯度算法。入侵检测智能体利用LSTM神经网络输出入侵检测动作概率，基于该概率利用策略梯度算法优化LSTM神经网络参数，使得入侵检测智能体探索到最优的入侵检测策略。
一种基于深度策略梯度入侵检测算法

[发明专利]一种制冷系统故障诊断方法-CN201910148922.X在审
发明人：韩华;崔晓钰;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： 2019-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明的制冷系统故障诊断方法，包括以下步骤：通过模拟冷水机组故障实验，采集并处理后得到训练组数据和测试组数据；设置深度神经网络的节点数及层数；建立深度神经网络模型，确定深度神经网络的拓扑结构，该拓扑结构包括深度神经网络的输入层数、权值以及阈值；确定深度神经网络的训练步数；在深度神经网络模型中应用训练组数据进行训练后得到故障诊断模型；采用小批量动量随机梯度下降法对深度神经网络进行训练；设置深度神经网络的学习率；计算损失函数C；采用模拟退火算法对学习率进行优化；得到最优学习率；满足训练结束条件，得到训练好的故障诊断模型；使用训练好的故障诊断模型对S2中测试组数据进行故障诊断，得到故障诊断结果。
神经网络故障诊断模型神经网络模型制冷系统故障拓扑结构测试组随机梯度下降法动量故障诊断结果计算损失函数冷水机组故障模拟退火算法故障诊断结束条件应用训练诊断节点数输入层小批量训练组组数据步数学习采集优化

[发明专利]一种基于RBF神经网络的凸轮型线拟合方法-CN201510173647.9在审
发明人：胡万强 -专利权人：许昌学院
申请日： 2015-04-14 - 公布日： 2015-07-08 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于RBF神经网络的凸轮型线拟合方法，包括以下步骤：建立RBF神经网络模型、RBF模型减聚类学习算法、RBF模型的训练算法、模型误差指标评价。本发明通过建立一个基于RBF神经网络的凸轮型线拟合方法，通过减聚类算法，可以方便、快捷确定隐含层神经元节点个数，有效地减少了算法的迭代次数。相对于BP神经网络而言，RBF网络计算量少、计算速度快、泛化能力强、鲁棒性好，在凸轮型线拟合及其它机械零件表面形状拟合领域有较高的应用价值。
一种基于 rbf 神经网络凸轮拟合方法

[发明专利]玉米收获机损失率控制方法、装置、存储介质与设备-CN202110861876.5在审
发明人：赵博;陈凯康;汪凤珠;王鹏飞;郑永军;刘阳春;苑严伟 -专利权人：中国农业机械化科学研究院
申请日： 2021-07-29 - 公布日： 2021-11-09 - 主分类号： G05B13/04 文献下载
摘要：一种玉米收获机损失率控制方法、装置、存储介质与设备，该玉米收获机损失率控制方法包括如下步骤：构建双输入单输出的模糊神经网络控制器，所述模糊神经网络控制器包括前件网络和后件网络；采用遗传算法‑粒子群算法进行离线学习，通过对系统在先运行数据的学习确定所述模糊神经网络控制器中需要学习的权值和隶属度函数中心和宽度；采用BP算法进行在线学习，建立控制器的连接权值，实时检测玉米收获机籽粒回收装置的转速，结合在线学习实时调整控制器中的可调参数
玉米收获损失率控制方法装置存储介质设备

[发明专利]机器学习系统及方法-CN201610881058.0有效
发明人：李欣潼;罗炜樑 -专利权人：广州英康唯尔互联网服务有限公司
申请日： 2016-09-30 - 公布日： 2019-07-09 - 主分类号： G06N3/04 文献下载
摘要：本专利申请公开了机器学习系统，包括用来采集待康复数据的客户端和与客户端通过网络连接的云端服务器；所述客户端包括设置有改进的智能算法的第一处理器；所述云端服务器包括设置有BP神经网络模型的第二处理器，其中第二处理器在通过BP神经网络模型处理待康复数据的同时通过改进的智能算法优化BP神经网络的初始参数值，所述初始参数值包括初始权值和初始阈值。本专利申请的机器学习系统具有较快的学习速度和学习精准度。
机器学习系统方法

[发明专利]一种基于深度学习的城市交通系统调度策略生成方法-CN202011024487.9有效
发明人：杨嘉琛;张季鹏 -专利权人：天津大学
申请日： 2020-09-25 - 公布日： 2022-06-17 - 主分类号： G08G1/01 文献下载
摘要：本发明涉及一种基于深度学习的城市交通系统调度策略生成方法，包括如下步骤：搭建城市交通系统仿真模型；基于城市交通系统仿真模型，建立马尔科夫决策过程，包括状态空间、动作空间以及回报函数；根据深度学习PPO算法，搭建策略神经网络和估值神经网络；基于所述城市交通系统仿真模型、各个状态空间、各个动作空间以及回报函数，对所述神经网络进行训练，得到训练好的神经网络模型；调用训练好的神经网络模型进行仿真验证并生成城市交通系统调度策略
一种基于深度学习城市交通系统调度策略生成方法

[发明专利]基于ACO-BP的多目标碾米机组调度优化系统-CN202110099893.X有效
发明人：李强;张永林;周劲;余南辉;宋少云 -专利权人：武汉轻工大学
申请日： 2021-01-25 - 公布日： 2022-08-23 - 主分类号： B02B3/00 文献下载
摘要：机组控制系统对机组内部利用算法优化，可根据单体加工目标调控每个碾米的加工参数，实现机组的在线碾白精度智能控制，减低碾米机的运行成本。利用蚁群算法(ACO)优化BP神经网络的方式搭建碾米机组控制系统，蚁群算法能够加快神经网络的学习速率，更快的收敛于最佳参数，搭建最佳调控碾米机组的神经网络模型。搭建的碾米机组数据库，通过对产品的评价和神经网络的学习能力，能对加工参数和加工方案进行迭代优化，实习数据库的自学习。
基于 aco bp 多目标碾米机组调度优化系统