“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]一种片上学习神经网络处理器-CN201710691146.9有效
发明人：刘洋;伍元聪;王俊杰;詹稀童;钱堃;于奇 -专利权人：电子科技大学
申请日： 2017-08-14 - 公布日： 2020-11-10 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种片上学习神经网络处理器包括数据接口模块、数据预处理模块、数据缓存区模块、神经元权值缓存区模块、随机初始化模块、神经运算单元模块、神经网络前向运算控制模块、激活函数模块、神经状态控制器模块、神经网络学习算法控制模块；神经状态控制器模块控制各单元模块协同工作进行神经网络学习与推理。本发明中的神经运算单元模块采用通用硬件加速运算设计，可编程控制神经网络运算类型及运算规模。设计中加入流水线技术，极大提高数据吞吐率与运算速度，并且重点优化神经运算单元的乘加单元，极大减小硬件面积。本发明对神经网络学习算法进行硬件映射，使得该神经网络处理器即能进行片上学习又能进行离线推理。
一种学习神经网络处理器

[发明专利]一种采用资格迹的神经网络学习控制方法-CN201510304299.4有效
发明人：刘智斌;刘晓峰 -专利权人：曲阜师范大学
申请日： 2015-06-04 - 公布日： 2017-10-03 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种采用资格迹的神经网络学习控制方法，该采用资格迹的神经网络学习控制算法，将BP神经网络应用于强化学习，BP神经网络的模型拓扑结构包括输入层、隐层和输出层，运用资格迹，本方法把局部梯度从输出层传递到隐层，实现隐层权值的更新，能大大提高学习效率；在此基础上采用基于资格迹的残差梯度法，不仅对神经网络输出层进行权值更新，而且对隐层进行了优化权值更新，保证了BP神经网络在强化学习过程中良好的收敛性能。BP神经网络作为强化学习值函数拟合器，其输入层接收状态信息，依据BP神经网络输出层的输出值V和环境反馈的报酬值r，利用TD算法训练BP神经网络，Agent依据输出值V选取行为a，从而实现自适应控制。
一种采用资格神经网络学习控制方法

[发明专利]应用神经网络集成的故障诊断方法-CN201910062471.8在审
发明人：徐启华;师军 -专利权人：淮海工学院
申请日： 2019-01-23 - 公布日： 2019-06-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了公开了故障诊断技术领域应用神经网络集成的故障诊断方法，包括建立故障分类器、神经网络学习以及神经网络集成的AdaBoost算法，采用三层前向神经网络作为弱学习器，以批处理方式进行学习，学习完成后得到的神经网络作为AdaBoost训练的故障弱分类器，AdaBoost训练结束后，由故障弱分类器根据有权重的投票方式形成最终的集成故障分类器；本发明通过简单地训练多个普通神经网络并将其诊断结果按照AdaBoost算法进行集成，可以有效提高最终故障分类器的泛化能力，克服单一神经网络的不足，为神经网络技术在智能故障诊断中的进一步应用提供了一条新途径。
故障分类器神经网络神经网络集成故障诊断弱分类器批处理故障诊断技术前向神经网络神经网络技术神经网络学习应用神经网络智能故障诊断领域应用投票方式应用提供诊断结果新途径学习器权重三层学习

[发明专利]一种神经网络模型的部署方法、设备及介质-CN202010387398.4在审
发明人：冯落落;李锐;金长新 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2020-05-09 - 公布日： 2020-09-11 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络模型的部署方法、设备及介质，包括：在预设的学习框架上训练神经网络模型；根据优化算法对所述神经网络模型中的网络结构进行修改，并根据修改后的网络结构训练所述神经网络模型；将训练好的神经网络模型转化为预先设定的格式，并将转化格式的神经网络模型部署到预先设定的设备中。本申请实施例通过在预设的学习框架上训练神经网络模型，使得神经网络模型的参数量更少，同时，通过优化算法对神经网络模型中的网络结构进行修改，可以减少神经网络模型中的参数量。
一种神经网络模型部署方法设备介质

[发明专利]复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法-CN202210845539.1在审
发明人：蔡英凤;陆思凯;廉玉波;钟益林;陈龙;王海;袁朝春;刘擎超;李祎承 -专利权人：江苏大学
申请日： 2022-07-19 - 公布日： 2022-10-04 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了复杂路口下基于多智能体联邦强化学习的车路协同控制系统及方法，提出基于路端静态处理模块和车端动态处理模块的车路协同控制框架，利用路端优势补全道路历史信息；提出联邦强化学习算法FTD3，用于连接强化学习模块和联邦学习模块，算法只传输神经网络参数而非车端数据，保护隐私。算法只选取部分神经网络用于聚合，降低通信开销，选取产生较小Q值的网络用于聚合，防止过拟合，实现联邦学习和强化学习的深度结合：RSU神经网络参与聚合但不参与训练，只使用聚合后的共享模型更新而非车端产生的经验保护车端隐私，减缓神经网络的趋同；只选取部分神经网络参与聚合，减少网络聚合成本。
复杂路口基于智能联邦强化学习协同控制系统方法

[发明专利]一种基于遗传算法人脸识别的优化和识别方法-CN201810636440.4在审
发明人：李保印;张宝玉;刘涛;刘博 -专利权人：甘肃万维信息技术有限责任公司
申请日： 2018-06-20 - 公布日： 2018-11-23 - 主分类号： G06K9/00 文献下载
摘要：一种基于遗传算法人脸识别的优化和识别方法，通过将第一人脸图像转为第一灰度数字图像，可以大幅度降低计算量，运算效率提高，同时不影响识别准确率；通过对第一神经网络进行编码，能合理的把神经网络用遗传算法进行编码，解决了现有技术无法用遗传算法优化神经网络的问题；同时还确定了所述第一神经网络的连接权值和阈值的初始值，避免陷入局部极值；当进行识别时，直接选用学习好的神经网络从而高效地获得第二输出值；采用遗传算法这种群智能算法，提高了算法的学习效率，避免传统的神经网络学习算法易于陷入局部极值，同时提高了人脸识别效率和正确率。
神经网络遗传算法人脸识别神经网络学习算法遗传算法优化灰度数字人脸图像学习效率运算效率智能算法传统的计算量权值和正确率准确率算法优化图像输出学习

[发明专利]一种基于Spiking神经网络的飞机冲突检测方法-CN201410293570.4在审
发明人：屈鸿;杨雪松;潘婷;解修蕊 -专利权人：电子科技大学
申请日： 2014-06-24 - 公布日： 2014-09-17 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于Spiking神经网络的飞机冲突检测方法，涉及模式识别，模式处理，机器学习，神经网络等领域，具体涉及基于Spiking神经网络的多脉冲误差反传学习算法——利用生物信息传递原理拟合非线性离散数据集本发明首先为对历史航迹数据进行分析，建立Spiking神经网络模型；再运用学习算法对建立好的Spiking神经网络模型进行训练；最后利用训练后的Spiking神经网络模型进行航迹预测并进行冲突判断。
一种基于 spiking 神经网络飞机冲突检测方法

[发明专利]基于神经网络的围岩变形预测系统及预测方法-CN202011303458.6在审
发明人：李二兵;濮仕坤;段建立;高磊;蔡舒凌;潘越 -专利权人：中国人民解放军陆军工程大学
申请日： 2020-11-19 - 公布日： 2021-04-02 - 主分类号： G06F30/27 文献下载
摘要：一种基于神经网络的围岩变形预测系统及预测方法，利用监测设备获取设定时间范围内的围岩变形的监测数据作为算法的学习样本，建立基于萤火虫搜索算法优化的非线性自回归动态组合神经网络人工智能算法模型，即运用萤火虫算法对神经网络的训练结果全局搜索来确定神经网络初始参数中延时阶数和隐含层单元个数的最优解；随后更新的神经网络对作为样本数据的学习样本重新展开学习训练，构建围岩变形预测模型；根据围岩变形预测模型的精度设定预测范围，自动输出围岩变形预测值。提高了网络学习效率和预测精度，同时扩大了预测外推的时间范围，使得围岩变形预测真正有效服务科研工作和工程实践。
基于神经网络围岩变形预测系统方法

[发明专利]基于优化小波神经网络的停车泊位多步预测方法-CN201711321011.X有效
发明人：杨有;李田田;尚晋;曾绍华;余平 -专利权人：重庆师范大学
申请日： 2017-12-12 - 公布日： 2021-01-19 - 主分类号： G08G1/01 文献下载
摘要：本发明公开了一种基于优化小波神经网络的停车泊位多步预测方法，将实际测得有效停车泊位数据处理成以5分钟为时间间隔的有效停车泊位时间序列,利用小波函数‘db32’进行多尺度分解与重构，并将其作为小波神经网络的隐含层函数；利用粒子群算法对权值进行调整，逐步迭代更新得到最优值；利用ELM算法降低EPWNN的预测时间，根据多步预测策略得到预测结果。本发明相对于遗传算法优化神经网络、遗传算法优化小波神经网络、极限学习机优化小波变换、极限学习机优化小波神经网络、粒子群优化神经网络算法、粒子群优化小波神经网络等算法，EPWNN算法的预测误差平均降低了89.17
基于优化神经网络停车泊位预测方法

[发明专利]基于聚类和深度神经网络的室内可见光定位方法及系统-CN202310372738.X在审
发明人：王建萍;杨渌;路慧敏 -专利权人：北京科技大学;北京科技大学顺德创新学院
申请日： 2023-04-10 - 公布日： 2023-07-21 - 主分类号： G01S11/12 文献下载
摘要：本发明提供一种基于聚类和深度神经网络的室内可见光定位方法及系统，涉及光通信定位技术领域，包括发射端和接收设备。取定位区域接收信号强度作为深度神经网络训练集，为多个白光LED分配不同调制频率，利用训练集位置每个LED的接收信号强度及光探测器实际坐标值对神经网络进行训练，学习算法采用k均值聚类(K‑means)算法和深度神经网络(DNN)算法相结合的学习算法。将每个LED的接收信号强度输入训练完成的神经网络，得到光探测器位置坐标。本发明基于神经网络采用优化学习算法，有效缩减采样数据量，并提高网络训练速度和室内定位精度；定位系统不受多径反射等外界因素影响；具有很好的实际应用价值。
基于深度神经网络室内可见光定位方法系统

[发明专利]一种基于RBF神经网络的网络流量测量方法-CN201410097087.9有效
发明人：蒋云良;王智群 -专利权人：湖州师范学院
申请日： 2014-03-17 - 公布日： 2017-03-01 - 主分类号： H04L12/26 文献下载
摘要：本发明公开了一种基于RBF神经网络的网络流量测量方法，依次包括以下步骤建立RBF神经网络模型、网络流量数据行归一化处理、RBF神经网络模型的学习算法、RBF神经网络模型的训练算法、RBF神经网络模型性能的评价本发明通过建立了一个基于RBF神经网络的流量测量模型，给出了RBF神经网络的结构设计及基于正交最小二乘的学习算法，相对于BP流量预测模型，RBF方法预测准确度更高，能够很好地描述网络流的变化规律，具有泛化能力强、稳定性良好的特点，在网络流量预测中有较高的实用价值。
一种基于 rbf 神经网络网络流量测量方法

[发明专利]基于神经网络深度学习的布匹缺陷检测方法-CN201710182718.0在审
发明人：张美杰;张平;黄坤山;李力 -专利权人：广东工业大学
申请日： 2017-03-24 - 公布日： 2017-09-01 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及基于神经网络深度学习的布匹缺陷检测方法，方法包括以下步骤(1)高速线扫描成像；(2)通过改进的BP神经网络布匹缺陷检测算法对布匹缺陷进行准确检测；(3)通过卷积神经网络的深度学习布匹缺陷分类算法实现自动选取疵点多样的特征信息本发明将图像矫正，拼接，去噪等算法在成像系统中用GPU实现，实现高速高质量的图像采集；通过改进的BP神经网络布匹缺陷检测算法对诸如灰尘，脏污，棉球，褶皱等干扰因素进行检测与排除；通过卷积神经网络的深度学习布匹缺陷分类算法，能够实现对多种缺陷的实时监测，该分类算法能出色地自动选取疵点多样的特征信息，进行非线性系统地处理分类。
基于神经网络深度学习布匹缺陷检测方法

[发明专利]一种基于深度强化学习的推荐算法-CN201811070447.0在审
发明人：陈曦;蓝志坚;余智君;陈卓 -专利权人：广州丰石科技有限公司
申请日： 2018-09-13 - 公布日： 2019-03-15 - 主分类号： G06F16/951 文献下载
摘要：本发明提出一种基于深度强化学习的推荐算法，构建了MainNet神经网络和TargetNet神经网络的双网络结构模型，其中MainNet神经网络是主神经网络，用于得到户对推荐列表，TargetNet神经网络用于训练模型参数，得到最优模型参数，并不断更新模型参数，作为MainNet神经网络的输入的当前状态不仅包括长期特征，而且包括外部条件特征，为用户购物行为的准确预测奠定了基础。本发明克服了传统机器学习的缺点，不需要历史数据积累，只要网站存在交易行为，该算法可以实现自我学习，自我优化和自我完善。
神经网络算法强化学习网络结构模型传统机器购物行为交易行为历史数据模型参数外部条件训练模型自我学习最优模型构建网站预测更新积累优化学习

[发明专利]一种复值全连接递归神经网络模型的功放数字预失真方法-CN202010059771.3有效
发明人：党妮;徐常志;汤昊;靳一;汪滴珠;左金钟;杨丽;李明玉 -专利权人：西安空间无线电技术研究所
申请日： 2020-01-19 - 公布日： 2023-06-06 - 主分类号： H03F1/32 文献下载
摘要：一种复值全连接递归神经网络模型的功放数字预失真方法，利用复值全连接递归神经网络模型来模拟复杂的功率放大器模型，进而得到功率放大器逆模型，并实现自适应数字预失真。其中功率放大器模型是基于复值神经网络理论，在实时递归学习算法基础上采用改进的复值实时递归学习算法，针对数字通信系统发射端功放模型实现更精准的模型逼近。本发明结合了递归神经网络中的实时递归学习算法，在原有的实值递归神经网络模型上提出效果更优的复值全连接递归神经网络模型，进一步推广出复值实时递归学习算法。经仿真验证，本发明模型结构和算法在训练时间、建模准确度方面性能较好，可以保障功放非线性的较高拟合度。
一种复值全连接递归神经网络模型功放数字失真方法

[发明专利]基于前馈脉冲神经网络的癫痫脑电检测系统-CN202211178565.X在审
发明人：蔺想红;冯晨晨;赵梓伊;郭文军;邹曜徽;赵远;鲁晗 -专利权人：西北师范大学
申请日： 2022-09-27 - 公布日： 2022-12-02 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于前馈脉冲神经网络的癫痫脑电检测系统，定义脉冲序列的误差函数和突触权值的学习规则，探索一种适用于癫痫脑电识别的网络模型。为了对基于期望脉冲序列重建的算法性能进行验证，我们构建三层前馈脉冲神经网络结构，随后设置脉冲神经网络的期望输出脉冲序列，使用基于期望脉冲序列重建的学习算法调整神经网络突触权值。根据脉冲序列学习结果和学习前后突触权值的变化情况来判断基于期望脉冲序列重建的学习算法框架具有较好的学习能力。
基于脉冲神经网络癫痫检测系统