“神经网络实现”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6709476个，建议您升级VIP下载更多相关专利

[发明专利]神经网络训练方法、图片分类方法及系统-CN202210683594.5在审
发明人：曾祥云;朱姬渊 -专利权人：上海易康源医疗健康科技有限公司
申请日： 2022-06-17 - 公布日： 2022-08-16 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种神经网络训练方法、图片分类方法及系统。神经网络训练方法包括：S1:准备数据集：S2:构建神经网络模型，所述神经网络模型包括第一神经网络和第二神经网络；S3:特征抽取：S4:计算第一神经网络的损失，更新第一神经网络的参数；S5:计算第二神经网络的损失，更新第二神经网络的参数。本发明能够实现能够实现多领域的迁移，而且能够实现又快又准地进行图像识别任务。
神经网络训练方法图片分类系统

[发明专利]可神化神经网络系统的实现方法、装置和机器设备-CN202010617504.3在审
发明人：杨韵帆;孙术仁;邓琪敏;李俊昊;谈国禹;杨婧 -专利权人：嘉兴砥脊科技有限公司
申请日： 2020-06-30 - 公布日： 2020-11-20 - 主分类号： G06N3/04 文献下载
摘要：本发明揭示了一种可神化神经网络系统的实现方法、装置和机器设备。所述方法包括：采集所布设神经网络结构获得对应于神经网络结构中层组件的网络结构数据；根据网络结构数据参数化神经网络结构获得网络数据，网络数据通过包含的网络结构数据对应于层组件；通过网络数据调用神经网络结构下神经网络层的方法，将神经网络结构转化为神经网络。由此便从可视化的神经网络结构得到结构可视化的神经网络，即实现可视化神经网络系统，从而使得神经网络的架构不再是透明的，为神经网络的可调整性提供了条件。
神化神经网络系统实现方法装置机器设备

[发明专利]一种卷积神经网络硬件模块部署方法-CN201810539816.X在审
发明人：王子彤;姜凯;聂林川 -专利权人：济南浪潮高新科技投资发展有限公司
申请日： 2018-05-30 - 公布日： 2018-08-17 - 主分类号： G06N3/063 文献下载
摘要：本发明公开一种卷积神经网络硬件模块部署方法,涉及卷积神经网络实现领域；利用卷积神经网络的上层编译器根据目标硬件资源及卷积神经网络模型的数据体量，对卷积神经网络的实现形式进行模拟比较，权衡硬件资源与卷积神经网络速度的要求，确定卷积神经网络各个硬件模块的部署参数，划分各个硬件模块的数量及确定硬件模块间的连接方式，以实现卷积神经网络硬件模块部署。
卷积神经网络硬件模块部署连接方式目标硬件硬件资源编译器上层

[发明专利]面向嵌入式系统的神经网络的映射方法及装置-CN201711162662.9在审
发明人：俞波;刘少山 -专利权人：深圳普思英察科技有限公司
申请日： 2017-11-21 - 公布日： 2018-04-24 - 主分类号： G06N3/04 文献下载
摘要：一种面向嵌入式系统的神经网络的映射方法及装置，方法包括建立所述神经网络结构,并获取所述神经网络的参数；根据所述神经网络结构和所述神经网络的参数生成描述所述神经网络的数据流图；获取深度学习计算单元库，并利用深度学习计算单元库实现神经网络的数据流图，以获取神经网络的实现程序，从而能够以深度学习计算单元库为基础，将神经网络映射为应用于嵌入式系统的实现程序，从而能够加快神经网络在嵌入式平台的实现速度，最大化嵌入式平台的性能。
面向嵌入式系统神经网络映射方法装置

[发明专利]通过包括实现成本作为目标来训练神经网络-CN201980064032.9在审
发明人： K·德诺尔夫;N·弗雷泽;K·A·维塞斯;G·甘巴德拉 -专利权人：赛灵思公司
申请日： 2019-09-12 - 公布日： 2021-05-07 - 主分类号： G06N3/04 文献下载
摘要：一种神经网络的示例实现方法包括：从搜索空间选择第一神经网络架构；以及训练具有第一神经网络架构的神经网络以获得准确度和实现成本。该实现成本基于推断平台的可编程设备。该方法还包括：基于准确度和实现成本来从搜索空间中选择第二神经网络架构；以及输出具有第二神经网络架构的神经网络的权重和超参数。
通过包括实现成本作为目标训练神经网络

[发明专利]一种基于分枝神经网络的多特征细粒度的目标分类方法-CN201910627057.7在审
发明人：朱顺意;范继辉;瞿明军;李广立;刘雪健;周莉;巩志远;陈建学;杜来民;邓国超;白玥寅;张松;周雨晨 -专利权人：山东领能电子科技有限公司;山东大学;太原理工大学
申请日： 2019-07-11 - 公布日： 2019-10-11 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于分枝神经网络的多特征细粒度的目标分类方法，属于目标分类领域，包括：(1)准备数据集；(2)选择主干神经网络；(3)将数据集送入主干神经网络中，经训练得到能够对复杂特征进行分类的模型，实现对数据相应特征的分类；(4)在主干神经网络中增加多个分枝神经网络，细化数据集，再次训练得到模型，借助该模型实现对细粒度特征的提取和分类；(5)对主干神经网络和多个分枝神经网络的输出增设权重，最终输出主干神经网络和多个分枝神经网络的加权结果，实现多特征细粒度目标分类功能。本发明在对主干神经网络增设分支神经网络，无需完全重置网络即可实现多特征细粒度的目标分类功能，可以更好地满足实际需求。
神经网络目标分类细粒度主干分枝数据集分类增设输出复杂特征加权结果模型实现实际需求权重细化重置送入网络

[发明专利]由实现人工神经网络来检测物理信号中事件或元素的过程-CN202211303346.X在审
发明人： P·德马雅;L·福里奥特 -专利权人：意法半导体(鲁塞)公司
申请日： 2022-10-24 - 公布日： 2023-04-28 - 主分类号： G06N3/063 文献下载
摘要：本公开的实施例涉及由实现人工神经网络来检测物理信号中事件或元素的过程。根据一个方面，提供了一种用于检测物理信号中的事件或元素的方法，包括参考人工神经网络的至少一个实现，与参考人工神经网络不同的辅助人工神经网络的至少一个实现。相对于所述参考人工神经网络被简化的辅助人工神经网络。通过所述参考人工神经网络的实现或通过所述辅助人工神经网络的实现对所述事件或所述元素的存在概率的至少一个评估，其中当所述事件或所述元素的存在概率大于阈值时实现所述参考人工神经网络，并且其中当所述事件或所述元素的存在概率低于所述阈值时实现所述辅助人工神经网络
实现人工神经网络检测物理信号事件元素过程

[发明专利]电子装置及用于控制电子装置的方法-CN202080052984.1在审
发明人：穆罕默德·S·阿卜杜勒法塔赫;卢卡斯·杜齐亚克;周俊邦;金惠智;李罗森;苏拉夫·巴塔查里亚 -专利权人：三星电子株式会社
申请日： 2020-08-13 - 公布日： 2022-03-04 - 主分类号： G06N3/063 文献下载
摘要：电子装置包括：存储器，用于存储多个加速器和多个神经网络；以及处理器，经配置以在多个神经网络中选择第一神经网络并在多个加速器中选择第一加速器以实现第一神经网络，在第一加速器上实现第一神经网络以获得与实现相关联的信息，基于与实现相关联的信息获得第一加速器和第一神经网络的第一奖励值，从多个神经网络中选择要在第一加速器上实现的第二神经网络，在第一加速器上实现第二神经网络以获得与实现相关联的信息，基于与实现相关联的信息获得第一加速器和第二神经网络的第二奖励值，基于第一奖励值和第二奖励值在多个神经网络和多个加速器中选择具有最大奖励值的神经网络和加速器。
电子装置用于控制方法

[发明专利]一种基于忆阻的神经网络联想记忆方法-CN201910463046.X有效
发明人：王雷敏;邬杰 -专利权人：中国地质大学（武汉）
申请日： 2019-05-30 - 公布日： 2021-01-05 - 主分类号： G06N3/063 文献下载
摘要：本发明针对目前基于电阻实现的神经网络电路联想记忆精度和可靠性方面的缺陷，提出一种基于忆阻实现的神经网络联想记忆方法，以解决目前神经网络电路连接权不能达到最优解造成的联想记忆精度和可靠性受到限制的问题。本发明借助忆阻器自身阻值可变的特性，解决了基于电阻实现的神经网络电路连接权不可调整的缺陷，具有更好的灵活性；以忆阻实现的神经网络电路由于权值可调整，可实现神经网络连接权的最优解，进而提高了神经网络联想记忆的精度；由于神经网络输出精度提高，从而使得神经网络联想记忆的可靠性性和准确性都得到提升；由于忆阻器是纳米级材料，因此将传统神经网络电路中的电阻替换为忆阻将使得神经网络电路更加微型化。
一种基于神经网络联想记忆方法

[发明专利]一种轻量级深度卷积神经网络的FPGA实现方法-CN202010229332.2有效
发明人：雷杰;高岳;李云松;谢卫莹;杜旭飞;赵东升 -专利权人：西安电子科技大学
申请日： 2020-03-27 - 公布日： 2022-04-19 - 主分类号： G06N3/08 文献下载
摘要：本发明提出了一种轻量级深度卷积神经网络的FPGA实现方法，其步骤为：构建轻量级深度卷积神经网络；初始化轻量级深度卷积神经网络；生成训练集和验证集；训练轻量级深度卷积神经网络；设计现场可编程逻辑门阵列FPGA中轻量级卷积神经网络的基本组成器件；在现场可编程逻辑门阵列FPGA中实现已训练好的轻量级深度卷积神经网络。本发明利用搭建轻量级深度卷积神经网络，精简了深度卷积神经网络的网络结构，优化了轻量级深度卷积神经网络的训练方法，提升了在现场可编程逻辑门阵列FPGA中实现的深度卷积神经网络的资源利用率。
一种轻量级深度卷积神经网络 fpga 实现方法

[发明专利]一种基于卷积特征响应图的神经网络剪枝方法-CN201810765996.3有效
发明人：葛一粟;高飞;卢书芳;张元鸣;张永良;陆佳炜 -专利权人：浙江工业大学
申请日： 2018-07-12 - 公布日： 2021-07-20 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于卷积特征响应图的网络剪枝方法，它通过卷积特征响应图剪枝的神经网络压缩方法，能实现不影响神经网络精度的基础上，实现神经网络的压缩和加速。本发明通过采用上述技术，剔除神经网络中冗余的卷积操作实现网络的加速和压缩；根据卷积特征响应图的特征响应比判断，实现自动有效的特征提取，结合网络剪枝操作，能在不影响神经网络精度的基础上，实现神经网络的压缩和加速，减少了神经网络中大量的计算量和参数数量，加快神经网络的运算，解决了深度学习难以应用在现实场景中的问题。
一种基于卷积特征响应神经网络剪枝方法

[发明专利]一种深度学习多层神经网络的实现方法-CN201510237437.1有效
发明人：秦凯;周喜川;余磊;李胜力;谭跃;胡盛东;唐枋 -专利权人：核工业北京地质研究院
申请日： 2015-05-12 - 公布日： 2018-11-02 - 主分类号： G06N3/063 文献下载
摘要：本发明属于神经网络模型设计技术领域，具体涉及一种深度学习多层神经网络的实现方法。本发明的方法首先采用数字电路构建单层神经网络，之后将上一单层神经网络的输出作为下一单层神经网络的输入，采用串联的形式构建多层神经网络。本发明的方法解决了现有方法仅能构建浅层神经网络的技术问题，面向深度学习，建立了多层的神经网络硬件模型，通过脉冲大小实现信息传递，其模拟的神经元更加接近实际神经元。
一种深度学习多层神经网络实现方法

[发明专利]一种脉冲神经网络逻辑运算方法-CN202110950652.1在审
发明人：莫凌飞;王铭浩 -专利权人：东南大学
申请日： 2021-08-18 - 公布日： 2021-11-19 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种脉冲神经网络逻辑运算方法，包括对脉冲神经网络语义下逻辑变量的定义；以脉冲神经元为基本单元设计脉冲神经网络逻辑运算的层级网络结构；基于所述脉冲神经网络逻辑运算层级网络结构构建的脉冲神经网络基本逻辑运算模块以及复合逻辑运算模块，在设计或训练后能够实现对应逻辑运算功能；基于所述脉冲神经网络基本逻辑运算模块以及复合逻辑运算模块，通过级联能够实现任意复杂逻辑运算。本发明为通过脉冲神经网络实现逻辑运算提供了一种方法，使得以脉冲神经网络为基础的逻辑运算成为可能，并为构建大规模脉冲神经网络和构建基于脉冲神经网络的非冯·诺依曼计算体系打下基础。
一种脉冲神经网络逻辑运算方法

[发明专利]基于FPGA的神经网络加速方法和系统-CN202111215502.2在审
发明人：陈永;翁正林 -专利权人：杭州加速科技有限公司
申请日： 2021-10-19 - 公布日： 2023-04-25 - 主分类号： G06N3/063 文献下载
摘要：本发明涉一种基于FPGA的神经网络加速方法和系统。该方法包括：获取神经网络模型(11)；根据所述神经网络模型的模型参数，从神经网络加速库中选取适用于所述神经网络模型的加速单元(12)；将选取的加速单元加载到FPGA加速卡中(13)；利用FPGA加速卡执行神经网络加速神经网络加速库中包括专用神经网络加速单元、通用神经网络加速单元以及神经网络算子加速单元。根据本发明的方法使得能够实现FPGA神经网络加速单元的快速部署，以便适应不断变化的神经网络模型。
基于 fpga 神经网络加速方法系统

[发明专利]压缩/解压缩神经网络模型的装置、设备和方法-CN201611159629.6在审
发明人：陈天石;韦洁;陈云霁;刘少礼;支天;郭崎 -专利权人：上海寒武纪信息科技有限公司
申请日： 2016-12-15 - 公布日： 2018-06-29 - 主分类号： G06N3/04 文献下载
摘要：一种压缩/解压缩神经网络模型的装置、设备和方法。其中包括步骤：获取神经网络模型的待压缩参数；采用神经网络算法对所述待压缩参数进行压缩和训练，获得低维的神经网络参数；解压所述低维的神经网络参数，恢复神经网络模型的参数。本发明用自动编码神经网络算法实现压缩/解压缩神经网络模型的装置，可减少神经网络模型的参数，有利于模型的存储和传输。
神经网络模型解压缩压缩神经网络参数神经网络算法压缩参数低维自动编码解压存储传输恢复

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