“神经网络结构”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10291013个，建议您升级VIP下载更多相关专利

[发明专利]基于W型网络结构的临床颞骨CT多结构提取方法及装置-CN202010075659.9有效
发明人：王君臣;吕弈 -专利权人：北京航空航天大学
申请日： 2020-01-22 - 公布日： 2023-01-10 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于W型网络结构的临床颞骨CT多结构提取方法及装置，其中，方法包括以下步骤：获取训练数据集；根据训练数据集训练W型神经网络结构模型；采集用户的当前数据，将当前数据输入至训练好的W型神经网络结构模型，提取耳蜗信息、听骨链信息与面神经信息。该方法可以在非常短的时间提取同时提取耳蜗、听骨链与面神经等结构，简单易实现。
基于网络结构临床颞骨 ct 提取方法装置

[发明专利]神经网络结构搜索方法及系统、电子设备及存储介质-CN202010877044.8有效
发明人：李明蹊 -专利权人：展讯通信（上海）有限公司
申请日： 2020-08-27 - 公布日： 2022-09-27 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种神经网络结构搜索方法及系统、电子设备及存储介质，神经网络结构搜索方法包括：利用训练集对生成的神经网络模型进行训练，以及利用验证集验证神经网络模型的当前性能指标；将用于表征神经网络模型的结构的参数输入至推理时间预测模型，预测得到神经网络模型在目标硬件平台的推理时间；若当前性能指标和预测的推理时间均满足要求，则输出神经网络模型；否则，根据由当前性能指标和预测的推理时间计算得到的奖励值更新控制器的参数，并对控制器生成的神经网络模型重新进行训练本发明能够高效准确地搜索出满足不同硬件平台要求的最优结构的神经网络模型。
神经网络结构搜索方法系统电子设备存储介质

[发明专利]神经网络计算处理模型-CN201810742934.0在审
发明人：陈亮 -专利权人：中国科学院自动化研究所
申请日： 2018-07-09 - 公布日： 2019-01-01 - 主分类号： G06N3/063 文献下载
摘要：本发明涉及类脑计算技术领域，具体提供了一种神经网络计算处理模型，旨在解决在不增加新网络结构的情况下，如何扩展人工神经网络可执行算法的技术问题。为此目的，本发明中的向量计算模块可以对操作数据进行多级乘累加计算，来模拟不同的神经网络结构。标量计算模块可以基于预设的数据运算方法，对操作数据进行相应计算。激活函数模块可以根据预设的激活函数计算策略、向量计算模块的计算结果和标量计算模块的计算结果，模拟相应激活函数计算，来实现相应神经网络的计算(如卷积神经网络、全连接神经网络或脉冲神经网络)。基于上述结构，本发明无需对神经网络计算处理模型进行网络拓展，即可实现不同类型神经网络的计算。
神经网络计算处理模型激活函数神经网络标量计算操作数据向量计算预设计算技术领域卷积神经网络脉冲神经网络人工神经网络神经网络结构累加计算数据运算网络结构网络拓展可执行算法

[发明专利]基于HGS的BP神经网络污水指标预测方法-CN202211482168.1在审
发明人：储修如;李洪飞;张鹏达;胡岩;刘康璇;王冬 -专利权人：天津市水利工程有限公司
申请日： 2022-11-24 - 公布日： 2023-03-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于HGS的BP神经网络污水指标预测方法，包括：步骤S1：构建初始BP神经网络；步骤S2：利用HGS算法对初始BP神经网络的网络结构和网络参数进行优化，获得适应度最优的种群个体向量；步骤S3：利用获得的适应度最优的个体向量对BP神经网络结构和参数进行优化获得最优的BP神经网络模型，利用最优的BP神经网络模型对待测污水数据进行预测并获得预测结果。本发明利用HGS算法对BP神经网络进行优化，提出的基于HGS的BP神经网络污水水质指标预测方法具有结构简单、性能稳定的特点，相比于传统的BP神经网络对数据量的需求更低，能够实现在低数据量情况下水质中的COD
基于 hgs bp 神经网络污水指标预测方法

[发明专利]用于情感识别的脉冲神经网络部署方法、装置及设备-CN202311141328.0在审
发明人：王斌强;董刚;赵雅倩;蒋东东;曹其春 -专利权人：苏州浪潮智能科技有限公司
申请日： 2023-09-06 - 公布日： 2023-10-13 - 主分类号： G06N3/065 文献下载
摘要：本申请实施例提供了一种用于情感识别的脉冲神经网络部署方法、装置及设备。所述方法包括：基于选定的情感识别场景，获取标注有情感类别标签的标注数据；基于脉冲神经元和网络拓扑信息，确定脉冲神经网络的网络结构；基于所述标注数据对所述脉冲神经网络进行权重训练及权重量化处理，生成所述脉冲神经网络的量化突触权重；基于所述脉冲神经网络的网络结构，构建用于执行网络操作的硬件设备；将所述量化突触权重逐层部署于所述硬件设备上。
用于情感识别脉冲神经网络部署方法装置设备

[发明专利]一种基于改进卷积神经网络结构的机器视觉室内定位方法-CN201911015806.7有效
发明人：朱斌;张建荣;李健 -专利权人：江西应用技术职业学院
申请日： 2019-10-24 - 公布日： 2022-02-11 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进卷积神经网络结构的机器视觉室内定位方法，该方法主要是提出了一种改进的卷积神经网络结构及针对该结构的神经网络模型训练方法，最终通过训练后的卷积神经网络对输入的视频图像进行分类，得到装备RGB摄像头的移动机器人室内位置，其中，卷积神经网络功能包括：提取语义分割图像及RGB图像的位置特征，利用这两类位置特征来确定移动机器人的实时室内位置。改进的卷积神经网络结构是U‑Net、两个VGG16Net的前13层及一个VGG16Net的后3层相结合的产物，其卷积神经网络由U1、VGG2、VGG3、VGG4及ArcFace分类器五部分构成。
一种基于改进卷积神经网络结构机器视觉室内定位方法

[发明专利]一种基于ARIMA-GRNN模型的粮食产量预测方法-CN202010809590.8在审
发明人：胡建;李晋;李琨;高彩云;任倩 -专利权人：河北农业大学
申请日： 2020-08-13 - 公布日： 2020-11-13 - 主分类号： G06Q10/04 文献下载
摘要：获取与粮食产量相关的数据时间序列；B、对数据时间序列进行差分处理，得到平稳时间序列；C、使用ARIMA模型对各数据时间序列进行预测；D、根据步骤C的预测结果，保留与粮食产量相关度大于预设阈值的数据时间序列；E、建立GRNN神经网络结构，GRNN神经网络结构包括输入层、模式层、求和层和输出层，使用数据时间序列对GRNN神经网络结构进行训练；F、使用步骤D中保留的数据时间序列输入GRNN神经网络结构，得到粮食产量的预测值。
一种基于 arima grnn 模型粮食产量预测方法

[发明专利]基于深度神经网络结构模型的轨道列车运行状态预测方法-CN201910044758.8有效
发明人：阴佳腾;任现梁;宿帅;荀径;李开成;唐涛 -专利权人：北京交通大学
申请日： 2019-01-17 - 公布日： 2021-10-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于深度神经网络结构模型的轨道列车运行状态预测方法，包括：获取轨道列车运行状态的实时数据，对数据进行预处理；根据预处理后的数据，建立深度神经网络结构模型；将预处理后的数据划分为训练数据集和验证数据集，通过训练数据集和验证数据集对所述的深度神经网络结构模型进行训练和验证；通过验证后的深度神经网络结构模型对轨道交通列车进行在线预测。
基于深度神经网络结构模型轨道列车运行状态预测方法

[发明专利]学习生物视觉通路的轮廓检测方法-CN202110784619.6有效
发明人：林川;张哲一;谢智星;陈永亮;张晓;张贞光;吴海晨;李福章;潘勇才;韦艳霞 -专利权人：广西科技大学
申请日： 2021-08-25 - 公布日： 2022-04-22 - 主分类号： G06T7/13 文献下载
摘要：本发明旨在提供一种学习生物视觉通路的轮廓检测方法，包括以下步骤：构建深度神经网络结构，深度神经网络结构具体如下：编码网络、解码网络、前馈融合模块；其中，编码网络为VGG16与FENet相结合的网络结构；原始图像依次经过编码网络、解码网络、前馈融合模块处理，获得最终输出轮廓。
学习生物视觉通路轮廓检测方法

[发明专利]基于深层监督的循环卷积神经网络的视觉显著性检测方法-CN201610604722.7有效
发明人：邬向前;卜巍;唐有宝 -专利权人：哈尔滨工业大学
申请日： 2016-07-28 - 公布日： 2020-11-10 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于深层监督的循环卷积神经网络的显著性检测方法，其包括如下步骤：一、初级深层网络结构的设计；二、循环卷积神经网络的设计；三、深层监督的循环卷积神经网络的设计；四、模型的训练与测试。本发明提出了一种新的网络结构，在不增加模型参数的同时增加了网络结构的深度，并采用多层监督信息来对模型进行有效地训练。本发明提出的深层监督的循环卷积神经网络除了在显著性检测领域能取得很好的效果外，还可以用于所有的基于像素分类的图像处理和计算机视觉领域的应用中。
基于深层监督循环卷积神经网络视觉显著检测方法

[发明专利]文本识别网络模型的训练方法及装置、设备、存储介质-CN202111413673.6在审
发明人：周华健 -专利权人：中移(苏州)软件技术有限公司;中国移动通信集团有限公司
申请日： 2021-11-25 - 公布日： 2023-05-30 - 主分类号： G06V30/41 文献下载
摘要：本申请实施例公开了一种文本识别网络模型的训练方法及装置、设备、存储介质，包括：在所述特征提取网络的搜索空间中，随机调整所述特征提取网络的网络结构；基于训练样本训练调整后的神经网络模型直至收敛；其中，所述调整后的神经网络模型包括调整所述网络结构后的特征提取网络；对于预设搜索次数中的每一次，在所述搜索空间中随机调整所述特征提取网络的网络结构，得到子网络；在测试样本上确定所述子网络的准确性；基于所述预设搜索次数中每一次神经网络模型的准确性，确定所述文本识别网络。通过上述方法，有利于通过该文本识别网络结构实现准确且快速的文本识别。
文本识别网络模型训练方法装置设备存储介质

[发明专利]一种基于神经网络算法的槟榔检测方法-CN201910722023.6在审
发明人：刘江舟;王雪君;刘杰 -专利权人：苏州感知线智能科技有限公司
申请日： 2019-08-06 - 公布日： 2019-11-15 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于神经网络算法的槟榔检测方法，包括：训练阶段，包括获取训练图像数据集，标注训练图像数据集构建训练样本，将训练样本输入卷积神经网络，获得卷积神经网络的连接权值和偏置值，进而获得卷积神经网络训练模型；检测阶段，包括获取实际槟榔图像，作为输入进卷积神经网络训练模型，获得槟榔检测结果。本发明采用VGG卷积神经网络作为槟榔缺陷检测的分类器，由于卷积神经网络权值共享的网络结构，降低了网络结构的复杂度，减少了权值的数量，因此分类的速度快，另外，使用带有疑似缺陷样本进行训练，让卷积神经网络自动学习样本复杂的类条件密度
卷积神经网络槟榔网络结构训练模型训练图像训练样本数据集检测样本神经网络算法条件密度函数检测结果缺陷检测训练阶段疑似缺陷自动学习分类器复杂度权值和构建偏置标注图像分类共享

[发明专利]模型生成方法和装置-CN201911095878.7有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2019-11-11 - 公布日： 2023-01-17 - 主分类号： G06N3/04 文献下载
摘要：该方法包括：通过依次执行多次迭代操作生成用于执行深度学习任务的神经网络模型；迭代操作包括：基于当前的奖励反馈值，在与预设的神经网络模型的各网络结构单元分别对应的量化方法搜索空间中确定出各网络结构单元的当前量化方法，以更新预设的神经网络模型的量化策略；基于更新后的量化策略对预设的神经网络模型进行量化；获取量化后的神经网络模型的性能，并更新奖励反馈值；响应于确定奖励反馈值达到预设的收敛条件或迭代操作的次数达到预设的阈值，确定当前量化后的神经网络模型为生成的用于执行深度学习任务的神经网络模型。该方法可以减少神经网络模型占用的内存空间。
模型生成方法装置

[发明专利]异常信息的统计方法及装置-CN201811290427.4在审
发明人：吴茜 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-10-31 - 公布日： 2019-04-19 - 主分类号： G06F11/07 文献下载
摘要：所述方法包括：获取利用样本数据作为输入数据所搭建的径向基函数RBF神经网络的网络结构；其中，所述RBF神经网络的网络结构包括输入层、输出层及隐藏层；所述样本数据包括样本异常数据及所述样本异常数据的样本异常类别；根据所述样本异常数据及所述样本异常类别之间的映射关系，确定所述RBF神经网络的参数；根据所述RBF神经网络的网络结构，利用所述输入数据及所述参数确定所述RBF神经网络的输出数据；及，根据所述输出数据对各所述样本异常类别进行归类
异常数据样本网络结构异常类别输出数据样本数据异常信息径向基函数参数确定异常类型映射关系输出层输入层隐藏层智能化归类统计监控分析

[发明专利]一种基于深度学习的拷贝图像特征提取方法-CN201610485911.7有效
发明人：郝晖;刑爽;杜强;许正 -专利权人：北京小白世纪网络科技有限公司
申请日： 2016-06-28 - 公布日： 2019-04-05 - 主分类号： G06K9/46 文献下载
摘要：本发明公开了一种基于深度学习的拷贝图像特征提取方法，包括如下步骤：通过卷积神经网络构建训练图像的特征图像；对训练图像的特征图像进行特征表示；特征表示度量训练图像间的相似度；根据训练图像特征表示的相似度对卷积神经网络参数进行优化，得到目标卷积神经网络结构；利用目标卷积神经网络结构提取拷贝图像的特征表示。本发明以深度学习的卷积神经网络为基础，提高了图像特征表示的唯一性与鲁棒性，并且特征提取的效率和准确率都较高。
一种基于深度学习拷贝图像特征提取方法