“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]一种基于迁移学习神经网络的多光谱图像锐化方法-CN201810721825.0有效
发明人：贺霖;朱嘉炜;饶熠舟 -专利权人：华南理工大学
申请日： 2018-07-04 - 公布日： 2022-03-29 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于迁移学习神经网络的多光谱图像锐化方法，包括以下步骤：读取原始多光谱图像及与其配准的全色图像，对图像数据进行预处理，获取训练样本；搭建卷积神经网络结构；将训练样本输入卷积神经网络，利用自适应矩估计算法，使得损失误差下降至可接受的范围内，从而得到该网络结构参数的最优解；将经过相同预处理的完整多光谱测试样本输入至最优卷积神经网络结构中，输出处理得到高分辨率的多光谱图像；若需要锐化丢失波段的多光谱图像，需要先对训练好的网络进行微调本发明能在维持原有的锐化效果的同时，增强已训练的神经网络对丢失波段的多光谱图像锐化处理的迁移能力。
一种基于迁移学习神经网络光谱图像锐化方法

[发明专利]一种基于差分隐私聚合的图神经网络构建方法及构建系统-CN202110628333.9有效
发明人：周潘;樊厚翔;谢雨来;付才;江昊;吴静 -专利权人：华中科技大学
申请日： 2021-06-07 - 公布日： 2021-09-14 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于差分隐私聚合的图神经网络构建方法及构建系统，首先从众包平台获取图数据集G，并初始化图神经网络模型，所述图神经网络模型至少包括两层网络结构；将图数据集G输入到图神经网络模型中，在第一层网络结构中对图数据集G的每一个节点数据进行差分隐私聚合处理并输出到第二层网络结构中；将第一层网络结构的输出作为第二层网络结构的输入，进行聚合及分类预测，并利用分类预测结果与真实值计算损失函数；根据损失函数的值，进行迭代训练及模型参数更新或结束训练并输出当前的模型参数
一种基于隐私聚合神经网络构建方法系统

[发明专利]基于yolo神经网络的目标检测跟踪方法、存储介质及设备-CN202210900096.1在审
发明人：郭靖瑶;唐艳 -专利权人：湖南锐思华创科技有限公司
申请日： 2022-07-28 - 公布日： 2022-10-25 - 主分类号： G06V10/25 文献下载
摘要：本申请提供了一种基于yolo神经网络的目标检测跟踪方法、存储介质及设备，其中，基于yolo神经网络的目标检测跟踪方法包括获取样本数据集并预处理；获取yolo网络结构，利用yolo网络结构对样本数据集中至少两个不同类别的检测目标同时进行训练与检测；神经网络目标检测结果后处理；图像渲染与去畸变。与相关技术相比，本申请提供的基于yolo神经网络的目标检测跟踪方法、存储介质及设备，缩短了模型的推测时间。
基于 yolo 神经网络目标检测跟踪方法存储介质设备

[发明专利]数据保护方法、网络结构训练方法、装置、介质及设备-CN202110593862.X在审
发明人：孙建凯;高伟豪;解浚源;王崇 -专利权人：脸萌有限公司
申请日： 2021-05-28 - 公布日： 2021-07-30 - 主分类号： G06F21/60 文献下载
摘要：本公开涉及一种数据保护方法、网络结构训练方法、装置、介质及设备，该数据保护方法包括：获取联合训练模型的被动参与方的目标批次的参考样本的原始特征信息；通过目标特征处理网络结构对原始特征信息进行处理，得到原始特征信息对应的目标特征信息；其中，至少以最小化被动参与方的训练样本的原始训练特征信息与目标训练特征信息之间的耦合度为目标，对神经网络结构进行训练，以得到目标特征处理网络结构，目标训练特征信息为将原始训练特征信息作为神经网络结构的输入、得到的神经网络结构输出的与原始训练特征信息对应的特征信息。
数据保护方法网络结构训练装置介质设备

[发明专利]战斗策略生成方法及装置-CN201911344540.0在审
发明人：何纬朝 -专利权人：北京像素软件科技股份有限公司
申请日： 2019-12-23 - 公布日： 2020-05-08 - 主分类号： A63F13/67 文献下载
摘要：该方法包括：针对更新策略非玩家角色绑定近端策略优化算法并搭建近端策略优化算法的神经网络结构；计算当前策略神经网络的损失值，更新当前策略神经网络的参数，复制当前策略神经网络的参数替换目标策略神经网络的参数；根据目标策略神经网络的参数使更新策略非玩家角色与玩家角色进行对抗，并根据与玩家角色对抗产生的战斗数据对神经网络结构的神经网络参数进行更新，为更新策略非玩家角色生成新的战斗策略。
战斗策略生成方法装置

[发明专利]一种深度卷积神经网络模型构建方法-CN201710157013.3在审
发明人：邹国锋;傅桂霞;赵新宇;林钉屹;高明亮;尹丽菊;李海涛 -专利权人：山东理工大学
申请日： 2017-03-16 - 公布日： 2017-07-07 - 主分类号： G06N3/04 文献下载
摘要：一种深度卷积神经网络模型构建方法，属于模式识别与机器学习领域。其特征在于包括以下步骤，1)、卷积神经网络模型初始化；2)、对网络进行端到端的全局扩展学习，直到卷积神经网络系统平均误差达到预设期望值；3)、全局扩展后，采用交叉验证样本对网络性能进行评估，若识别率未达到期望值，则对网络展开局部扩展学习；4)、增加新的增量式端到端扩展学习支路，实现网络结构的增量扩展学习，最终实现深度卷积神经网络的模型构建。本发明可根据参与训练样本的情况按需添加神经元，实现网络结构的扩充式扩展和增量式扩展，增强了数据样本和网络模型之间的关联性，实现了网络结构自适应增量学习。
一种深度卷积神经网络模型构建方法

[发明专利]一种基于改进的稠密卷积神经网络的超分辨率重建方法-CN201810535634.5在审
发明人：褚晶辉;张佳祺;吕卫 -专利权人：天津大学
申请日： 2018-05-29 - 公布日： 2018-11-06 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于改进的稠密卷积神经网络的超分辨率重建方法：包括数据准备阶段；网络结构搭建阶段；模型训练阶段；图像重建阶段。本发明将稠密卷积神经网络结构的思想应用到单帧图像的超分辨率重建，并在DenseNet结构的基础上改进了网络结构，进一步优化了模型框架，提升了算法效果。
超分辨率重建稠密卷积神经网络网络结构神经网络结构改进单帧图像模型框架模型训练数据准备图像重建卷积算法应用优化

[发明专利]一种动物疾病预测算法-CN202010390960.9在审
发明人：阳波;唐文胜;印遇龙;李建中 -专利权人：湖南师范大学
申请日： 2020-05-11 - 公布日： 2020-08-18 - 主分类号： A61B5/0205 文献下载
摘要：所述算法由二层神经网络结构组成，子层神经网络采用卷积神经网络或循环神经网络构成，负责声音的识别，主层由循环神经网络构成，负责根据体征参数，如心率、血氧、体温及子层声音识别结果进行疾病的预测。本发明将声音与常规体征数据分开处理，在保持数据处理细节的同时，降低了数据处理的数据量，降低了两种网络结构数据训练的难度，为心率、血氧、体温、声音预测动物疾病提供一种技术手段。
一种动物疾病预测算法

[发明专利]一种改进卷积神经网络结构的方法-CN201710126994.5有效
发明人：徐富新;岳凯宇;刘雁群 -专利权人：中南大学
申请日： 2017-03-06 - 公布日： 2017-07-18 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及深度学习领域，特别涉及了一种改进卷积神经网络结构的方法。步骤a：利用分数阶最大值池化(Fractional Max Pooling)原理，将传统卷积神经网络结构中的最大值池化层全部更改为分数阶，达到图像任意维度的下采样降维；步骤b：在保证网络结构浅的前提下，通过不断加宽网络结构，结合分数阶最大值池化层，使得网络性能得到提升。本发明利用分数阶最大值池化原理，保证层数在浅的程度，不断加宽网络，从而避免深型网络在训练过程中出现的梯度消失(Gradient Vanish)与权重失效的现象导致卷积神经网络难以训练的问题，使得其性能与深型卷积网络结构相当甚至更好，网络参数更少，本发明具有明显的性能优势。
一种改进卷积神经网络结构方法

[发明专利]融入像素级attention机制的深度神经网络目标检测方法-CN201910498118.4在审
发明人：宋雅麟;庞彦伟 -专利权人：天津大学
申请日： 2019-06-10 - 公布日： 2019-10-01 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种融入像素级attention机制的深度神经网络目标检测方法，包括下列步骤：收集训练样本图像；将收集到的图像数据集中的数据通过预处理转为训练深度卷积神经网络所要求的格式，并进行数据增强以提升神经网络的训练效果；设计融入像素级attention机制的深度卷积神经网络结构，该网络结构用于接收输入图像并对图像中的物体输出边界框回归信息和类别信息：网络结构包括两部分，一部分是用来初步提取特征的基础网络；另一部分为在基础网络末端添加的多个级联的卷积层或下采样层
像素级神经网络卷积基础网络目标检测网络结构融入预处理接收输入图像卷积神经网络神经网络结构训练样本图像多尺度特征机制融合类别信息输出边界数据通过数据增强提取特征图像数据训练效果特征图下采样级联尺度图像回归

[发明专利]基于算法集成平台的模型处理方法、装置和计算机设备-CN202010915750.7在审
发明人：韩演 -专利权人：顺丰科技有限公司
申请日： 2020-09-03 - 公布日： 2022-03-04 - 主分类号： G06N3/08 文献下载
摘要：所述方法包括：获取目标算法的配置文件；从算法集成平台中调用训练脚本对所述配置文件进行解析，得到解析结果；所述解析结果包括网络结构数据和训练超参数数据；基于所述算法集成平台，根据所述网络结构数据和训练超参数数据生成待训练的神经网络模型；根据获取的样本数据集对所述神经网络模型进行训练，得到训练好的目标神经网络模型。采用本方法能够提高神经神经网络模型的训练效率。
基于算法集成平台模型处理方法装置计算机设备

[发明专利]基于ADS的知识神经网络微带滤波器设计方法-CN201610222264.0有效
发明人：田雨波;陈艺 -专利权人：江苏科技大学
申请日： 2016-04-11 - 公布日： 2018-07-06 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种基于ADS的知识神经网络微带滤波器设计方法，该方法在已有的知识神经网络的基础上，提出了一种将ADS作为先验知识的方法，以克服现有神经网络结构复杂和先验知识获取困难的问题。本发明采用将神经网络与仿真软件结合的方法，将ADS和HFSS仿真结果分别作为先验知识和教师信号并采用粒子群算法对神经网络进行训练，构建了相应的神经网络模型，有效地降低了神经网络结构的复杂度。利用该设计的网络对高低阻抗低通滤波器和微带发卡带通滤波器进行优化设计，所设计出来的滤波器满足设计指标，不仅避免大量繁杂公式的推导还简化了神经网络的结构，减少了隐层和隐层神经元的数目，有效地降低了成本。
神经网络先验知识神经网络结构微带滤波器有效地隐层滤波器神经元神经网络模型带通滤波器低通滤波器粒子群算法仿真结果仿真软件教师信号优化设计复杂度构建推导微带阻抗发卡网络

[发明专利]一种基于全卷积神经网络的大地电磁反演方法-CN202110455258.0有效
发明人：王中兴;康利利;安志国;王若;尹雄 -专利权人：中国科学院地质与地球物理研究所
申请日： 2021-04-26 - 公布日： 2022-04-15 - 主分类号： G06F30/27 文献下载
摘要：一种基于全卷积神经网络的大地电磁反演方法，包括：构建多维度地电模型，正演计算对应维度的视电阻率，组成样本集并将样本集划分为多个训练集和测试集；构建全卷积神经网络结构模型，得到初始化全卷积神经网络模型参数；基于训练集和测试集对模型进行训练和测试，得到优化的全卷积神经网络结构模型参数；根据训练集和测试集对应的拟合误差变化决定全卷积神经网络结构模型的训练是否完成；最后将实际测量的视电阻率输入训练完成的模型中反演利用全卷积神经网络的非线性特征，解决常规线性反演中的局部极值问题，有效减少运算内存与时间损耗，提高拟合精度。
一种基于卷积神经网络大地电磁反演方法

[发明专利]基于DS结构的CNN模型压缩方法、装置及存储介质-CN202010061142.4在审
发明人：朱锦祥;单以磊;臧磊 -专利权人：平安科技（深圳）有限公司
申请日： 2020-01-19 - 公布日： 2020-06-05 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及神经网络技术领域，提出一种基于DS结构的CNN模型压缩方法、装置及存储介质，其中的方法包括：S110、通过普通卷积和批标准化BN运算，将DW卷积和SE Module形成DS卷积块；其中，DS卷积块包括：卷积Conv_1、批标准化BN、激活函数、DW卷积、批标准化BN、激活函数、SE Module、卷积Conv_2和批标准化BN；S120、将DS卷积块有序堆叠形成神经网络结构；S130、在神经网络结构上加入输入层、池化层、全连接层及分类层，形成神经网络模型。本发明通过在神经网络中应用DS卷积块结构，在保证图片特征提取能力的同时，大大减少了神经网络的参数数量。
基于 ds 结构 cnn 模型压缩方法装置存储介质

[发明专利]一种基于卷积神经网络识别金属材料的方法及系统-CN202211213522.0在审
发明人：贺西平;刘昱;解邦鑫 -专利权人：陕西师范大学
申请日： 2022-09-30 - 公布日： 2023-01-10 - 主分类号： G01N29/04 文献下载
摘要：本发明一种基于卷积神经网络识别金属材料的方法及系统，属于无损检测技术领域，其方法包括：1)分别采集标准金属试样的时域信号和待识别金属试样的时域信号；2)将标准金属试样的时域信号和待识别金属试样的时域信号分别进行短时傅里叶变换处理，将时域信号转换为时频谱图；3)构建卷积神经网络结构；4)将缩放后标准金属试样的时频谱图输入卷积神经网络结构中进行训练，对网络参数进行更新，生成二分类卷积神经网络结构；5)将缩放后待识别金属试样的时频谱图输入训练好的卷积神经网络中
一种基于卷积神经网络识别金属材料方法系统