“神经网络融合”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1077193个，建议您升级VIP下载更多相关专利

[发明专利]神经网络优化方法、装置、电子设备及可读存储介质-CN202110204808.1在审
发明人：张凯;谭文明;李哲暘;张如意 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2021-02-23 - 公布日： 2021-06-01 - 主分类号： G06N3/04 文献下载
摘要：本申请提供一种神经网络优化方法、装置、电子设备及可读存储介质，该神经网络优化方法包括：对待优化神经网络进行子网划分，并依据预设融合规则以及融合目标分别对各子网进行网络层layer融合，得到各子网的最优融合结果；依据各子网的最优融合结果、所述预设融合规则以及融合目标，对所述待优化神经网络进行layer融合，得到所述待优化神经网络的最优融合结果。该方法可以在保证得到满足预设融合规则以及融合目标的情况下的最优融合结果的情况下，提高确定待优化神经网络的最优融合结果的效率。
神经网络优化方法装置电子设备可读存储介质

[发明专利]一种拆分学习神经网络的动态构建方法、装置及存储介质-CN202211426351.X在审
发明人：唐小川;周馨;胡强;王宇;涂子涵;胡艳梅;樊超 -专利权人：成都理工大学
申请日： 2022-11-14 - 公布日： 2023-05-30 - 主分类号： G06N3/098 文献下载
摘要：本发明提供了一种拆分学习神经网络的动态构建方法、装置及存储介质，服务器端将多个客户端分组，根据分组动态生成一个全局融合神经网络，客户端向服务器发送携带各个客户端输入的元数据和状态标记信息的请求，服务器端根据所述元数据为对应的客户端动态生成子神经网络和客户端特征融合神经网络，并将所述子神经网络发送给对应的客户端，根据每个组内客户端的数量和请求中的状态标记信息为每个组动态生成对应的组特征融合神经网络，使得所述子神经网络、所述客户端特征融合神经网络、所述组特征融合神经网络和所述全局融合神经网络共同构成拆分神经网络实现子神经网络的计算时间控制，可动态扩展客户端；鲁棒性更强，实现预测目标的精准预测。
一种拆分学习神经网络动态构建方法装置存储介质

[发明专利]基于神经网络融合技术的钻井井漏类型诊断方法-CN201410268625.6有效
发明人：李建;刘丽艳;李嘉迪;王兵;肖斌;蔡汶君;梁大川 -专利权人：西南石油大学
申请日： 2014-06-16 - 公布日： 2017-05-31 - 主分类号： E21B47/10 文献下载
摘要：本发明公开了一种基于神经网络融合技术的钻井井漏类型诊断方法，它包括以下步骤S1确定融合神经网络结构、建立井漏类型诊断参数空间；S11选择融合神经网络结构；S12网络训练；S13检验网络；建立井漏类型诊断参数空间；S2数据预处理；S3将归一化处理后的数据分别输入各个神经网络；S4运用多种神经网络融合算法将各个神经网络的输出值进行数据融合，得出最终井漏类型诊断结果。本发明采用多种神经网络处理数据，使用数据融合算法处理多个神经网络输出结果，性能高效，结果可靠性强。
基于神经网络融合技术钻井类型诊断方法

[发明专利]基于两阶段学习策略的图像融合方法及装置-CN202310848538.7在审
发明人：吴衡;陈炳鑫;罗劭娟;陈梅云 -专利权人：广东工业大学
申请日： 2023-07-11 - 公布日： 2023-10-20 - 主分类号： G06T5/50 文献下载
摘要：本发明的目的在于提供一种基于两阶段学习策略的图像融合方法及装置，包括：将可见光图像融合分为纹理学习阶段和显著学习阶段；设立两个相同结构的融合神经网络，分别作为纹理学习阶段的融合神经网络和显著学习阶段的融合神经网络；利用纹理学习阶段的融合神经网络得到纹理特征图，且通过显著学习阶段的融合神经网络得到融合图；显著学习阶段的融合神经网络以学习纹理学习阶段提取纹理特征的能力和提高融合图像显著特征表达能力为目的，优化显著学习阶段的融合神经网络的参数；本发明所述的方法增强了红外与可见光图像融合的纹理细节特征，提高了融合图像的显著特征表达能力，提高了特征信息融合性的融合性。
基于阶段学习策略图像融合方法装置

[发明专利]一种基于纵向联邦学习的协同训练方法、装置及存储介质-CN202211426334.6在审
发明人：唐小川;王宇;周馨;胡强;李冬芬;周让 -专利权人：成都理工大学
申请日： 2022-11-14 - 公布日： 2023-03-07 - 主分类号： G06N20/20 文献下载
摘要：本发明提供了基于纵向联邦学习的协同训练方法、装置及存储介质，拆分神经网络包括位于每个客户端的子神经网络及位于服务器端的多个客户端特征融合神经网络及特征融合网络；通过客户端特征融合神经网络的输出结果和预测数据复用标签Y确定第一损失函数；基于第一损失函数调整好子神经网络及客户端特征融合神经网络后输出第一中间特征，特征融合网络基于多个第一中间特征确定特征融合神经网络的输出结果；基于特征融合神经网络的输出结果和预测数据复用标签Y确定第二损失函数；基于第二损失函数对拆分神经网络进行调整。实现了网络快速收敛；不必等待客户端数据同步；可动态扩展或删除客户端；鲁棒性更强，实现预测目标的精准预测。
一种基于纵向联邦学习协同训练方法装置存储介质

[发明专利]多物理量特征融合卷积神经网络的裂纹尺寸精准量化方法-CN202310741330.5有效
发明人：王汉;李伟;袁新安;张西赫;田正磊;王运才;王志仁;朱挺;韩东辰;兴雷 -专利权人：中国石油大学（华东）
申请日： 2023-06-21 - 公布日： 2023-08-18 - 主分类号： G06N3/0464 文献下载
摘要：本发明属于电磁无损检测技术领域，尤其涉及一种多物理量特征融合卷积神经网络的裂纹尺寸精准量化方法。该裂纹尺寸精准量化方法通过多物理量特征融合卷积神经网络，实现了对裂纹长度、深度的精确量化，同时以较少的计算量和较小的网络规模对裂纹的角度进行了精确量化，为在役结构物裂纹扩展监测提供了技术支撑。一种多物理量特征融合卷积神经网络的裂纹尺寸精准量化方法，具体包括有如下步骤：建立裂纹监测数据库；设计卷积神经网络结构；设计多物理量特征融合损失函数；选择多物理量特征融合卷积神经网络优化算法；训练多物理量特征融合卷积神经网络；以及，评估多物理量特征融合卷积神经网络；部署应用多物理量特征融合卷积神经网络。
物理量特征融合卷积神经网络裂纹尺寸精准量化方法

[发明专利]基于分布式存储的联邦学习模型训练异常检测方法及系统-CN202210413821.2在审
发明人：何静 -专利权人：何静
申请日： 2022-04-14 - 公布日： 2022-08-19 - 主分类号： H04L41/142 文献下载
摘要：该方法包括：通过联邦学习获取融合前后深度神经网络，以融合前后的深度神经网络中特征向量的相对位置差异获取融合后深度神经网络中每个特征向量的稳定程度，根据稳定程度获取融合后深度神经网络中每个特征向量的趋准性向量，以该趋准性向量获取融合后深度神经网络的准确程度，根据准确程度检测融合后的深度神经网络异常情况，若存在异常，则获取具体的异常端，并获取正确的第二深度神经网络。本发明实现了通过融合前后深度神经网络中特征向量的位置差异和趋准性，获取融合后的准确程度，提高了异常检测的准确率，确保模型训练的准确性。
基于分布式存储联邦学习模型训练异常检测方法系统

[发明专利]神经网络训练方法、图像检索方法及装置-CN202111555642.4在审
发明人：闫龙川;陈智雨;何永远;郭永和;彭元龙;张朝霞;牛佳宁 -专利权人：国家电网有限公司信息通信分公司
申请日： 2021-12-17 - 公布日： 2022-03-22 - 主分类号： G06V10/80 文献下载
摘要：本申请提供了一种神经网络训练方法、图像检索方法及装置，该训练方法通过预先设定的损失函数对第一浅层卷积神经网络、第一深层卷积神经网络、第二浅层卷积神经网络和第二深层卷积神经网络进行训练，使第一浅层卷积神经网络、第一深层卷积神经网络、第二浅层卷积神经网络和第二深层卷积神经网络学习到能提取与图像相似性相关的特征，在此基础上，使用浅层卷积神经网络和深层卷积神经网络提取不同类型的特征，并对特征进行融合，使融合后的特征能表征更加丰富的图像信息，使得利用融合后的特征检索图像，可以提高图像检索的精度。
神经网络训练方法图像检索装置

[发明专利]文本翻译方法、装置、可读存储介质和计算机设备-CN202010164964.5有效
发明人：涂兆鹏;窦子轶;王星;史树明;张潼 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-09-04 - 公布日： 2022-07-29 - 主分类号： G06F40/58 文献下载
摘要：本申请涉及一种文本翻译方法，包括：获取源文本的词序列；通过机器翻译模型中编码器的多层神经网络，逐层对词序列进行编码，得到融合了各层神经网络的输出的源端融合向量序列；编码器的各层神经网络采用自注意力机制处理方式处理各层神经网络的输入，从而得到各层神经网络的输出，当前层神经网络的输入由前序层神经网络的输出确定；通过机器翻译模型中解码器的多层神经网络，根据机器翻译模型前次输出的目标词，逐层对源端融合向量序列进行解码，得到当次的融合了各层神经网络的输出的目标端融合向量序列；根据当次的目标端融合向量序列，确定当次输出的目标词；根据输出的各目标词生成目标文本。
文本翻译方法装置可读存储介质计算机设备

[发明专利]神经网络的处理方法和装置-CN202010601501.0在审
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： 2020-06-29 - 公布日： 2020-10-13 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了神经网络的处理方法和装置，涉及人工智能、云计算、深度学习技术领域，可用于图像处理。具体实施方式包括：获取预先训练的多个候选神经网络以及多个候选神经网络中各个候选神经网络的标识；确定搜索空间，其中，搜索空间用于从各个标识中选取进行特征融合的至少两个候选神经网络的标识并确定特征融合方式；获取搜索空间的搜索参数的参数值；采用参数值，在搜索空间中搜索至少两个候选神经网络的标识；将搜索到至少两个候选神经网络的标识的轮次所对应的参数值中，与特征融合关联的参数值作为特征融合方式。本申请可以通过在搜索空间中搜索的方式，提升神经网络的融合效果，并通过获取搜索参数的参数值，可以提高融合速度。
神经网络处理方法装置

[发明专利]一种模型计算方法、装置及设备-CN202211669086.8在审
发明人：张海俊;姚文军;汪锦想;魏岩;凌震华 -专利权人：中国科学技术大学
申请日： 2022-12-23 - 公布日： 2023-04-14 - 主分类号： G06N3/063 文献下载
摘要：本申请公开了一种模型计算方法、装置及设备，能够应用于神经网络模型的加速计算，将神经网络模型的计算图进行节点拆分，获取单一节点；识别单一节点并确认可融合节点；将多个可融合节点融合生成融合节点；将融合节点替代多个可融合节点，并通过融合节点实现神经网络模型的计算。采用本申请提供的技术方案，能够大大提高神经网络模型的计算速度，并大量提高CPU效能，实现神经网络模型的高效计算。
一种模型计算方法装置设备

[发明专利]一种遥感图像的融合方法、系统及相关组件-CN201810896255.9在审
发明人：程良伦;刘思远;赵艮平 -专利权人：广东工业大学
申请日： 2018-08-08 - 公布日： 2018-12-07 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种遥感图像的融合方法，所述融合方法包括对训练样本进行预处理得到训练数据集；将训练数据集输入至特征提取神经网络得到全色特征信息和多光谱特征信息；利用所有全色特征信息和所有多光谱特征信息训练特征融合神经网络得到融合特征和编码特征图；将融合特征和编码特征图输入图像重构神经网络，并利用图像重构神经网络的反卷积层进行重建操作得到高分辨率多光谱图像，以便训练图像重构神经网络；构建深度神经网络模型，并利用深度神经网络模型进行遥感图像融合操作本方法能够提高融合全色图像和多光谱图像的质量。本申请还公开了一种遥感图像的融合系统、一种计算机可读存储介质及一种电子设备，具有以上有益效果。
神经网络融合特征信息遥感图像神经网络模型多光谱图像训练数据集编码特征多光谱全色重构计算机可读存储介质预处理遥感图像融合电子设备高分辨率全色图像融合系统输入图像特征提取图像重构相关组件训练特征训练图像训练样本反卷积构建申请重建

[发明专利]神经网络模型算法编译方法、装置及相关产品-CN201811459215.4有效
发明人：不公告发明人 -专利权人：安徽寒武纪信息科技有限公司
申请日： 2018-11-30 - 公布日： 2020-12-01 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及神经网络模型算法编译方法、装置及相关产品，所述方法包括：将神经网络模型算法的计算图中至少两个连续的神经网络加速器节点进行融合，得到第一融合点，将至少两个连续的中央处理器节点进行融合得到第二融合点，所述计算图包括多个节点，所述节点包括神经网络加速器节点和中央处理器节点；将除所述第一融合点和所述第二融合点外的节点、所述第一融合点和所述第二融合点分别进行编译，得到所述计算图的中间表达；根据所述计算图的中间表达得到所述神经网络模型算法的可执行文件本公开实施例可以节省系统资源，缩短神经网络模型的运算时间，提高神经网络模型的计算效率。
神经网络模型算法编译方法装置相关产品

[发明专利]一种基于捕猎算法优化径向基神经网络的多源车速融合方法-CN202210360715.2在审
发明人：李潇;李朝阳;张毅;汪涛;陈伟康 -专利权人：上海交通大学
申请日： 2022-04-07 - 公布日： 2022-07-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于捕猎算法优化径向基神经网络的多源车速融合方法，其包括：通过三种地点车速采集方式获取目标路段某断面的地点车速，将地点车速分为融合组以及对照组；采用K‑means聚类对融合组进行聚类，并通过elbow method确定最佳聚类中心数K；将最佳聚类中心数K作为径向基神经网络的神经元个数；根据神经元个数，采用高斯函数作为核函数构建径向基神经网络；以融合组作为径向基神经网络的输入，将神经网络的输出与相应的对照组进行对比，以对比结果作为适应度函数；(S5)采用捕猎算法，适应度函数对径向基神经网络的参数进行优化以得到径向基神经网络的各参数，并利用该径向基神经网络进行多源车速融合。本发明的方法可以地点车速进行准确高效地融合。
一种基于捕猎算法优化径向神经网络车速融合方法

[发明专利]一种基于多模态融合神经网络的用户流失概率计算方法-CN202310410561.8有效
发明人：李云;夏国恩;王粟 -专利权人：广西财经学院
申请日： 2023-04-17 - 公布日： 2023-10-20 - 主分类号： G06Q30/0202 文献下载
摘要：本发明提供了一种基于多模态融合神经网络的用户流失概率计算方法，涉及深度学习领域，该用户流失概率计算方法包括构造多模态融合神经网络的初始化模型、训练所述多模态融合神经网络和基于所述多模态融合神经网络计算平台目标用户的流失概率三个实施步骤，通过新构建的多模态融合神经网络及特殊设计的训练方法取得更好的客户流失概率预测效果，具有良好的实用性。
一种基于多模态融合神经网络用户流失概率计算方法

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