“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]一种神经网络模型网络推理的优化方法-CN202110453868.7有效
发明人：邢园园;肖偌舟 -专利权人：青岛本原微电子有限公司
申请日： 2021-04-26 - 公布日： 2022-08-09 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络模型网络推理的优化方法，包括：基于网络的输入数据确定预处理函数类型及参数；解析神经网络模型的网络结构，得到第一层网络节点的网络类型及参数；将预处理函数与神经网络模型中的第一层网络节点融合为新的网络节点本发明在确定输入数据的预处理函数、神经网络模型的第一层网络节点数据后，将预处理函数优化到神经网络模型的第一层网络节点中，改变原有第一层网络节点的参数，从而将预处理函数融合到神经网络模型中，在不增加申请网络模型计算量的前提下，将神经网络输入数据预处理从通用处理器移植到人工智能处理器上完成，保证推理质量的前提下，优化了神经网络模型的网络推理效率。
一种神经网络模型网络推理优化方法

[发明专利]基于融合式神经网络的多磁性材料参数反演方法及系统-CN202111173625.4在审
发明人：文无敌;张广豫;欧阳君;杨晓非;陈俊;李毅;胡家文 -专利权人：中国人民解放军海军工程大学
申请日： 2021-10-08 - 公布日： 2022-01-04 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及基于融合式神经网络的多磁性材料参数反演方法及系统，其方法包括：获取待反演多磁性材料在静态无电流背景场下的多维磁场分量；将所述多维磁场分量输入到训练完成的卷积神经网络中，得到所述多维磁场分量的多个类别标签；将每个类别标签和多维磁场分量分别输入到训练完成的多个深层BP神经网络中，得到待反演多磁性材料的磁导率预测值。本发明通过融合卷积神经网络和多个深层BP神经网络，在减少神经网络参数量的同时，快速、高效的预测多磁性材料参数。
基于融合神经网络磁性材料参数反演方法系统

[发明专利]融合置信度策略的多元传感器信息时序变化点检测方法-CN202211385994.4在审
发明人：王禹博;徐小龙 -专利权人：南京邮电大学
申请日： 2022-11-07 - 公布日： 2023-02-03 - 主分类号： G06F18/25 文献下载
摘要：本发明公开了一种融合置信度策略的多元传感器信息时序变化点检测方法，包括：获取待检测的多元传感器时序信息；对多元传感器时序信息进行格式预处理得到三组样本向量：时序多元样本向量、差分多元样本向量和频域多元样本向量；将样本向量输入到预训练好的神经网络模型中，得到模型输出的预测结果；神经网络模型包括时序子神经网络模型、差分子神经网络模型、频域子神经网络模型和融合子神经网络模型；根据检测结果，确定多元传感器时序信息对应时间的设备状态是否发生变化
融合置信策略多元传感器信息时序变化检测方法

[发明专利]基于脑电时空频特征和眼动特征的多模态情绪分类方法-CN202210633218.5在审
发明人：张玉梅;廖胜利;李丽娜;吴晓军;朱昀 -专利权人：陕西师范大学
申请日： 2022-06-06 - 公布日： 2022-09-23 - 主分类号： G06K9/62 文献下载
摘要：一种基于脑电时空频特征和眼动特征的多模态情绪分类方法，由获取脑电信号和眼动特征数据集、脑电信号数据集预处理、选取数据样本、增强脑电数据、脑电数据标准化、划分训练集和测试集以及验证集、构建三维卷积神经网络和深度神经网络、训练三维卷积神经网络和深度神经网络、多模态决策融合、测试网络性能步骤组成。本发明采用多模态方法从决策级融合层次将脑电信号和眼动信息两种模态进行融合，进行情绪分类；针对脑电信号数据集训练了三维卷积神经网络，针对眼动特征数据训练了深度卷积神经网络，将脑电信号在时间域、空间域和频率域特征三种特征进行融合
基于时空特征多模态情绪分类方法

[发明专利]模型训练方法、装置、计算机设备和存储介质-CN202011161452.X在审
发明人：陈志远 -专利权人：上海眼控科技股份有限公司
申请日： 2020-10-27 - 公布日： 2021-02-05 - 主分类号： G06N3/04 文献下载
摘要：该方法包括：获取初始神经网络以及预设的多个卷积核旋转角度；分别按照多个卷积核旋转角度，对初始神经网络的卷积核进行旋转，得到与多个卷积核旋转角度一一对应的多个旋转神经网络；基于训练样本集合分别对各旋转神经网络进行网络训练，得到训练好的多个目标模型，其中，在训练过程中，将各旋转神经网络对应的损失值进行融合处理，得到融合损失值，并利用融合损失值对各旋转神经网络中的参数进行调整。本申请通过多个旋转神经网络模型对同一个训练样本集合进行学习，对训练样本集合的学习程度更加精细，这样从训练样本集合中学习到的特征就更多，因此可以提高目标模型的鲁棒性。
模型训练方法装置计算机设备存储介质

[发明专利]基于遗传算法和BP神经网络的人体健康指标的预测算法-CN201910388960.2在审
发明人：谭博文;邹立志;周泓基;姚鑫;胡东升;罗瑞;刘楠;汪媛媛;张哲 -专利权人：重庆邮电大学
申请日： 2019-05-10 - 公布日： 2019-08-06 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种基于遗传算法和BP神经网络的人体健康指标的预测算法，包括如下步骤(1)采集体征数据并进行遗传编码形成初始化种群，并将初始化种群依次进行计算个体适应度、选择算子、交叉算子和变异算子；(2)设置融合层的最大遗传代数i为100，并将个体适应度、选择算子、交叉算子和变异算子分别计算后的种群均输入至融合层；(3)将融合层满足迭代要求的种群输入BP神经网络，经过BP神经网络的训练和学习实现对人体健康指标的预测本发明通过遗传算对采集的初始数据进行处理，可实现数据的最优解，再输入至BP神经网络，使得输入BP神经网络数据更正则化，提高了BP神经网络中权值的精度、训练效率、网络性能和网络的逼近能力。
人体健康种群融合层个体适应度变异算子交叉算子遗传算法预测算法初始化算子采集初始数据数据更正网络性能训练效率遗传编码遗传代数最优解迭代体征逼近遗传预测网络学习

[发明专利]一种判别辅助和多模态加权融合的显著物体检测方法-CN202110805562.3在审
发明人：周武杰;朱赟;强芳芳;许彩娥 -专利权人：浙江科技学院
申请日： 2021-07-16 - 公布日： 2021-09-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种判别辅助和多模态加权融合的显著物体检测方法。在训练阶段，构建生成器部分卷积神经网络以及判别器部分卷积神经网络，生成器部分卷积神经网络的隐层包括彩色显著图获取流和热红外显著图获取流；判别器部分卷积神经网络包括四个共享参数、相同结构的卷积神经网络，隐层包括真实/彩色/热红外/融合判别卷积模块、真实/彩色/热红外/融合判别全连接；使用原始图像输入到卷积神经网络中进行训练；在测试阶段，将待检测图像输入到生成器部分中，得到预测显著性检测图像。本发明提高了网络的网络对光线变化的不敏感程度，在黑夜条件下也能检测出显著物体，并且进一步优化了预测图的轮廓信息。
一种判别辅助多模态加权融合显著物体检测方法

[发明专利]一种基于卷积神经网络与特征描述算子相融合的大米分类方法-CN202110663578.5在审
发明人：周梦秋;胡浩基;焦书迪;王思宇;阳雷;龙永文 -专利权人：浙江大学;佛山市顺德区美的电热电器制造有限公司
申请日： 2021-06-16 - 公布日： 2021-10-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卷积神经网络与特征描述算子相融合的大米分类方法，首先构建大米数据集构建；然后通过卷积神经网络进行大米图像全局特征提取；并采用HOG特征描述算子来提取大米图像的局部特征；将卷积神经网络所提取的大米图像全局特征与基于HOG特征描述算子所提取的大米图像局部特征通过全连接层进行融合；将融合后的大米图像特征输送至训练好的分类神经网络，利用Softmax函数实现其大米种类的分类。本发明从实际工程项目需求出发，面向大米分类任务，提供了一种基于卷积神经网络与传统特征描述算子相融合的大米分类方法，从而获得更好的大米图像分类效果。
一种基于卷积神经网络特征描述算子融合大米分类方法

[发明专利]一种模型的部署方法及装置-CN202310537759.2在审
发明人：陆璞;李文硕;宁雪妃;孙寒泊;陈醒濠;汪玉;王云鹤 -专利权人：华为技术有限公司;清华大学
申请日： 2023-05-12 - 公布日： 2023-09-05 - 主分类号： G06N3/0464 文献下载
摘要：本申请提供一种模型的部署方法，包括获取待部署的神经网络模型，该神经网络模型包括多个融合层，该融合层依次包括批正则化层、激活层和卷积层；将神经网络模型部署到存在读和/或写错误的计算设备上；将训练样本作为神经网络模型的输入本申请通过将融合层的融合顺序修改为批正则化层、激活层和卷积层，将卷积层和批正则化层进行解耦，可实现利用上一层卷积层的输出校准当前层批正则化层的均值和方差，大幅度消除计算设备的读写错误对其上部署的神经网络模型的推理结果的影响
一种模型部署方法装置

[发明专利]基于图注意力机制的多光谱与全色图像融合方法及系统-CN202110347974.7有效
发明人：刁文秀;张凯;张风;孙建德;盛志;李卓林;王安飞 -专利权人：山东师范大学
申请日： 2021-03-31 - 公布日： 2022-08-02 - 主分类号： G06T5/50 文献下载
摘要：本发明属于图像处理技术中遥感图像融合领域，提供了一种基于图注意力机制的多光谱与全色图像融合方法及系统，该方法包括：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；将多光谱图像特征图和全色图像特征图输入深度神经网络模型；采用训练样本集和Adam随机梯度下降算法对深度神经网络模型进行训练，基于损失函数优化深度神经网络模型，得到训练好的深度神经网络模型；将待融合的低分辨率的多光谱图像和高空间分辨率的全色图像输入训练好的深度神经网络模型，输出融合后的高空间分辨率的多光谱图像。
基于注意力机制光谱全色图像融合方法系统

[发明专利]基于神经网络的多传感器姿态数据融合方法及系统-CN201811264585.2有效
发明人：孙锋;原杰;郑玲玲;唐国峰;陈祖斌 -专利权人：吉林大学
申请日： 2018-10-29 - 公布日： 2020-10-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于神经网络的多传感器姿态数据融合方法及系统。该方法包括：通过多个传感器产生原始姿态数据；将原始姿态数据作为卷积神经网络输入，经过卷积层、池化层、全连接层和第一激活函数后输出的姿态数据作为卷积神经网络输出进行输出；将卷积神经网络输出作为人工神经网络输入，根据预设的通用核结构对人工神经网络任一隐含层对应的预设节点的输入不通过第二激活函数输出,以及对任一隐含层对应的剩余节点的输入通过第二激活函数输出，将最末端隐含层的神经元节点输出的姿态角度数据作为人工神经网络输出进行输出本发明的融合方法，通过将卷积神经网络和优化的人工神经网络有效结合，提高了姿态角度数据的测量精度。
基于神经网络传感器姿态数据融合方法系统

[发明专利]一种基于图神经网络的分层融合式预测方法-CN202211061521.9在审
发明人：朱文俊;刘洋宏;易阳;张梦怡 -专利权人：南京工业大学
申请日： 2022-08-31 - 公布日： 2022-12-09 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于图神经网络的分层融合式预测模型，包括：上层图神经网络：用于学习多个行人之间的空间交互；中层图神经网络：用于学习行人自身的终点意图；下层图神经网络：将上层图神经网络获得的行人之间的空间交互、中层图神经网络获得的行人自身的终点意图和行人的历史轨迹相结合，通过时间卷积网络TCN预测未来轨迹。本发明还公开了一种基于图神经网络的分层融合式预测方法。
一种基于神经网络分层融合预测方法

[发明专利]基于多尺度融合的全卷积神经网络耕地提取方法及系统-CN202111255638.6在审
发明人：朱瑞飞;李竺强;马经宇;王春月;徐猛 -专利权人：长光卫星技术有限公司
申请日： 2021-10-27 - 公布日： 2022-01-21 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于多尺度融合的全卷积神经网络耕地提取方法及系统，其中，该方法包括：基于非监督多尺度分割方式对高分辨率遥感影像进行无监督分割，对得到的多个矢量单元进行图像处理，得到训练样本数据集；构建多尺度融合的全卷积神经网络，利用训练样本数据集对多尺度融合的全卷积神经网络进行训练，其中，多尺度融合的全卷积神经网络中采用并行连接的四个尺度的特征网络结构，特征输出层加入邻域特征融合模块；将待提取耕地影像输入训练好的多尺度融合的全卷积神经网络中进行预测
基于尺度融合卷积神经网络耕地提取方法系统

[发明专利]一种基于视觉文本融合的前房角图像分级方法-CN202211138484.7在审
发明人：贾西平;黄静琪;关立南;聂栋;崔怀林;廖秀秀;林智勇;马震远;刘海珠;张倩 -专利权人：广东技术师范大学
申请日： 2022-09-19 - 公布日： 2022-12-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开一种基于视觉文本融合的前房角图像分级方法，包括以下步骤：S1：构建前房角图像数据集；S2：对所述前房角图像数据集中的图像进行预处理；S3：构建基于视觉本文融合的深度神经网络模型并初始化；S4：初始化损失函数和优化器；S5：利用步骤S2中预处理后的前房角图像数据集对步骤S3的基于视觉本文融合的深度神经网络模型进行训练，并计算损失函数；S6：使用优化器更新基于视觉本文融合的深度神经网络模型的网络参数，得到最优的基于视觉本文融合的深度神经网络模型；S7：利用最优的基于视觉本文融合的深度神经网络模型对前房角图像进行分级。
一种基于视觉文本融合前房图像分级方法

[发明专利]一种循环裁剪分割与多模型融合的视盘分割方法及装置-CN202211731070.5在审
发明人：徐勇;孙赢利 -专利权人：哈尔滨工业大学（深圳）
申请日： 2022-12-30 - 公布日： 2023-04-07 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种循环裁剪分割与多模型融合的视网膜视盘分割方法及装置。该方法包括：收集视盘分割数据集；挑选适合视盘分割的深度学习神经网络；循环先裁减后分割视盘；综合分析各个神经网络模型的优点，进行模型融合。本发明使用多种不同的神经网络模型，多种模型融合方案，在多个视盘分割数据集上进行训练，测评各个模型及模型融合的分割效果。实验结果表明，与任何单个子网络模型相比，模型融合方案取得更好的分割效果。
一种循环裁剪分割模型融合视盘方法装置

首页
«上一页
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