“稀疏层”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2509274个，建议您升级VIP下载更多相关专利

[发明专利]一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质-CN202211307564.0在审
发明人：刘乃豪;雷友波;杨阳;王家乐;王静宇;王治国;高静怀 -专利权人：西安交通大学
申请日： 2022-10-25 - 公布日： 2023-02-03 - 主分类号： G06F18/00 文献下载
摘要：本发明公开一种基于自监督生成对抗学习和重构物理约束的稀疏时频分析方法、设备及可读存储介质。其中方法包括利用深度学习框架构建基于自监督生成对抗网络的稀疏时频分析网络，稀疏时频分析网络包括生成器、监管器和重构模块；计算合成地震数据的稀疏时频谱，构建监管器的数据集；选取部分实际地震数据与合成地震数据合并，作为生成器的数据集；分别设计生成器损失函数和监管器损失函数；训练基于自监督生成对抗网络的稀疏时频分析网络模型；将完成训练的基于自监督生成对抗网络的稀疏时频分析网络模型用于三维叠后地震数据，以分析解释地质储层结构该方法能够提高计算的效率，降低稀疏时频变换方法的设计成本。
一种基于监督生成对抗学习物理约束稀疏分析方法设备可读存储介质

[发明专利]边缘计算环境下用于分布式DNN训练的梯度压缩方法-CN202110766163.0有效
发明人：毛莺池;吴俊;聂华;黄建新;徐淑芳;屠子健;戚荣志;郭宏乐 -专利权人：河海大学;中科可控信息产业有限公司
申请日： 2021-07-07 - 公布日： 2022-06-28 - 主分类号： G06F9/50 文献下载
摘要：本发明公开一种边缘计算环境下用于分布式DNN训练的梯度压缩方法，建立基于梯度数量的选择标准，筛选满足模型压缩标准的梯度网络层；根据梯度熵评估梯度重要性，自适应地选择梯度稀疏化的阈值，基于灵活的阈值对梯度稀疏化压缩；根据梯度残差和动量矫正机制，累积并优化梯度残差，减少梯度稀疏造成训练模型的性能损失；根据三元量化压缩方案，量化稀疏后的梯度，得到稀疏三元张量；根据无损编码技术，记录传递张量中非零梯度的距离，并对其优化编码，输出稀疏三元化梯度。本发明基于梯度数量和梯度熵的稀疏三元梯度压缩算法，能自适应地压缩分布式DNN训练中梯度交换阶段的梯度大小，有效地提高分布式DNN训练的通信效率。
边缘计算环境用于分布式 dnn 训练梯度压缩方法

[发明专利]一种基于栈式卷积稀疏去噪自编码器的人脸识别方法-CN201910338306.0有效
发明人：刘艳飞 -专利权人：重庆理工大学
申请日： 2019-04-25 - 公布日： 2023-03-28 - 主分类号： G06V40/16 文献下载
摘要：本发明属于人脸识别领域，特别涉及一种基于栈式卷积稀疏去噪自编码器的人脸识别方法；所述方法包括通过将多个卷积的稀疏去噪自编码器与多个池化层交替连接，从而构建出栈式卷积稀疏去噪自编码器模型；将所述栈式卷积稀疏去噪编码器模型的卷积形式去除，采用分块的方式训练栈式稀疏去噪自编码器模型；用训练好的参数构成卷积滤波器，以卷积形式实现栈式卷积稀疏去噪自编码器；利用栈式卷积稀疏去噪自编码器进行人脸特征提取，并采用分类器对人脸进行分类与识别；本发明通过可以非监督训练的深度卷积神经网络
一种基于卷积稀疏编码器识别方法

[发明专利]神经网络剪枝方法、电子设备、存储介质及程序产品-CN202210898779.8在审
发明人：孙培钦;李铮 -专利权人：北京迈格威科技有限公司;深圳旷视金智科技有限公司
申请日： 2022-07-28 - 公布日： 2023-01-03 - 主分类号： G06N3/08 文献下载
摘要：方法包括剪枝操作，剪枝操作包括：获取待剪枝神经网络模型；对待剪枝神经网络模型进行非结构化剪枝，以获得第一剪枝模型；计算第一剪枝模型中的每层网络层的稀疏度；基于第一剪枝模型中的每层网络层的稀疏度，对待剪枝神经网络模型进行结构化剪枝，以获得第二剪枝模型，其中，第二剪枝模型中的第i层网络层的剪枝率等于第一剪枝模型中的第i层网络层的稀疏度；对第二剪枝模型进行精度对齐训练，以使得第二剪枝模型的精度与待剪枝神经网络模型的精度一致。
神经网络剪枝方法电子设备存储介质程序产品

[发明专利]智能光计算终身学习架构系统与装置-CN202310732431.6在审
发明人：方璐;程远 -专利权人：清华大学
申请日： 2023-06-20 - 公布日： 2023-10-03 - 主分类号： G06N3/067 文献下载
摘要：本发明公开了智能光计算终身学习架构系统与装置，该系统包括：多光谱表征层，用于将原始输入的包含多任务的电信号通过多光谱表征为不同波长的相干光；终身学习光神经网络层，包括光学系统的傅立叶平面中级联的稀疏光卷积层，通过对输入级联的稀疏光卷积层不同波长的相干光进行终身学习光神经网络的多任务逐步训练，并通过终身学习光神经网络层输出最终空间光信号；电网络读出层，用于识别最终空间光信号检测得到的最终光学输出数据，以得到多任务识别结果本发明实现多任务及高性能的机器智能计算，通过自适应地激活相干光场中的稀疏光连接来学习每个任务，同时通过逐渐扩大激活连接来逐步获得对各种任务的经验信息。
智能计算终身学习架构系统装置

[发明专利]一种基于稀疏化后向传播训练的神经网络模型压缩方法-CN201711012694.0在审
发明人：孙栩;任宣丞;马树铭;位冰镇 -专利权人：北京大学
申请日： 2017-10-26 - 公布日： 2018-03-23 - 主分类号： G06N3/08 文献下载
摘要：本发明公布了一种神经网络模型的稀疏化后向传播压缩方法，属于信息技术领域，涉及机器学习和深度学习技术。在后向传播过程中，神经网络模型的每层利用上一层的输出梯度作为输入计算梯度，进行k大值稀疏化处理，得到稀疏化处理后的向量和稀疏回传的次数，记录k个值对应的索引；利用稀疏化梯度对神经网络的参数进行更新；根据本发明在后向传播过程中采用基于k大值的稀疏化方法，通过消除不活跃的神经元，压缩模型大小，提高深度神经网络的训练和推理速度，并保持良好的精度。
一种基于稀疏传播训练神经网络模型压缩方法

[发明专利]一种图像多级小波全子带压缩感知编码方法-CN201810241371.7有效
发明人：胡栋;何永洋;丁健宇 -专利权人：南京邮电大学
申请日： 2018-03-22 - 公布日： 2020-09-15 - 主分类号： H04N19/63 文献下载
摘要：本发明提出了一种图像多级小波全子带压缩感知编码算法对自然图像进行稀疏表示，将图像变换到具有极大稀疏性的小波域，低频子带对于重建图像非常重要，高频系数中每个元素及其子孙后代重要性和不同高频层系数的稀疏程度是不同的，根据稀疏矢量中高频子带系数的不同重要性来设计权值矩阵，并依据高层子带能量是低层子带能量倍的关系来设置对应每一高频层的权值，并最终得到改进的测量矩阵，最后对稀疏矢量进行压缩观测后得到测量值。在重建端，对有HL，LH和HH高频子带组成的稀疏矢量中，最终对重建系数矩阵进行小波反变换得到重建图像。
一种图像多级小波全子带压缩感知编码方法

[发明专利]一种基于稀疏表示的冠层植物高光谱图像分类方法-CN201910916938.0有效
发明人：徐平;马凤娟;陈秉强;薛凌云;赵晓东;孔亚广;陈张平;邹洪波;张帆 -专利权人：杭州电子科技大学
申请日： 2019-09-26 - 公布日： 2022-07-08 - 主分类号： G06V10/143 文献下载
摘要：本发明公开一种基于稀疏表示的冠层植物高光谱图像分类方法。本发明引入一种新的加权稀疏表示模型，将高光谱数据中的任一光谱表示为预先训练好的字典中若干原子的线性组合。任一光谱的稀疏表示被表示为稀疏向量，其非零值对应于所选训练样本的权重。通过求解稀疏约束优化问题来恢复稀疏向量，并且可以直接确定测试样本的类标签。
一种基于稀疏表示植物光谱图像分类方法

[发明专利]基于图像检测模型训练的剪枝方法及装置-CN202211027336.8在审
发明人：陆强 -专利权人：嬴彻星创智能科技（上海）有限公司
申请日： 2022-08-25 - 公布日： 2022-12-30 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种基于图像检测模型训练的剪枝方法及装置，涉及图像处理技术领域，该方法包括：将图像训练集输入图像检测模型，计算损失值；根据损失值计算所述图像检测模型的待剪枝各层中参数矩阵的第一梯度；根据预设的稀疏化比率，确定待剪枝层的参数矩阵中的待稀疏化参数；根据待稀疏化参数生成掩膜矩阵；根据掩膜矩阵和预设的正则化项更新待稀疏化参数的梯度为第二梯度；根据第二梯度更新待剪枝层中的待稀疏化参数，根据所述第一梯度更新其它参数的梯度
基于图像检测模型训练剪枝方法装置

[发明专利]一种高时空分辨率的材料动态损伤演化实验方法-CN201910183950.5有效
发明人：蒋招绣;王永刚;谢普初;陈伟;刘东升 -专利权人：宁波大学
申请日： 2019-03-12 - 公布日： 2021-11-26 - 主分类号： G01N3/30 文献下载
摘要：本发明公开了一种高时空分辨率的材料动态损伤演化实验方法，特点是控制飞片撞击锥形试样的大头端面，撞击后，向飞片和锥形试样的大头面分别产生飞片冲击压缩波和试样冲击压缩波，试样压缩波波阵面到达锥形试样的锥面时斜反射形成试样稀疏波，同时，飞片稀疏波在锥形试样内以平面波的形式向小头端方向传播，并形成飞片稀疏波波阵面，试样稀疏波与飞片稀疏波波阵面在锥形试样内相遇产生拉伸应力并发生损伤，随着时间的推移，最终形成平行于锥面母线的层裂损伤面；优点是可获取单次加载后不同冲量条件下的材料动态拉伸损伤破坏的信息，具有高时空分辨率的特征，有利于层裂强度判据理论的研究和试样内部细观损伤演化物理图像信息的考察。
一种时空分辨率材料动态损伤演化实验方法

[发明专利]基于稀疏表示驱动的深度强化学习北斗导航芯片设计方法-CN202210384663.2有效
发明人：唐建浩;李珍妮;郑少龙;谢胜利;元荣 -专利权人：广东工业大学
申请日： 2022-04-13 - 公布日： 2023-04-18 - 主分类号： G06F30/327 文献下载
摘要：本发明涉及一种基于稀疏表示驱动的深度强化学习的北斗导航芯片设计方法，包括：基于芯片的宏单元特征、网表图信息和网表元数据得到图嵌入、当前宏单元嵌入和网表元数据嵌入并经过第二全连接网络得到三维的状态空间；对价值网络最后一层隐藏层的神经元添加DDA0003593116540000011.JPG" imgContent="drawing" imgFormat="JPEG" orientation="portrait" inline="yes" />正则子进行稀疏约束，得到基于稀疏表示的价值网络；将三维的状态空间输入到基于稀疏表示的价值网络，得到价值函数；将三维的状态空间输入到策略网络并在价值函数的指导下，得到北斗导航芯片宏单元的最优布局策略。基于稀疏表示的价值网络缓解价值网络参数学习的灾难性干扰的问题，提高基于深度强化学习的北斗导航芯片设计的准确性和鲁棒性。
基于稀疏表示驱动深度强化学习北斗导航芯片设计方法

[发明专利]一种基于DAG的电力系统稀疏矩阵并行求解方法和系统-CN201810772560.7有效
发明人：陈颖;黄少伟;刘正元;宋炎侃;于智同;马慧远;于希娟 -专利权人：清华大学;国家电网有限公司;国网北京市电力公司
申请日： 2018-07-13 - 公布日： 2020-08-04 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种基于DAG的电力系统稀疏矩阵并行求解方法和系统，所述方法包括：获取描述输电网络状态或描述设备运行情况的方程组在迭代求解过程中修正方程对应的稀疏矩阵；基于所述稀疏矩阵生成包含全部依赖关系信息的有向无环图DAG，并对所述DAG进行分层，调整DAG中节点所在层的编号，将节点均匀的放入到各分层中，对分层后得到的矩阵数值进行前代回代求解。使用多种方法调整节点所在层的编号，将节点尽可能均匀地放入各层，提高了并行前代回代计算的效率，能够有效提升在并行处理器上的稀疏前代回代的并行度和运算速度。
一种基于 dag 电力系统稀疏矩阵并行求解方法系统

[发明专利]基于降噪稀疏自动编码器和密度空间采样的图像分类方法-CN201810212714.7有效
发明人：张辉 -专利权人：盐城师范学院
申请日： 2018-03-15 - 公布日： 2020-10-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于降噪稀疏自动编码器和密度空间采样的图像分类方法。步骤为：构建图像块训练集；构建单隐藏层的降噪稀疏自动编码器，输入图像块训练集，对降噪稀疏自动编码器进行训练；对训练图像数据集和测试图像数据集中的每幅图像进行密度空间采样；使用降噪稀疏自动编码器，对每幅图像经过密度空间采样得到的空间区域提取局部特征集信息；使用两层堆叠的Fisher Vector对特征集信息进行编码，得到每幅图像最终的Fisher向量；利用Fisher向量训练分类器，实现图像分类。
基于稀疏自动编码器密度空间采样图像分类方法

[发明专利]一种基于结构相似性稀疏自编码网络的异常事件检测方法-CN201910044224.5有效
发明人：陈华华;刘萍;郭春生;叶学义 -专利权人：杭州电子科技大学
申请日： 2019-01-17 - 公布日： 2021-04-06 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于结构相似性稀疏自编码网络的异常事件检测方法。本发明分为两个阶段：在训练阶段，提取训练数据的结构相似性SSIM特征，并将SSIM特征作为稀疏自编码网络的输入训练网络的权重参数，利用稀疏自编码网络的隐藏层对SSIM特征进行降维并提取均值和方差；在测试阶段，提取测试数据的SSIM特征，输入到训练好的稀疏自编码网络中，得到隐藏层的输出数据，结合训练阶段得到的均值和方差求马氏距离，当马氏距离小于阈值时，判为正常事件；当马氏距离大于等于阈值时，判为异常事件。
一种基于结构相似性稀疏编码网络异常事件检测方法

[发明专利]语音增强方法及装置、电子设备和计算机可读存储介质-CN202010085323.0有效
发明人：方雪飞;崔晓春;李从兵;刘晓宇;曹木勇;余涛;杨栋;周荣鑫;李文焱 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-02-10 - 公布日： 2022-11-22 - 主分类号： G10L21/0208 文献下载
摘要：本公开提供一种语音增强方法、装置以及电子设备和计算机可读存储介质，该方法包括：获取干净语音样本；分解所述干净语音样本获得第一稀疏矩阵和m个基矩阵，其中所述第一稀疏矩阵中的值均为正数，m为大于1的正整数；根据所述第一稀疏矩阵和目标神经网络的权重矩阵，获得所述目标神经网络的可视层神经元状态向量；根据所述可视层神经元状态向量和所述干净语音样本更新所述权重矩阵，以获取用于语音增强的深度字典。本公开实施例提供的技术方案能够通过在目标神经网络中引入深度分解后的第一稀疏矩阵，获得可以表征干净语音样本的深度特征的深度字典。
语音增强方法装置电子设备计算机可读存储介质

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