“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]点约束贝叶斯稀疏脉冲反演方法-CN201210417846.6无效
发明人：徐希坤;孙喜新;王志高;穆星;杨培杰;王长江;刘惠民;王永诗;罗红梅;毕俊凤;邓玉珍;刘华夏;王东晔;方旭庆;石砥石 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司地质科学研究院
申请日： 2012-10-26 - 公布日： 2014-05-14 - 主分类号： G01V1/28 文献下载
摘要：本发明提供一种点约束贝叶斯稀疏脉冲反演方法，该点约束贝叶斯稀疏脉冲反演方法包括:步骤1，提取地震子波；步骤2，建立初始地质模型；步骤3，建立反演目标函数；步骤4，对该反演目标函数各项求导数，得到非线性反演方程该点约束贝叶斯稀疏脉冲反演方法将随机反演与传统的稀疏脉冲反演相结合，在提高反演结果分辨率的同时，进一步提高反演结果的准确度和稳定性，从而为储层描述提供更为丰富的信息。
约束贝叶斯稀疏脉冲反演方法

[发明专利]提高多晶硅栅极层厚度均匀性的方法-CN200610126345.7无效
发明人：王大仁;蔡原祯;童世然;松尾洋 -专利权人：力晶半导体股份有限公司;瑞萨科技股份有限公司
申请日： 2006-08-30 - 公布日： 2008-03-05 - 主分类号： H01L21/82 文献下载
摘要：本发明公开了一种提高多晶硅栅极层厚度均匀性的方法，此制造工艺为先提供基底，此基底具有沟槽密集区与沟槽稀疏区。然后，在沟槽密集区的基底中形成多个第一沟槽隔离结构，并同时在沟槽稀疏区的基底中形成多个第二沟槽隔离结构，且在这些第一沟槽隔离结构之间和这些第二沟槽隔离结构之间的间隙形成掩模层。接着，移除掩模层至暴露出基底表面。随后，在基底上方形成多晶硅栅极层，接着进行平坦化工艺，移除部分多晶硅栅极层。
提高多晶栅极厚度均匀方法

[发明专利]一种3D打印的低折射率大角度偏折稀疏光栅-CN201910939048.1在审
发明人：程洁嵘;董希谱;穆倩怡;常胜江 -专利权人：南开大学
申请日： 2019-09-30 - 公布日： 2021-03-30 - 主分类号： G02B5/18 文献下载
摘要：本发明涉及一种3D打印的低折射率大角度偏折稀疏光栅，属于新型人工电磁材料和太赫兹科学技术领域。本发明的结构包括三层，最下层为金属基底（1），中间为低折射率介质层（2），最上层为同种低折射率介质构成的周期性稀疏光栅（3）。低折射率介质在亚太赫兹波段折射率约为1.5且损耗小。通过适当选取稀疏光栅的周期及内部栅脊尺寸，可将垂直入射的亚太赫兹波高效率地反射到接近光栅表面的大角度方向。
一种打印折射率角度稀疏光栅

[发明专利]用于深度学习的稀疏矩阵运算-CN202180009370.X在审
发明人：埃里克·康拉德·埃尔森;特雷弗·约翰·盖尔;雷吉纳尔德·克利福德·扬 -专利权人：谷歌有限责任公司
申请日： 2021-01-15 - 公布日： 2022-08-26 - 主分类号： G06F17/16 文献下载
摘要：这些方法中的一个包括在并行处理设备上实现神经网络，该神经网络包括至少一个稀疏神经网络层，该稀疏神经网络层被配置为接收输入矩阵并且执行在该输入矩阵和稀疏权重矩阵之间的矩阵乘法以生成输出矩阵，该方法包括：针对输出矩阵的
用于深度学习稀疏矩阵运算

[发明专利]一种基于自监督图学习的认知诊断方法及其应用-CN202211246960.7在审
发明人：王姗姗;曾振;杨勋;张兴义;马海平;张丽淼 -专利权人：安徽大学
申请日： 2022-10-12 - 公布日： 2023-01-17 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于自监督图学习的认知诊断方法及其应用，该方法包括：1、依据学生与习题的交互记录，习题与知识概念之间的关联关系，构建认知诊断关系图，2、构建包含嵌入层、GCN网络、诊断层、预测层的诊断网络，3、使用诊断网络对学生回答习题的正确率进行预测，使用预测结果构建交叉熵损失，4、使用基于边重要性的边删除方法为关系图随机生成两个不同的稀疏视图，计算节点在不同稀疏视图上的特征，并构建自监督损失，5、使用交叉熵损失优化整个诊断网络本发明能在训练诊断网络的过程中关注到数据稀疏的学生，从而能提高诊断网络的总体诊断水平。
一种基于监督学习认知诊断方法及其应用

[发明专利]基于ReRAM的深度神经网络加速器剪枝方法及系统-CN202310762658.5在审
发明人：申兆岩;姜锡坤;魏倩;谢涛涛;陈孝委;于东晓;贾智平 -专利权人：山东大学
申请日： 2023-06-26 - 公布日： 2023-09-19 - 主分类号： G06N3/082 文献下载
摘要：该方法包括以下步骤：获取当前卷积层的激活值矩阵，以行列做为剪枝粒度设置标志位和阈值；根据标志位统计激活值的稀疏度，根据稀疏度进行排序；根据给定阈值标定敏感激活值行列与非敏感激活值行列，对非敏感激活值行列进行剪枝；利用激活值高位与权重进行卷积，得到高位运算结果，并根据高位运算结果对下一层非敏感激活值行列进行剪枝。本发明利用卷积神经网络激活值的稀疏性设计剪枝策略，适配ReRAM Crossbar结构，提升系统运行并行性的同时提升系统运算速度并降低系统功耗。
基于 reram 深度神经网络加速器剪枝方法系统

[发明专利]激光扫描的采样数据的处理方法和装置-CN201010290056.7有效
发明人：张国英;杨小聪;朱红;张达;刘冠洲;陈凯;邱波;沙芸;栗振江;游江维;张元生;余乐文;王利岗 -专利权人：北京矿冶研究总院
申请日： 2010-09-21 - 公布日： 2011-04-13 - 主分类号： G06F19/00 文献下载
摘要：该方法主要包括：获取与采样节点同层的设定数量的采样节点对应的距离Range值的平均值，具有相同纵向扫描角度θ的采样节点为同层的采样节点。利用本发明实施例，可以基于激光扫描的采样数据的工作参数，对激光扫描的采样数据进行噪声、孔洞修补和稀疏数据增补处理。本发明实施例能够准确、快速地确定缺失节点和稀疏区域，并对缺失节点和稀疏区域进行有效地增补。
激光扫描采样数据处理方法装置

[发明专利]硬件高效的深度卷积神经网络-CN201680065018.7有效
发明人： M·肖艾布;刘劼 -专利权人：微软技术许可有限责任公司
申请日： 2016-10-28 - 公布日： 2022-03-29 - 主分类号： G06N3/063 文献下载
摘要：存储器被配置为存储卷积加权内核的稀疏频域表示。时域到频域转换器被配置为生成输入图像的频域表示。特征提取器被配置为访问存储器，并且通过处理器基于卷积加权内核的稀疏频域表示和输入图像的频域表示来提取特征。特征提取器包括卷积层和全连层。分类器被配置为基于提取的特征来确定输入图像是否包含感兴趣对象。各种类型的存储器可以用于存储不同的信息，从而使得在较快的(例如，较快的存取时间)存储器中存储信息稠密数据，并且在较慢的存储器中存储稀疏数据。
硬件高效深度卷积神经网络

[发明专利]一种基于有监督神经网络的多组学分类模型的建立方法-CN202210494463.2在审
发明人：郭新鹏;李松;殷知磊;刘帅忱;轩勃娜;尚学群 -专利权人：西北工业大学;中国人民解放军空军工程大学
申请日： 2022-05-07 - 公布日： 2022-09-13 - 主分类号： G16B20/00 文献下载
摘要：本发明公开了一种基于有监督神经网络的多组学分类模型的建立方法，包括以下步骤：S1、建立传统的DNN网络架构，所述DNN网络架构包含：输入层、输出层和多个隐藏层；S2、在步骤S1中的输入层和第一个隐藏层之间增加一个gene层，加入的gene层通过eQTL数据与输入层进行稀疏连接，得到E‑DNN网络架构；S3、在步骤S2得到E‑DNN网络架构中的gene层与第一个隐藏层之间继续增加一层gene层，加入的gene层与步骤S2中的gene层通过PPI数据进行稀疏连接，得到最终网络架构；S4、对步骤S3得到的最终网络架构进行训练，训练结束后，得到基于有监督神经网络的多组学分类模型。
一种基于监督神经网络多组学分类模型建立方法

[发明专利]一种基于网络层剪枝的深度学习网络模型压缩方法-CN202010177912.1在审
发明人：郭烈;高建东;赵剑;刘蓬勃;石振周 -专利权人：大连理工大学
申请日： 2020-03-13 - 公布日： 2020-07-10 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于网络层剪枝的深度学习网络模型压缩方法，包括：对于完成训练的卷积神经网络，将训练后的权重导入并进行针对BN层的稀疏化训练，BN层中有两个训练参数，分别为Gamma和Beta，经过多次迭代完成稀疏化的过程；获取网络各个BN层的Gamma参数，设置全局通道剪枝比例，根据全局剪枝比例计算Gamma参数的阈值，将小于阈值的Gamma参数全部置零；设置要剪掉的shortcut网络层数I，以shortcut中BN层_2的Gamma计算POZ，删除POZ较大的I个shortcut结构；将其他BN层置零的Gamma关联的卷积通道删除；保存剪枝后的网络结构和参数。
一种基于网络剪枝深度学习模型压缩方法

[发明专利]一种光谱层析成像中的图像重建和编码方法-CN202011018487.8在审
发明人：仇飞;颜森林 -专利权人：南京晓庄学院
申请日： 2020-09-24 - 公布日： 2021-01-26 - 主分类号： G06T11/00 文献下载
摘要：本发明提供一种光谱层析成像中的图像重建和编码方法，包括如下步骤：获取光谱层析图像信号X作为训练数据，对数据灰度预处理并完成信号的腐蚀得到X1；搭建自编码去噪稀疏网络的编码子网络，编码子网络为一个三层全连接神经网络，光谱层析图像信号X通过编码子网络得到测量值y；搭建自编码去噪稀疏网络的解码子网络，解码子网络是与编码子网络结构对称的三层全连接神经网络，测量值y通过解码子网络得到重建图片X2；引入稀疏性的限制，生成损失函数；对编码和解码子网络进行联合训练，通过反向传播算法对损失函数进行优化，更新参数并得到最优的稀疏去噪自编码网络。
一种光谱层析成像中的图像建和编码方法

[发明专利]肝胆管及结石的图像识别方法、系统、设备及存储介质-CN201910620001.9有效
发明人：蔡念;符小睿;夏皓;王慧恒;王晗;王平 -专利权人：广东工业大学
申请日： 2019-07-10 - 公布日： 2021-05-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种肝胆管及结石的图像识别系统，包括：输入模块，用于获取待测图像并输入至经过训练的稀疏卷积神经网络中；稀疏卷积神经网络，用于对待测图像进行图像识别，并在识别结果中分割出待测图像中的肝胆管及胆结石的位置轮廓；稀疏卷积神经网络中的第1编码器中的各个卷积层均采用小卷积核，其余编码器中以及各个解码器中的各个卷积层均采用稀疏卷积核；第一个编码的过程中将不同尺度下的特征图输出至后续的各个编码器及解码器中，与对应分辨率下的特征图进行融合操作
肝胆结石图像识别方法系统设备存储介质

[发明专利]一种基于深度学习的电涡流扫描图像分类识别方法-CN201910443855.4有效
发明人：包俊;叶波;吴建德;王晓东;邓为权 -专利权人：昆明理工大学
申请日： 2019-05-27 - 公布日： 2022-12-02 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于深度学习的电涡流扫描图像分类识别方法，步骤为：S1、采集被测材料的电涡流扫描图像，并进行预处理；S2、构建训练样本与测试样本；S3、使用Sobel算子处理，得到去背景化的训练样本；S4、构建多个稀疏降噪自编码器，并初始化；S5、输入训练样本与去背景化的训练样本，对多个稀疏降噪自编码器进行无监督的逐层自学习预训练；S6、将多个训练好的稀疏降噪编码器的编码网络提取出来进行栈式组合构建栈式稀疏降噪自编码深度神经网络该方法使隐含层提取到的图像特征能更加简明地反映材料缺陷，有利于分类准确率提高。
一种基于深度学习涡流扫描图像分类识别方法

[发明专利]用于硬件感知的机器学习模型训练的方法和装置-CN202110884528.X在审
发明人：徐笑凡;科马克·布瑞克;佐尔特·比罗 -专利权人：英特尔公司
申请日： 2021-08-03 - 公布日： 2022-03-04 - 主分类号： G06N20/00 文献下载
摘要：一种示例装置包括：配置确定器，用于确定要在其上执行机器学习模型的目标硬件平台的硬件配置；层生成器，用于基于硬件配置来向机器学习模型的层指派稀疏配置；以及部署控制器，用于响应于机器学习模型的输出满足各个阈值而将机器学习模型部署到目标硬件平台，所述输出包括在所述层具有指派的稀疏配置的情况下执行机器学习模型的时钟周期的数量。
用于硬件感知机器学习模型训练方法装置

[发明专利]基于人工神经网络的特征选择方法和装置-CN201410834973.5在审
发明人：祁仲昂;胡卫松 -专利权人：日本电气株式会社
申请日： 2014-12-26 - 公布日： 2016-07-20 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于人工神经网络的特征选择方法和装置，其中该方法包括：根据待选择的K个特征和O个输出目标构造具有输入层、中间层和输出层的人工神经网络；利用训练集对所述人工神经网络进行训练，以确定所述人工神经网络中各层至下一层的连接权重，其中，训练时所用的优化函数包括对所述输入层进行稀疏性约束的项，以使得所述输入层至下一层的连接权重能够表示对所述K个特征的选择结果。通过在人工神经网络的输入层添加稀疏性约束，能够实现在对人工神经网络进行训练的同时得到特征选择结果，提高了对人工神经网络进行特征选择的效率。
基于人工神经网络特征选择方法装置