“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]基于双层嵌套阵列的波达方向角估计方法-CN201610980695.3有效
发明人：蔡晶晶;宗汝;王振华;李鹏;赵晗希 -专利权人：西安电子科技大学
申请日： 2016-11-08 - 公布日： 2018-11-16 - 主分类号： G01S3/46 文献下载
摘要：本发明公开了一种基于双层嵌套阵列的波达方向角估计方法，主要解决现有技术运算量大，识别信源数目少和估计误差大的问题，其实现步骤是：1)分别构建一层嵌套阵列和二层嵌套阵列；2)获取一层嵌套阵列的输出信号和二层嵌套阵列的输出信号；3)根据一层嵌套阵列输出信号与二层嵌套阵列输出信号计算所有四阶累量，形成四阶累量向量；4)根据四阶累量向量构造超完备基，并定义空域稀疏向量；5)将探测空域波达方向角估计转化为求解稀疏约束方程；6)利用凸优化方法，得到空域稀疏向量的最稀疏解；7)根据最稀疏解绘制幅度谱图，得到波达方向角。
基于双层嵌套阵列方向估计方法

[发明专利]一种高效快速导流可抑菌热风无纺布及其生产方法-CN201710790544.6有效
发明人：蔡炳桓 -专利权人：福建金坛实业有限公司
申请日： 2017-09-05 - 公布日： 2019-06-04 - 主分类号： B32B27/02 文献下载
摘要：本发明提出一种高效快速导流可抑菌热风无纺布，纤维复合层由上乳胶层、混合纤维层和下乳胶层复合在一起形成，且下纤维层由处于内部的致密纤维层和处于外部的稀疏纤维层复合在一起形成，混合纤维层由竹炭纤维和热塑性合成纤维均匀搅拌混合而成，成型后的下纤维层因稀疏纤维层具有较强的通透性且致密纤维层具有较强的毛细现象，稀疏纤维层可对水分等液体进行快速导流，致密纤维层可将水分等液体迅速吸收并抓牢，致密纤维层和稀疏纤维层相互配合达到高效快速导流吸液的目的；而混合纤维层具有竹炭纤维的抑菌、抗菌环保和高吸液吸湿效果。
导流高效快速致密纤维纤维层稀疏抑菌混合纤维层热风无纺布下纤维层竹炭纤维乳胶层吸液热塑性合成纤维复合纤维复合层均匀搅拌抗菌环保毛细现象通透性吸湿抓牢成型生产外部吸收配合

[发明专利]一种基于FPGA的神经网络加速系统-CN201911186403.9在审
发明人：郭太良;林志文;林志贤;张永爱;周雄图 -专利权人：福州大学
申请日： 2019-11-28 - 公布日： 2020-04-10 - 主分类号： G06N3/063 文献下载
摘要：该系统依据卷积神经网络天然具有的并行性以及全连接层的稀疏性，通过运算资源重用，并行处理数据和流水线设计，并利用全连接层的稀疏性设计稀疏矩阵乘法器大大提高运算速度，减少资源的使用，从而在不影响卷积神经网络推断准确率的情况下本发明是通过运算资源重用，并行处理数据和流水线设计，并利用全连接层的稀疏性设计稀疏矩阵乘法器大大提高运算速度，减少资源的使用，从而在不影响卷积神经网络推断准确率的情况下，降低系统整体功耗、提高推断速度。
一种基于 fpga 神经网络加速系统

[发明专利]卷积神经网络全连接层稀疏的权值矩阵的压缩方法及系统-CN201910339608.X有效
发明人：梅魁志;张良;王晓;张增;赵英海;常蕃;张向楠;鄢健宇 -专利权人：西安交通大学
申请日： 2019-04-25 - 公布日： 2020-04-28 - 主分类号： H04N19/129 文献下载
摘要：本发明公开了一种卷积神经网络全连接层稀疏的权值矩阵的压缩方法及系统，包括以下步骤：步骤1，获取待优化卷积神经网络的全连接层稀疏的权值矩阵A，并将其分解成位置矩阵B以及非零值数组C；其中，位置矩阵B与稀疏的权值矩阵A的尺寸大小一致；在位置矩阵B中，稀疏的权值矩阵A中有非零值的对应位置的数值为1，其他位置的数值为0；步骤2，将步骤1获得的位置矩阵B作为二值矩阵，进行满足预设图像压缩标准的无损压缩。本发明可提高全连接层稀疏的权值矩阵的压缩率，节省更多的存储空间。
卷积神经网络连接稀疏矩阵压缩方法系统

[发明专利]用于深度学习的稀疏推理模块-CN201680011079.5在审
发明人： P·K·皮利;N·D·斯特普;N·斯里尼瓦萨 -专利权人：赫尔实验室有限公司
申请日： 2016-03-24 - 公布日： 2017-10-13 - 主分类号： G06N5/04 文献下载
摘要：描述了一种能够并入到深度学习系统的稀疏推理模块。例如，所述深度学习系统包括多个分层特征信道层，每个特征信道层都具有一组过滤器。可以包括多个稀疏推理模块，使得每个特征信道层内都电子地驻留稀疏推理模块。每个稀疏推理模块都被配置成，接收数据并且针对多个图案模板匹配所述数据，以生成针对所述多个图案模板中的每个图案模板的匹配度值，其中所述匹配度值被稀疏化，使得仅超过预定阈值的那些匹配度值或固定数量的最高匹配度值被提供给所述多个分层特征信道中的后续特征信道
用于深度学习稀疏推理模块

[发明专利]一种密集线路与稀疏线路集成的COF基板制造方法-CN201911144459.8在审
发明人：戚爱康;计晓东;孙彬;沈洪;李晓华 -专利权人：江苏上达电子有限公司
申请日： 2019-11-20 - 公布日： 2021-01-15 - 主分类号： H05K3/06 文献下载
摘要：本发明提供一种密集线路与稀疏线路集成的COF基板制造方法，涉及COF基板制造技术领域。该密集线路与稀疏线路集成的COF基板制造方法，包括以下制造工序：1、绝缘基板工序：1)首先，在树脂薄膜上涂抹粘合剂的粘合层，准备具备粘合层的绝缘基板；2)在绝缘基板上，通过粘合层形成铜箔；或者，也可以使用预先在绝缘基板上形成铜箔的铜张层叠板，铜箔通过粘合层在树脂膜上粘合，形成在绝缘基板上。本发明，在工序中，稀疏部及密部的各预定形成区域在中进行通过湿法蚀刻对铜箔进行加工的工序，在密部的预定形成区域中，用激光进一步加工铜箔，抑制密部中的配线间的蚀刻残留以及稀疏部中的布线的形状不良，可以形成具备稀疏部和密集部的布线线路
一种密集线路稀疏集成 cof 制造方法

[发明专利]基于深度学习的分布式压缩感知信号重构方法-CN202210552263.8在审
发明人：王钢;李晓东;高玉龙 -专利权人：哈尔滨工业大学
申请日： 2022-05-20 - 公布日： 2022-08-30 - 主分类号： G06K9/00 文献下载
摘要：基于深度学习的分布式压缩感知信号重构方法，具体涉及一种通信信号在压缩采样下的分布式压缩感知信号的重构方法，本发明为解决由于真实场景中的稀疏信号之间并不完全是联合稀疏的，导致传统分布式压缩感知重构方法在应用时重构误差大获取信号，对信号进行处理，得到信号的压缩采样后的测量向量；建立模型，模型依次包括注意力机制层，GRU网络层、Softmax层和稀疏向量计算层，将所述压缩采样后的测量向量输入模型内进行训练，并将支撑集初始化为空集，输出稀疏向量，得到训练好的模型；将待重构的信号的压缩采样后的测量向量输入训练好的模型内，输出稀疏向量。
基于深度学习分布式压缩感知信号方法

[发明专利]一种基于动态稀疏卷积的神经网络加速推理方法和系统-CN202111503284.2在审
发明人：安玮;王龙光;林再平;郭裕兰;李淼;王应谦;应昕怡 -专利权人：中国人民解放军国防科技大学
申请日： 2021-12-09 - 公布日： 2022-03-01 - 主分类号： G06N5/04 文献下载
摘要：本申请涉及一种基于动态稀疏卷积的神经网络加速推理方法和系统。根据输入的特征图预测输出特征图中冗余计算的位置，得到稀疏的数据掩膜和通道掩膜；在训练阶段，利用动态稀疏卷积层，引导卷积层只对掩膜标记的位置进行处理，对网络进行稀疏正则化训练，提高网络的稀疏性，降低网络的冗余度，训练完成之后，在推理阶段，利用动态稀疏卷积根据输入数据动态跳过冗余位置的计算。
一种基于动态稀疏卷积神经网络加速推理方法系统

[发明专利]基于残差图卷积神经网络的随机稀疏阵列角度估计方法及装置-CN202310949016.6在审
发明人：张淼;杨漪烨;彭世华;叶名锟;张贻雄 -专利权人：厦门大学
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G01S3/14 文献下载
摘要：本发明公开了一种基于残差图卷积神经网络的随机稀疏阵列角度估计方法及装置，对随机稀疏阵列的输出信号进行处理得到输入特征；构建RGNN模型并训练，得到随机稀疏阵列角度估计模型，RGNN模型包括依次连接的输入层、主干网络和输出层，主干网络包括依次连接的前馈神经网络层、第一残差模块、第二残差模块和全局平均池化层，第一残差模块和第二残差模块均包括构成残差连接的第一图卷积层和第二图卷积层，第一图卷积层和第二图卷积层的结构均包括依次连接的SAGE Conv卷积层、激活函数层和归一化层，SAGE Conv卷积层的结构为GraphSAGE；将阵列接收到的信号特征输入随机稀疏阵列角度估计模型，得到角度估计结果，具有更高的角度估计准确率和更低的测角误差
基于图卷神经网络随机稀疏阵列角度估计方法装置

[发明专利]一种具有极高压缩比的剪枝深度神经网络的分层稀疏编码方法-CN202011462942.3在审
发明人：李文斌;何爱清;刘潇;霍静;姚丽丽;高阳 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-12-11 - 公布日： 2021-02-26 - 主分类号： G06N3/08 文献下载
摘要：本发明提出了一种具有极高压缩比的剪枝深度神经网络的分层稀疏编码方法，包括：应用剪枝技术对超参数化的DNN模型进行稀疏化处理；提出一种分层稀疏编码方法LSC，通过设计元数据的编码机制来提高修剪后的DNN模型的压缩率；设计一种多过程解码机制使得无需完全解码即支持矩阵运算，节省运行内存；所述分层稀疏编码方法通过减少元数据量来最大化压缩率，包括：将压缩过程分为块层和编码层；在块层中，将稀疏矩阵划分为多个小块，然后删除零值块；在编码层中，提出了一种新颖的带标记相对索引方法SRI，来进一步编码这些非零值块；所述多过程解码机制在推断阶段加快编码矩阵的乘法。最后通过实验对比证明所提出的LSC方法相对于其他稀疏编码方法的有效性。
一种具有极高压缩比剪枝深度神经网络分层稀疏编码方法

[实用新型]一种具有抗皱效果的画布-CN202223104057.5有效
发明人：王旭;韩万刚 -专利权人：江苏天艺臣工画材有限公司
申请日： 2022-11-22 - 公布日： 2023-06-23 - 主分类号： B32B3/08 文献下载
摘要：本实用新型公开了一种具有抗皱效果的画布，包括基布，所述基布表面固接涂层部，所述基布包括亚麻绘制表层及稀疏亚麻底层，所述亚麻绘制表层固接在稀疏亚麻底层顶面，所述亚麻绘制表层及稀疏亚麻底层之间缝制金属丝线，所述稀疏亚麻底层远离亚麻绘制表层一侧固接防皱浸胶层，所述稀疏亚麻底层包括多个第二径线及多个第二纬线。本实用新型将基布分为两层，表层采用较致密的亚麻布面，提高布面肌理，底层采用亚麻纤维较为稀疏的亚麻布面，一方面节省材料，另一方面便于防皱浸胶层更好的渗入底层内部，提高其抗皱性能，而且防皱浸胶层涂在基布底面
一种具有抗皱效果画布

[发明专利]一种具有q分离k稀疏的用户与物品拼接的推荐方法-CN201910127170.9有效
发明人：盛益强;陈婉杰 -专利权人：郑州芯兰德网络科技有限公司
申请日： 2019-02-20 - 公布日： 2023-10-27 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及一种具有q分离k稀疏的用户与物品拼接的推荐方法，包括：对用户i和物品j分别进行独热编码；构建和q类用户对应相等的q层用户k稀疏连接网络NNi，层间进行k稀疏连接，将用户i的独热编码输入至q层用户k稀疏连接网络NNi，获得用户隐含特征向量Ui；构建q类物品的q层物品k稀疏连接网络NNj，将物品j的独热编码输入至q层物品k稀疏连接网络NNj，获得物品的隐含特征向量Vj；将各个层的用户隐含特征向量Ui与物品的隐含特征向量Vj拼接后作为深度神经网络的输入，上半部分节点对应物品，
一种具有分离稀疏用户物品拼接推荐方法

[发明专利]基于高斯分布估计选取深度网络参数稀疏阈值的方法-CN202010148425.2在审
发明人：刘强;陈世达 -专利权人：天津大学
申请日： 2020-03-05 - 公布日： 2020-08-04 - 主分类号： G06N3/08 文献下载
摘要：本发明公开一种基于高斯分布估计选取深度网络参数稀疏阈值的方法，在选取稀疏阈值时，是通过对DNNs模型的卷积层、全连接层和批归一化层等的权值和梯度参数先验假设为高斯分布，求取其特征参数μ和σ的最大似然估计，进而由预设稀疏率ρ得到目标阈值并获取掩码，然后采用游程编码对根据选出Top‑k选出的重要的稀疏梯度编码，然后基于All‑reduce分布式训练框架与其他节点Nodes通信传输及交换稀疏梯度；各节点剪进行聚合平均
基于分布估计选取深度网络参数稀疏阈值方法

[发明专利]基于迁移学习解决在线复杂优化计算的稀疏特征学习方法-CN202010951143.6有效
发明人：于元隆;孙真真 -专利权人：福州大学
申请日： 2020-09-11 - 公布日： 2022-08-16 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于迁移学习解决在线复杂优化计算的稀疏特征学习方法，包括以下步骤:步骤S1:采集数据集，对于图像数据，先将其向量化作为训练集样本；步骤S2:在源域中，采用同伦迭代硬阈值算法求解训练集的稀疏特征;步骤S3:将源域中得到的稀疏特征迁移到目标域作为真值，训练目标域中单隐层神经网络输入层与隐藏层之间的输入权重；步骤S4:根据得到的输入权重，计算训练样本的近似稀疏特征，并根据近似稀疏特征和训练样本的类别标签矩阵
基于迁移学习解决在线复杂优化计算稀疏特征学习方法

[发明专利]一种压敏结构柔性压力传感器的制备方法-CN202011158270.7在审
发明人：刘立滨;张斌;许诺;臧金良;汪震海 -专利权人：北京机械设备研究所
申请日： 2020-10-26 - 公布日： 2021-03-02 - 主分类号： B81C1/00 文献下载
摘要：本发明公开了一种压敏结构柔性压力传感器的制备方法，包括：S1、准备硅片衬底，并在其表面沉积绝缘介质层或金属层以形成掩蔽层；S2、通过光刻的方式对掩蔽层图形化，形成压力敏感结构图形，对硅片衬底腐蚀和刻蚀，通过湿法腐蚀去掉表面的掩蔽层；S3、对硅片衬底表面疏水化处理，之后用压敏材料填充沟槽结构，固化；S4、将压敏材料与硅片衬底分离，并在压敏材料表面形成金属层，得到压敏稀疏层；S5、将一个压敏稀疏层/或将多个压敏稀疏层组合/或将至少一个压敏稀疏层与至少一个压敏致密层组合后与传感器电极连接，得到柔性压力传感器,具有良好的柔性和较大形变，灵敏度提高了2倍以上，可在复杂的环境中使用而不影响其检测性能。
一种结构柔性压力传感器制备方法