“类神经网络模型”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1893850个，建议您升级VIP下载更多相关专利

[发明专利]基于单正类图像建立的图像分类方法和装置、存储介质和计算机-CN202010769102.5在审
发明人：韩旭;陈彦龙;张裕河 -专利权人：东声（苏州）智能科技有限公司
申请日： 2020-08-03 - 公布日： 2022-02-25 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于单正类图像建立的图像分类方法和装置、存储介质和计算机。所述图像分类方法包括：提供单正类图像集、编码神经网络模型、解码神经网络模型和单类支持向量机模型；将所述单正类图像集中的正类图像输入所述编码神经网络模型进行训练，此时所述编码神经网络模型提取所述正类图像的特征，所述解码神经网络模型基于提取的特征解码出还原图像，经过训练得到最终的编码神经网络模型；将提取的各个正类图像的特征输入所述单类支持向量机模型进行训练以划分正类图像范围，得到最终的单类支持向量机模型；最终的编码神经网络模型和最终的单类支持向量机模型联合对待检测图像进行图像分类以判断所述待检测图像是否为正类图像
基于单正类图像建立分类方法装置存储介质计算机

[发明专利]基于量子孪生神经网络的二分类方法及其人脸识别方法-CN202010146730.8在审
发明人：石金晶;陆玉虎;陈鹭;冯艳艳;陈淑慧;施荣华 -专利权人：中南大学
申请日： 2020-03-05 - 公布日： 2020-07-03 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于量子孪生神经网络的二分类方法，包括设定分类模型的输入数据；构建量子神经网络模型、量子孪生神经网络模型和用于训练的损失函数模型；根据损失函数模型对量子孪生神经网络模型进行学习和训练并得到最终的量子孪生神经网络分类模型；采用量子孪生神经网络分类模型对待分类的数据进行二分类。本发明还公开了包括所述基于量子孪生神经网络的二分类方法的人脸识别方法。本发明提供的这种基于量子孪生神经网络的二分类方法及其人脸识别方法，通过采用量子孪生神经网络对数据进行二分类，实现了数据的快速二分类，而且本发明方法简单快捷，可靠性高，精确性好。
基于量子孪生神经网络分类方法其人识别

[发明专利]耦合神经网络有界聚类投影同步调节控制方法及系统-CN202110429664.X有效
发明人：汤泽;蒋晨辉;王艳;纪志成 -专利权人：江南大学
申请日： 2021-04-21 - 公布日： 2022-05-13 - 主分类号： G06N3/06 文献下载
摘要：本发明涉及耦合神经网络有界聚类投影同步调节控制方法及系统。本发明包括建立具有非线性、非恒同和混合时变时滞的多个聚类的耦合神经网络，对每个聚类设定目标神经网络；根据所述耦合神经网络与目标神经网络建立误差耦合神经网络；根据所述误差耦合神经网络模型设计牵制脉冲反馈控制器，基于所述牵制脉冲反馈控制器选择相应函数，以实现每个聚类中神经网络与目标神经网络之间的有界聚类投影同步；通过搭建网络模型并利用所述网络模型进行数值仿真，验证目标神经网络与耦合神经网络之间的有界聚类投影同步效果
耦合神经网络有界聚类投影同步调节控制方法系统

[发明专利]含有聚类拓扑耦合的神经网络脉冲同步方法及系统-CN202010344860.2有效
发明人：汤泽;轩德利 -专利权人：江南大学
申请日： 2020-04-27 - 公布日： 2023-06-16 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及一种含有聚类拓扑耦合的神经网络脉冲同步方法及系统,包括：建立具有随机扰动的孤立神经网络模型以及有多个聚类的导数耦合神经网络模型；根据所述孤立神经网络模型以及导数耦合神经网络模型建立误差网络模型，并根据所述误差神经网络模型拓扑结构和脉冲信号设计脉冲牵制控制器；根据所述误差网络模型选择相应的函数，并结合所述脉冲牵制控制器实现导数耦合神经网络模型和孤立神经网络模型之间的聚类同步；搭建神经网络模型并利用所述神经网络模型进行数值仿真，验证所述导数耦合神经网络模型和孤立神经网络模型之间的聚类同步效果。
含有拓扑耦合神经网络脉冲同步方法系统

[发明专利]一种基于迭代学习的弱监督视频行为检测方法及系统-CN202010644474.5有效
发明人：宋砚;邹荣;舒祥波 -专利权人：南京理工大学
申请日： 2020-07-07 - 公布日： 2022-09-09 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及一种基于迭代学习的弱监督视频行为检测方法及系统，包括：提取包含动作行为的视频的时空特征；构建神经网络模型组；根据视频的真实类别标签、第一神经网络模型输出的类激活序列和第一神经网络模型输出的视频特征训练第一神经网络模型；根据视频的真实类别标签、当前神经网络模型输出的时序伪标签、下一个神经网络模型输出的类激活序列和下一个神经网络模型输出的视频特征训练下一个神经网络模型；根据检测精度最高值对应的神经网络模型对待检测视频进行动作检测本发明中根据当前神经网络模型输出的时序伪标签信息训练下一个神经网络模型，可以使神经网络模型学习出的类激活序列更加精准，从而能够准确的检测出视频中的动作。
一种基于学习监督视频行为检测方法系统

[发明专利]模型的训练方法和装置、存储介质、电子装置-CN201811197546.5有效
发明人：葛仕明 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-10-15 - 公布日： 2023-08-29 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种模型的训练方法和装置、存储介质、电子装置。其中，该方法包括：获取训练请求，训练请求用于请求对第一神经网络模型进行训练，得到第二神经网络模型，第二神经网络模型用于识别图片类型为第一类型的图片；通过第三神经网络模型确定训练集，第三神经网络模型用于识别图片类型为目标类型的图片，目标类型包括第一类型，训练集中包括从第一集合中识别出来的与第一类型相关联的图片，第一集合中的图片上未标记有第一标识；通过训练集对第一神经网络模型进行训练，得到第二神经网络模型，第二神经网络模型中神经网络的层数不同于第二神经网络模型中神经网络的层数本发明解决了对神经网络模型进行训练的时间成本较高的技术问题。
模型训练方法装置存储介质电子

[发明专利]运用类神经网络于手机的自动测试方法-CN200510087407.3无效
发明人：张晋维 -专利权人：华冠通讯股份有限公司
申请日： 2005-07-21 - 公布日： 2007-01-24 - 主分类号： H04Q7/34 文献下载
摘要：一种运用类神经网络于手机的自动测试方法，主要是利用类神经网络能自动学习的特性，将定义做为类神经网络输入元的参数输入一预先选定的类神经网络模型，以得出一起始测量值来做为手机测试的起始数据，同时训练类神经网络模型的过程以过去的测试结果做为训练类神经网络的训练样本
运用神经网络手机自动测试方法

[发明专利]神经网络模型的权值量化方法及装置-CN201711108322.8在审
发明人：季向阳;刘文然;陈孝罡 -专利权人：清华大学
申请日： 2017-11-08 - 公布日： 2018-04-10 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及神经网络模型的权值量化方法及装置。该方法包括基于神经网络模型针对的目标任务，将所述神经网络模型训练到收敛状态；根据所述神经网络模型的每层网络的每个阶段所需量化的类中心的个数，逐阶段将每个阶段所需量化的权值进行量化，得到每个阶段的类中心，其中，每层网络量化的阶段数大于1。本公开通过将神经网络模型的每层网络的权值分为多个阶段进行量化，由此通过增量的方式逐渐将神经网络模型的权值量化为所需的类中心，能够弥补量化过程中的精度损失，从而能够在保证神经网络模型针对目标任务的性能的同时，提高神经网络模型的压缩率。
神经网络模型量化方法装置

[发明专利]神经网络的运行方法、装置、终端及存储介质-CN202011627461.3在审
发明人：赵娟萍 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-12-31 - 公布日： 2022-07-01 - 主分类号： G06N3/063 文献下载
摘要：本申请实施例公开了一种神经网络的运行方法、装置、终端及存储介质，属于终端技术领域。该方法包括：获取神经网络模型在不同网络运行阶段对应的预估运行功耗；基于预估运行功耗和功耗阈值，将神经网络模型对应的网络运行阶段划分为第一类运行阶段和第二类运行阶段；响应于神经网络模型运行至第一类运行阶段时，采用第一存储器存取神经网络数据；响应于神经网络模型运行至第二类运行阶段时，采用第二存储器存取神经网络数据，第一存储器的数据存取功耗低于第二存储器的数据存取功耗。保证处理器在运行神经网络模型时饱和工作的同时，避免高速存取神经网络数据导致系统功耗增加。
神经网络运行方法装置终端存储介质

[发明专利]一种深度脉冲神经网络的分布式部署推理方法及相关装置-CN202310142138.4在审
发明人：朱学科;周晖晖;林文杰;林彦宇;程文翔;田永鸿;高文 -专利权人：鹏城实验室
申请日： 2023-02-09 - 公布日： 2023-06-09 - 主分类号： G06N5/04 文献下载
摘要：本申请公开了一种深度脉冲神经网络的分布式部署推理方法及相关装置，所述方法包括获取待部署的深度脉冲神经网络，并将所述深度脉冲神经网络拆分为若干子神经网络；对若干子神经网络中的各子神经网络进行编译，以得到各子神经网络对应的生成模型文件；将若干子神经网络对应的生成模型文件依次部署于类脑芯片，以通过若干子神经网络逐步对输入数据进行推理，以得到输入数据对应的输出数据。本申请通过将深度脉冲网络拆分为若干子神经网络，并分别编译和部署单个子神经网络，这样可以将深度脉冲神经网络部署于类脑芯片，使得类脑芯片使用大规模深度脉冲神经网络进行模型推理，扩展了深度脉冲神经网络的使用范围
一种深度脉冲神经网络分布式部署推理方法相关装置

[发明专利]处理神经网络模型的方法、装置和电子设备-CN202211716465.8在审
发明人：董旭炯 -专利权人： OPPO广东移动通信有限公司
申请日： 2022-12-29 - 公布日： 2023-04-04 - 主分类号： G06N3/082 文献下载
摘要：本申请提供了一种处理神经网络模型的方法、装置和电子设备。该方法包括：获取神经网络模型，该神经网络模型用于执行多种神经网络操作，多种神经网络操作包括第一类转置操作和第二类转置操作，第一类转置操作用于将第一张量数据格式转换为第二张量数据格式，第二类转置操作用于将第二张量数据格式转换为第一张量数据格式；根据第一类转置操作和第二类转置操作中的可相互抵消的转置操作，简化神经网络模型。本申请实施例引入转置操作得到转换后的神经网络模型后，能够根据引入的转置操作中的可相互抵消的转置操作简化上述得到的神经网络模型，降低神经网络模型的冗余度，从而有利于提升模型的计算效率。
处理神经网络模型方法装置电子设备

[发明专利]神经网络模型的计算方法、装置、终端及存储介质-CN202011622466.7在审
发明人：赵娟萍 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-12-31 - 公布日： 2022-07-01 - 主分类号： G06N3/063 文献下载
摘要：本申请实施例公开了一种神经网络模型的计算方法、装置、终端及存储介质，属于计算机技术领域。该方法包括：获取神经网络模型；确定神经网络模型在运算过程中的第一类型进度分段和第二类型进度分段，第一类型进度分段上网络运算所需带宽大于带宽阈值，第二类型进度分段上网络运算所需带宽小于或者等于带宽阈值；以及通过神经网络处理器在第一类型进度分段上采用第一存储器存取神经网络数据，在第二类型进度分段上采用第二存储器存取神经网络数据，以计算神经网络模型，第一存储器大于第二存储器的存取速度。该方法使得存储器在神经网络模型的每一个运算进度上均能满足神经网络处理器的数据吞吐量要求，充分运用神经网络处理器的运算性能。
神经网络模型计算方法装置终端存储介质

[发明专利]自编码神经网络处理方法、装置、计算机设备及存储介质-CN201910345019.2有效
发明人：金戈;徐亮 -专利权人：平安科技（深圳）有限公司
申请日： 2019-04-26 - 公布日： 2023-06-16 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种自编码神经网络处理方法、装置、计算机设备及存储介质，该方法通过将文本样本转化为样本词向量，将样本词向量输入到卷积神经网络模型中对样本词向量进行初步特征提取，得到样本初步隐含特征；将样本初步隐含特征输入到多个自编码神经网络中，对自编码神经网络进行训练，得到多个自编码神经网络模型，将样本初步隐含特征输入到自编码神经网络模型中进行特征提取，得到自编码神经网络模型输出的样本隐含特征；对提取出的样本隐含特征的特征样本进行聚类，得到聚类结果；根据聚类结果确定是否要重新构建自编码神经网络；若确定要重新构建自编码神经网络，则根据轮廓系数构建目标自编码神经网络，得到聚类准确率高的自编码神经网络。
编码神经网络处理方法装置计算机设备存储介质

[发明专利]一种基于RBF神经网络的重复记录检测方法和系统-CN201610949906.7在审
发明人：蔡晓东;刘馨婷 -专利权人：桂林电子科技大学
申请日： 2016-10-26 - 公布日： 2017-03-22 - 主分类号： G06F17/30 文献下载
摘要：本发明提供一种基于RBF神经网络的重复记录检测方法和系统，其方法包括将多条记录进行聚类、分类；字符串相似度算法计算每个记录类中对应字段之间的相似度，得到字段之间相似度的特征向量；对记录进行标签标注；建立RBF神经网络模型，并根据减聚类算法对特征向量进行聚类，得到的聚类中心个数，将聚类中心个数作为RBF神经网络模型的隐层节点个数；对所述隐层节点个数进行聚类来得到RBF神经网络模型的隐层节点，实现RBF神经网络模型的优化优化后的RBF神经网络模型经过训练后可识别重复记录，能够保持较好的稳定性、准确率和召回率。
一种基于 rbf 神经网络重复记录检测方法系统

[发明专利]神经网络模型训练的方法和装置-CN201910883124.1有效
发明人：于德权;吴觊豪;贾明波;马杰延 -专利权人：华为技术有限公司
申请日： 2019-09-18 - 公布日： 2023-10-17 - 主分类号： G06N3/0464 文献下载
摘要：本申请提供了人工智能领域中的一种神经网络模型训练的方法，包括：获取神经网络模型、第一训练数据和第一训练数据的类别，神经网络模型是根据第二训练数据训练得到的，第一训练数据包括支持数据和查询数据，支持数据包括第一训练数据中的每一类的全部或部分数据，查询数据包括第一训练数据中每一类的全部或部分数据；利用神经网络模型对于第一训练数据进行特征提取，以得到第一训练数据的特征；根据每一类的类中心特征与查询数据特征的特征距离，调整神经网络模型中部分层的参数，以得到调整后的神经网络模型。通过对训练得到的神经网络模型的部分层的参数进行调整，从而得到具有良好精度和泛化能力的神经网络模型。
神经网络模型训练方法装置

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