“网络层模块 ”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4960170个，建议您升级VIP下载更多相关专利

[发明专利]一种双层自适应重配置环簇片上网络硬件结构-CN202110657539.4有效
发明人：韩军;樊志恒 -专利权人：复旦大学
申请日： 2021-06-13 - 公布日： 2022-04-12 - 主分类号： H04W84/18 文献下载
摘要：本发明公开了一种双层自适应重配置环簇片上网络硬件结构。其网络由基于包交换的8X8 Mesh网络层以及拥有自适应调整能力的可配置环状网络层两个部分组成，数据包可选择通过Mesh网络或者通过周期性重配置的Ring网络进行传输。片上网络硬件结构具体包括：Mesh网络层路由器模块、Ring网络层普通节点模块、Ring网络层远程节点模块、Ring网络层可配置链路模块、Bypass仲裁模块；Ring网络层普通节点模块和Ring网络层远程节点模块共同组成Ring网络层；双层网络同时结合两种网络的优势，利用自适应重配置的方式在为片上通信提供足够高传输带宽的同时降低片上通信的总体延时。
一种双层自适应配置环簇片上网络硬件结构

[发明专利]基于SOPC的小波神经网络处理器-CN201010227358.X无效
发明人：文常保;巨永锋;闫栋;康迤;任东明;刘清洪;李洪安 -专利权人：长安大学
申请日： 2010-07-15 - 公布日： 2010-11-10 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种基于sopc的小波神经网络处理器，由前向传播模块，误差反馈模块和网络更新模块构成；前向传播模块的输出端连接到误差反馈模块，误差反馈模块的输出端连接到网络更新模块，网络更新模块的输出端连接到前向传播模块；前向传播模块包括前向传播输入层功能模块，前向传播隐含层功能模块，前向传播输出层功能模块；误差反馈模块包括误差反馈输出层功能模块和误差反馈隐含层功能模块；网络更新模块包括网络更新输出层功能模块，网络更新隐含层功能模块本发明在SOPC上实现小波神经网络，将小波神经网络算法划分为几种基本运算，这些基本运算由可重构单元RC完成，通过采用不同的RC连接方式能够构成功能不同的小波神经网络。
基于 sopc 神经网络处理器

[发明专利]一种专用网络和公用网络融合系统-CN201710656635.0有效
发明人：刘威;夏泉;袁景城;刘军;孟军;张维;罗威 -专利权人：中创通信技术（深圳）有限公司
申请日： 2017-08-03 - 公布日： 2022-06-07 - 主分类号： H04W4/20 文献下载
摘要：本发明公开了一种专用网络和公用网络融合系统，应用于安卓平台。其包括：移动应用层；所述移动应用层用于设置与所述专用网络和公用网络相关的数据参数；框架层；所述框架层配置有若干端口，连接所述硬件抽象层和移动应用层；硬件抽象层；所述硬件抽象层包括独立设置的第一通信驱动模块和第二通信驱动模块；用于连接专用网络的第一硬件网络模块以及用于公用网络的第二硬件网络模块；所述硬件抽象层的第一通信驱动模块和第二通信驱动模块分别与所述第一硬件网络模块以及所述第二硬件网络模块对应设置；所述第一硬件网络模块通过
一种专用网络公用融合系统

[发明专利]一种深度细化的多重信息嵌套边缘检测方法-CN202110746455.8有效
发明人：林川;王蕤兴;张贞光;陈永亮;谢智星;吴海晨;李福章;潘勇才;韦艳霞 -专利权人：广西科技大学
申请日： 2021-07-01 - 公布日： 2022-06-10 - 主分类号： G06T7/13 文献下载
摘要：本发明旨在提供一种深度细化的多重信息嵌套边缘检测方法，包括以下步骤：构建深度神经网络结构，深度神经网络结构具体如下：编码网络、解码网络；编码网络为VGG16网络，该VGG16网络去除了所有全连接层、pool5池化层，只保留了VGG16网络主体；解码网络分为三层，第一层包括压缩模块、重塑模块、调整模块；第二层为信息提取融合模块a、信息提取融合模块b、信息提取融合模块信息c、提取融合模块d；第三层为在横向细分轮廓网络模块
一种深度细化多重信息嵌套边缘检测方法

[发明专利]数据中心的云网络和运营商网络互通的方法和通信装置-CN202110928948.3在审
发明人：兰庆龙;章宇;姚弋宇 -专利权人：华为技术有限公司
申请日： 2021-08-13 - 公布日： 2023-04-07 - 主分类号： H04L41/0803 文献下载
摘要：本申请提供了一种数据中心的云网络和运营商网络互通的方法、通信装置和系统，该系统包括：用于提供二层网络模型对象的二层网络模块；用于提供三层网络模型对象的三层网络模块；用于提供四至七层网络模型对象的四至七层网络模块；用户面功能网元控制模块接收来自于二层网络模块、三层网络模块或四至七层网络模块的请求创建网络模型对象的配置信息，并将这些配置信息转换为运营商网络的用户面功能网元可识别的配置命令，并将配置命令发送给用户面功能网元，由用户面功能网元执行该配置命令，以配置相应的网络模型对象。本申请提供的方法可以提升网络资源的使用效率，减少网络流量绕行，减少流量带宽消耗。
数据中心网络运营商互通方法通信装置

[发明专利]剪裁神经网络的方法、设备、装置及存储介质-CN202011173834.4在审
发明人：曹永全;罗杨晓璇 -专利权人：上海复旦微电子集团股份有限公司
申请日： 2020-10-28 - 公布日： 2022-04-29 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例提供一种剪裁神经网络的方法、设备、装置及存储介质，该方法包括：基于已完成训练的第一神经网络模型及其对应的数据集获取第一神经网络模型中每个网络层模块的输出值；基于每个网络层模块的输出值分别计算对应的各个图拉普拉斯矩阵以及每个网络层模块的流形度量数值；基于每个网络层模块的流形度量数值分别计算每个非最后一个网络层模块与最后一个网络层模块之间的各个流形度量距离；获取各个流形度量距离中的较小流形度量距离，并将其对应的非最后一个网络层模块与最后一个网络层模块之后的模块连接而形成剪裁后的第二神经网络模型这不仅降低了剪裁的计算量和计算时间，还使得剪裁后的第二神经网络模型仍具有较高的测试精度。
剪裁神经网络方法设备装置存储介质

[发明专利]一种轻量级网络协议栈的实现方法及装置-CN202211285225.7在审
发明人：马忠刚;李萌;王晓伟;范丽辰;窦维维;况德军;杨晶 -专利权人：广东核电合营有限公司;北京广利核系统工程有限公司
申请日： 2022-10-20 - 公布日： 2023-01-31 - 主分类号： H04L69/00 文献下载
摘要：本发明公开了一种轻量级网络协议栈的实现方法及装置，将网络协议栈划分为网络层、传输层和应用层共三个协议层，网络层包括IP协议模块、APR协议模块和ICMF协议模块，传输层包括UDP协议模块和TCP协议模块，应用层包括PING协议模块和SNTP协议模块，从网络驱动获取网络协议报文，并将网络协议报文直接拷贝到内存缓冲区，控制网络层、传输层和应用层在内存缓冲区处理网络协议报文。本发明通过在网络协议栈初始化期间创建一个内存缓冲区，并将网络协议报文直接拷贝到内存缓冲区中，使三个协议层间统一在内存缓冲区中对网络协议报文进行处理，实现数据零拷贝，减少TCP/IP协议占用的资源，提高嵌入式设备的数据处理性能
一种轻量级网络协议实现方法装置

[发明专利]一种基于区域医疗的安全管控中台系统-CN201911278707.8有效
发明人：周赞和 -专利权人：和宇健康科技股份有限公司
申请日： 2019-12-12 - 公布日： 2023-02-17 - 主分类号： H04L9/40 文献下载
摘要：所述系统包括应用层和网络层；所述网络层与所述应用层通信连接，所述应用层接有若干个应用；所述应用层包括身份验证模块、应用监控审计模块、数据处理模块和数据库审计模块；所述网络层包括流量监控模块、访问控制模块、日志审计模块和安全检测模块。本发明通过改进系统的应用层和网络层，提高了数据和网络的安全性，从而保证了医疗管理系统的安全性。
一种基于区域医疗安全管控中台系统

[发明专利]一种基于API调用和网络行为的僵尸软件检测方法-CN202210528096.3在审
发明人：黄永忠;罗勇成;秦韬 -专利权人：桂林电子科技大学
申请日： 2022-05-16 - 公布日： 2022-07-05 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于API调用和网络行为的僵尸软件检测方法，该方法包括主机行为模式提取层模块、网络行为模式提取层模块和聚合训练模块；其中主机行为模式提取层模块包括文件解析识别子模块、静态FCG提取子模块、样本分发子模块和调用上下文提取子模块，依次进行样本文件的解析和识别、样本分发、样本的静态分析和动态分析、FCG调用图压缩以及节点重标签；网络行为模式提前层模块包括网络行为监控和数据预处理子模块、LSTM表示学习子模块，进行网络行为收集和数据预处理，训练LSTM表示学习子模块；聚合训练模块将主机行为模式提取层模块、网络行为模式提取层模块的输出数据进行聚合训练，输入全连接分类网络中，最后得到分类结果。
一种基于 api 调用网络行为僵尸软件检测方法

[发明专利]一种数字家庭无线网络系统-CN201110052750.X无效
发明人：孟思明;罗晴明 -专利权人：中山大学
申请日： 2011-03-04 - 公布日： 2011-06-29 - 主分类号： H04W84/12 文献下载
摘要：本发明公开一种数字家庭无线网络系统。该系统包括对应传输层模块、网络层模块和应用层模块；数据信息依次经过应用层模块、网络层模块、传输层模块进行数据的加工，利用数字家庭无线网络进行数据的物理传输；目标设备通过无线网络接收数据后，经过传输层模块、网络层模块、应用层模块进行数据的组装与处理，并执行信息操作。本发明利用三层体系结构保证家庭设备数据信息的接收和传输的正确性与完整性，还可使到家庭中各个数字设备之间通信更加稳定和迅速，能更好协同工作。
一种数字家庭无线网络系统

[发明专利]一种复杂网络通用仿真系统-CN201510726671.0有效
发明人：顾亦然;许梦馨;黄子轩 -专利权人：南京邮电大学
申请日： 2015-10-30 - 公布日： 2019-01-01 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种复杂网络通用仿真系统，该系统的整体架构主要分为三层：第一层为基础层，主要包括网络CNet类和节点CNode类；第二层为功能层，包含了复杂网络仿真分析所需具备的所有基础功能；第三层为应用层，即用户能直接进行操作的各应用模块。第一层网络CNet类和节点CNode类分别封装了网络和节点的属性、方法；第三层的各应用模块包含文件操作模块、网络生成模块、参数计算模块、K‑Shell分解模块、社团划分模块及传播模型模块，分别由第二层各项基础功能组合实现
一种复杂网络通用仿真系统

[发明专利]一种基于深度卷积网络的水鸟图像识别特征融合模型系统及方法-CN202110086080.7在审
发明人：周脚根;张彩云;汪洋;谢俊毅;张昀泽 -专利权人：淮阴师范学院
申请日： 2021-01-22 - 公布日： 2021-05-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度卷积网络的水鸟图像识别特征融合模型系统及方法，包括鸟类外形特征提取模块、初级卷积层模块、卷积组合层模块、底层网络特征提取模块、特征向量连接处理层、全连接特征层与分类层模块，所述鸟类外形特征提取模块与初级卷积层模块连接，所述初级卷积层模块与卷积组合层模块连接，所述底层网络特征提取模块与卷积组合层模块连接，所述底层网络特征提取模块与特征向量连接处理层连接，所述全连接特征层与特征向量连接处理层连接，所述分类层模块与全连接特征层连接本发明涉及水鸟图像识别技术领域，具体是提供了一种基于深度卷积网络的水鸟图像识别特征融合模型系统及方法，可精准识别全球主要水鸟物种。
一种基于深度卷积网络水鸟图像识别特征融合模型系统方法

[发明专利]一种全神经网络的全数字相干接收系统-CN202211039888.0在审
发明人：黄夏涛;张静;黄方方;许渤;邱昆 -专利权人：电子科技大学
申请日： 2022-08-29 - 公布日： 2023-01-10 - 主分类号： H04B10/61 文献下载
摘要：本发明提供一种全神经网络的全数字相干接收系统，采用全神经网络结构，包括IQ不平衡与正交化层、色散补偿层、非线性补偿层、时钟恢复层、偏振解复用层、频偏估计补偿层和载波相位恢复层；IQ不平衡与正交化层为单层神经网络；色散补偿层由串并转换模块、卷积神经网络、并串转换模块构成；非线性补偿层由串并转换模块、卷积层、全连接层和并串转换模块构成；时钟恢复层为单层神经网络；偏振解复用层由串并转换模块、卷积神经网络和并串转换模块构成；频偏估计层、载波相位补偿层为单层神经网络。本发明将基于全神经网络的相干接收算法替代传统的相干接收机算法，在网络训练过程中自适应调节算法参数，提升算法补偿系统损伤的有效性。
一种神经网络数字相干接收系统

[发明专利]基于聚合神经网络的TAVR术后并发症风险值预测方法-CN202111538987.9有效
发明人：李奕明;章毅;贾宇恒;王建勇;冯沅;洛桑嘎登;李汶键;陈茂 -专利权人：四川大学
申请日： 2021-12-15 - 公布日： 2023-06-30 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及人工智能的深度神经网络技术领域，涉及一种基于聚合神经网络的TAVR术后并发症风险值预测方法，其目的在于提供了一种基于聚合神经网络的TAVR术后并发症风险值预测方法，其构建的聚合神经网络模型包括术前模块、术中模块以及术后模块的聚合神经网络模型，术前模块、术中模块以及术后模块均包括输入层、隐藏层和输出层，每个隐藏层均包括全连接层、批归一化层以及非线性激活函数层；术前模块的隐藏层与术中模块的隐藏层连接，术中模块的隐藏层与术后模块的隐藏层连接；通过本申请的神经网络模型，能够分阶段的给出术后并发症的概率值，提高术后风险的预测精度。
基于聚合神经网络 tavr 术后并发症风险预测方法

[发明专利]神经网络模型优化方法及相关设备-CN202111100770.X在审
发明人：孙云霄;周彧聪;钟钊 -专利权人：华为技术有限公司
申请日： 2021-09-18 - 公布日： 2023-03-24 - 主分类号： G06N3/0464 文献下载
摘要：本方法通过处理第一神经网络模型得到第二神经网络模型，第二神经网络模型包括优化注意力层和至少两个在前网络层。其中，优化质询Query特征变换模块的输入是根据优化注意力层的至少一个在前网络层的输出特征得到的；优化键Key特征变换模块的输入是根据优化注意力层的至少一个在前网络层的输出特征得到的；优化值Value特征变换模块的输入是根据优化注意力层的至少一个在前网络层的输出特征得到的；优化质询Query特征变换模块、优化键Key特征变换模块、优化值Value特征变换模块中的至少一个特征变换模块的输入是根据优化注意力层的至少一个非相邻在前网络层的输出特征得到的。该方法增强了第二神经网络模型的表达能力。
神经网络模型优化方法相关设备

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