“计算梯度向量”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1624796个，建议您升级VIP下载更多相关专利

[发明专利]基于向量外推的加速迭代正则化超分辨成像方法-CN201711416432.0在审
发明人：李文超;张倩;谭珂;尹浩;张永超;毛德庆;王陈炜;李明辉;黄钰林;杨建宇;武俊杰;张寅;杨海光 -专利权人：电子科技大学
申请日： 2017-12-25 - 公布日： 2018-06-22 - 主分类号： G01S13/89 文献下载
摘要：本发明公开了一种基于向量外推的加速迭代正则化超分辨成像方法。其包括获取正交通道接收的雷达回波并在距离方向上进行脉冲压缩，构造天线方向图卷积矩阵，构造目标函数并计算目标函数梯度，初始化迭代参数并利用目标函数梯度进行方位迭代处理得到目标函数最优求解，判断距离压缩后的回波数据是否处理完毕本发明构造正则化目标函数并计算目标函数梯度，通过在进行迭代收缩阈值处理之前，由向量外推方法根据历史迭代点构造一个预测点来加速迭代过程；同时为减小预测误差，稳定加速度过程，根据相邻矢量的相似性构造了一个自适应调整的预测步长
目标函数正则化迭代向量计算目标函数超分辨成像矩阵目标函数梯度自适应调整迭代参数迭代处理迭代过程迭代收缩构造天线回波数据距离方向距离压缩雷达回波脉冲压缩相邻矢量预测误差运算效率正交通道阈值处理超分辨初始化预测点求解减小算法收敛预测

[发明专利]基于梯度下降法与广义逆的复值神经网络训练方法-CN201710091587.5在审
发明人：桑兆阳;刘芹;龚晓玲;张华清;陈华;王健 -专利权人：中国石油大学（华东）
申请日： 2017-02-20 - 公布日： 2017-06-20 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及一种基于梯度下降法与广义逆的复值神经网络训练方法，步骤一，选择单隐层复值神经网络模型；步骤二，利用梯度下降法和广义逆计算单隐层复值神经网络中的权值矩阵和权值向量，步骤三,根据权值矩阵和权值向量，获取复值神经网络网络参数，进行计算均方误差；将迭代次数加1，返回步骤二。本发明的隐层输入权值是通过梯度下降法迭代产生，输出权值始终通过广义逆来求解。本方法迭代次数少，相应的训练时间短，收敛速度快，并且学习效率高，同时所需的隐层节点个数少。
基于梯度下降广义神经网络训练方法

[发明专利]基于最优仿射队形变换的多机器人动态避障装置及方法-CN202210291561.6有效
发明人：方浩;吴楚;曾宪琳;杨庆凯;陈杰 -专利权人：北京理工大学
申请日： 2022-03-23 - 公布日： 2023-04-11 - 主分类号： G05D1/02 文献下载
摘要：本发明提供一种基于最优仿射队形变换的多机器人动态避障装置，包括梯度跟踪模块，所述梯度跟踪模块包括梯度跟踪变量更新子模块和前馈反馈控制模块；所述梯度跟踪变量更新子模块，用于根据预设的更新律计算所述梯度跟踪变量yi，使得对于所有时间t≥t0，梯度跟踪变量和局部代价函数梯度关于构型矩阵列向量的加权和始终相等，t0表示固定时间；所述前馈反馈控制模块，基于以固定时间速度估计器输出作为前馈，仿射队形约束误差以及梯度跟踪变量作为反馈设计的控制模型，计算所述控制输入，基于所述控制输入对机器人编队进行控制
基于最优队形变换机器人动态装置方法

[发明专利]利用梯度局部熵检测数字图像内容可信度的方法-CN200910021314.9无效
发明人：郑江滨;李哲 -专利权人：西北工业大学
申请日： 2009-02-27 - 公布日： 2009-07-29 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种利用梯度局部熵检测数字图像内容可信度的方法，对RGB彩色图像的三个通道分别使用边缘检测算子进行卷积得到颜色向量(R，G，B)的导数，对图像中每一像素点(x，y)分别计算g_xx，g_yy，g_xy，对图像中每一像素点分别计算梯度方向角θ和梯度幅值F_θ，将梯度幅值图像F_θ作为边缘图像，定义局部信息熵，并对梯度图像求取局部信息熵，将局部熵图像和梯度图像结合起来定位羽化痕迹，对图像可信度进行评价。
利用梯度局部检测数字图像内容可信度方法

[发明专利]一种图像特征的提取方法、终端设备及存储介质-CN201810981215.4有效
发明人：张弓 -专利权人： OPPO广东移动通信有限公司
申请日： 2018-08-27 - 公布日： 2021-02-12 - 主分类号： G06K9/00 文献下载
摘要：本申请适用于图像处理技术领域，提供了一种图像特征的提取方法、终端设备及计算机可读存储介质，所述方法包括：获取待提取图像的初始特征，通过训练样本集中的训练样本对构建的梯度提升树模型进行训练，获得训练后的梯度提升树模型，并提取训练后的梯度提升树模型的中间层叶子节点的特征向量，所述训练样本的标签的类别为目标类别，将所述待提取图像的初始特征和所述特征向量进行融合，获得用于表示所述待提取图像的目标类别的目标特征，通过本申请可以提取到能够有效表征图像的目标特征
一种图像特征提取方法终端设备存储介质

[发明专利]基于流形理论的对抗样本攻击方法及相关装置-CN202111057349.5在审
发明人：张春慨 -专利权人：哈尔滨工业大学（深圳）
申请日： 2021-09-09 - 公布日： 2022-01-14 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于流形理论的对抗样本攻击的方法及相关装置，该方法包括：用数据集训练对抗性自动编码器并得到低维向量数据；利用低维向量数据训练低维空间替代模型；将原始样本的低维向量数据输入训练好的低维空间替代模型，得到最大预测概率标签并计算梯度信息；通过梯度解码策略将梯度信息解码到原始空间上生成对抗样本；利用置信度重排序策略对低维空间替代模型输出的各类别标签置信度进行处理，得到预期各类别标签置信度，将对抗样本输入目标模型
基于流形理论对抗样本攻击方法相关装置

[发明专利]一种永磁同步电机标定方法-CN202010784306.6有效
发明人：朱相军;赵娜飞;饶健;买晢旭;许美坤 -专利权人：东风汽车集团有限公司
申请日： 2020-08-06 - 公布日： 2022-04-29 - 主分类号： H02P21/20 文献下载
摘要：该方法包括以下步骤：S1：确定标定起始点的坐标，分别对标定起始点中的电流的d轴分量和q轴分量进行单分量调节，获取扭矩随电流变化的d轴和q轴的梯度向量；S2：根据扭矩的d轴、q轴的梯度向量和目标扭矩差计算出测试电流；S3：根据测试电流以及d轴和q轴的梯度向量，确定电流矢量角度；S4：以所述测试电流、电流矢量角度和对应的扭矩作为下一起始点的坐标，标定下一电流矢量角度。
一种永磁同步电机标定方法

[发明专利]基于伴随方程的RCS敏感度及设计变量梯度计算方法-CN202310508896.3在审
发明人：周琳;黄江涛;陈宪;邓俊;钟世东;刘刚 -专利权人：中国空气动力研究与发展中心空天技术研究所
申请日： 2023-05-08 - 公布日： 2023-08-15 - 主分类号： G06F30/15 文献下载
摘要：本发明属于飞行器外形隐身设计计算技术领域，公开了基于伴随方程的RCS敏感度及设计变量梯度计算方法，包括S1、基于自动微分技术对阻抗矩阵、激励向量偏导数的计算；S2、基于稀疏矩阵存储技术对阻抗矩阵偏导数的存储；S3、基于伴随方程对表面敏感度的计算；S4、基于表面敏感度对设计变量梯度的计算；本发明能够计算得到RCS的表面敏感度，实现RCS表面敏感度的可视化；而且该方法将基于自动微分法的阻抗矩阵偏导数求解嵌入阻抗矩阵并行填充循环中，对于任意数量设计变量和入射角度，仅需进行一次阻抗矩阵、阻抗矩阵偏导数求解，使RCS梯度计算时间与设计变量数无关。
基于伴随方程 rcs 敏感度设计变量梯度计算方法

[发明专利]一种基于GRU的递归神经网络多标签学习方法-CN201810112481.3在审
发明人：王磊;翟荣安;王毓;王纯配;刘晶晶;王飞;于振中;李文兴 -专利权人：哈工大机器人（合肥）国际创新研究院
申请日： 2018-02-05 - 公布日： 2018-07-24 - 主分类号： G06K9/62 文献下载
摘要：，所述方法包括以下步骤：步骤S1：初始化系统参数θ＝(W,U,B)；步骤S2：输入样例计算各时刻RNN输出隐状态hT，其中，样例yi是样例xi的多标签向量，步骤S3：计算上下文向量hT以及输出层输出zi；步骤S4：计算预测输出计算损失Li，确定目标函数J；步骤S5：根据梯度下降法和BPTT算法求解θ＝(W,U,B)的梯度；步骤S6：确定学习率η，更新各权值梯度W＝W‑η·δW；步骤S7：判断神经网络是否达到稳定本发明能充分利RNN获取样例的有效特征表示，提高多标签分类的准确率，并且反向传播时不容易出现梯度消失问题。
递归神经网络标签初始化系统上下文向量输出层输出标签分类标签向量迭代更新反向传播模型参数目标函数神经网络输出计算输出优化有效特征下降法准确率求解取样算法学习输出返回预测更新

[发明专利]推荐系统中基于矩阵分解的并行随机梯度下降方法-CN201911061727.X有效
发明人：顾宁;龚志霖;李东胜;卢暾;张鹏 -专利权人：复旦大学
申请日： 2019-11-01 - 公布日： 2023-04-07 - 主分类号： G06F17/16 文献下载
摘要：本发明属于推荐技术领域，具体为推荐系统中基于矩阵分解的并行随机梯度下降方法。本发明根据用户历史评分数据对未评分数据进行预测，采用混合交替更新的方式使其在高度并行的情况下依然保持良好的准确性；通过递归地将评分矩阵分成2×2的子矩阵，先并行处理左上角和右下角子矩阵，再并行处理右上角和左下角的子矩阵，避免了训练数据导致的参数向量依赖问题；在更新过程中固定一个参数向量求解另一个参数向量，解除了计算时的参数向量之间的依赖关系，降低了并行造成的精度损失。本发明通过引入混合交替更新的方式，解决了并行随机梯度下降算法在矩阵分解场景下参数向量更新时依赖的问题，并具有良好的准确性和扩展性。
推荐系统基于矩阵分解并行随机梯度下降方法

[发明专利]M通道过采样图滤波器组的分布式信号重构方法及系统-CN202211483071.2在审
发明人：蒋俊正;刘欣怡;钱江 -专利权人：电子科技大学长三角研究院（湖州）
申请日： 2022-11-24 - 公布日： 2023-03-28 - 主分类号： G06F18/10 文献下载
摘要：本发明公开一种M通道过采样图滤波器组的分布式信号重构方法及系统，该方法通过截断运算符矩阵将信号重构问题转化成一系列的局部优化问题的集合，然后采用分布式共轭梯度方法求解局部优化问题，得到局部步长值和局部增量值并进行数据融合，以更新重构图信号向量、残差向量和搜索方向向量；最后通过迭代过程减少误差，得到重构信号的最优解；该系统中网络上的每个节点都具有独立的计算和通信能力，并且都参与系统分析和处理信号的任务。本方法避免了计算矩阵逆的问题，在共轭梯度迭代中分布式计算步长值和增量值，使得滤波器组的信号重构过程可以在分布式系统上以完全分布式的方式实现，有效降低了计算复杂度，增强了系统的鲁棒性，适用于分析和处理网络上的大规模节点图信号
通道采样滤波器分布式信号方法系统

[发明专利]矩形目标物检测方法-CN201610514128.9在审
发明人：杨长水;张紫薇;解晓东;贾惠柱;陈瑞 -专利权人：北京大学
申请日： 2016-06-30 - 公布日： 2016-11-23 - 主分类号： G06T7/00 文献下载
摘要：一种矩形目标物检测方法，包括如下步骤：提取样本特征；获取根滤波器；获取部件滤波器；模型检测；进行梯度搜索计算从而精确定位检测框。对支持向量机和隐藏变量支持向量机的训练保证了检测的高精确率，使用隐藏变量支持向量机训练部件滤波器也使得一些细节方面的信息不容易被丢失，极大的提高了检测的正确率和召回率。使用梯度搜索计算对检测框进行调整也弥补了检测框不完全框选目标物的情况，使得目标物的位置更精确和完整。
矩形目标检测方法

[发明专利]多任务联合训练模型方法、系统、电子设备和存储介质-CN202110134399.2在审
发明人：蔡怡蕾;郑悦;景艳山 -专利权人：上海明略人工智能（集团）有限公司
申请日： 2021-01-29 - 公布日： 2021-05-07 - 主分类号： G06F30/27 文献下载
摘要：本申请涉及一种多任务联合训练模型方法、系统、电子设备和存储介质，其中，该方法包括：各参与方分别根据己方的特征进行建模，并得到对应的特征向量；各参与方将其特征向量发送至除己方以外的其他任务方；各任务方根据己方的子任务，结合所接收的各特征向量，再次进行建模，计算己方的损失值并发送至第三方；第三方将所有任务方的各损失值进行加权求和得到整体模型的总损失值；第三方根据各损失值计算梯度并返回至各对应参与方；各参与方根据各梯度更新己方模型
任务联合训练模型方法系统电子设备存储介质

[发明专利]一种基于广义光度立体模型的三维重建方法-CN202110103499.9有效
发明人：彭嫚;万文辉;王晔昕;刘召芹;邸凯昌 -专利权人：中国科学院空天信息创新研究院
申请日： 2021-01-26 - 公布日： 2023-05-05 - 主分类号： G06T7/586 文献下载
摘要：本发明属于图像三维重建技术领域，涉及一种基于广义光度立体模型的三维重建方法，包括以下步骤：S1获取相机影像成像时的姿态，并根据姿态计算物体表面各像素点的法向量；S2根据成像时的入射光线矢量和法向量建立影像对应的辐射方程；S3根据辐射方程求解各像素点高程的梯度值；S4根据高程的梯度，对向量场求解物体表面的高程信息，并根据高程信息建立物体的三维结构。其能解决传统光度立体三维重建方法中局限于正射投影的问题，扩大光度立体成像在计算机视觉中的应用领域，提高物体三维重建的精度。
一种基于广义光度立体模型三维重建方法

[发明专利]一种凸核组合支持向量机的二阶锥规划计算方法-CN201210487474.4在审
发明人：贾磊 -专利权人：中国航天科工集团第三研究院第八三五七研究所
申请日： 2012-11-26 - 公布日： 2014-06-04 - 主分类号： G06K9/62 文献下载
摘要：本发明属于模式识别与人工智能领域，具体涉及一种凸核组合支持向量机的二阶锥规划计算方法。本发明的方法包括以下步骤：输入样本数据及标号集，设定变量初值、预设容忍度及初始海森矩阵；添加自由变元，生成二阶锥约束；求解最小化问题；若有当前目标函数梯度的下降值小于预设的收敛容忍度，则步骤终止，得到分类结果本发明解决了现有凸核组合支持向量机计算方法计算复杂度过大、计算效率过低的技术问题；可有效降低凸核组合支持向量机的计算复杂度，显著提高计算效率。
一种组合支持向量二阶锥规划计算方法