“训练模块”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2208693个，建议您升级VIP下载更多相关专利

[发明专利]神经网络权重编码方法、计算装置及硬件系统-CN201780042640.0有效
发明人：张悠慧;季宇;张优扬 -专利权人：清华大学
申请日： 2017-12-29 - 公布日： 2022-12-27 - 主分类号： G06N3/063 文献下载
摘要：一种用于神经网络的非拼接权重编码方法，包括：权重定点化步骤，将权重矩阵的每个矩阵元素转换为具有预定比特位数的第一数(S210)；误差引入步骤，在所述第一数中引入具有预定标准差的噪声，获得第二数(S220)；和训练步骤，对以第二数表示的权重矩阵进行训练，训练至收敛后，再将训练结果作为最终的权重矩阵写入对应表示一个矩阵元素的单个模拟电路器件中(S230)，其中，通过单个模拟电路器件而非多个模拟电路器件的拼接来表示单个矩阵元素
神经网络权重编码方法计算装置硬件系统

[发明专利]基于重加权的采样矩阵求逆非均匀检测器的实现方法-CN201811052066.X有效
发明人：姜磊;王荣兵 -专利权人：中国航天科工集团八五一一研究所
申请日： 2018-09-10 - 公布日： 2022-12-27 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种重加权的采样矩阵求逆非均匀检测器，以改善传统的采样矩阵求逆非均匀检测器的稳健性；具体步骤如下：步骤1，机载雷达接收回波数据进行降维处理，利用降维后的数据作为初始训练样本集，并根据初始训练样本集计算采样协方差矩阵以APR检测统计量为目标函数，计算APR检测统计量的最大值及其对应的样本坐标；步骤3，在非均匀环境下，计算重加权权值，对所述采样协方差矩阵进行重加权；步骤4，基于重加权的采样矩阵求逆检测器剔除所述初始训练样本集中的非均匀样本，得到优化的训练样本集。
基于加权采样矩阵求逆非均匀检测器实现方法

[发明专利]基于多任务全卷积神经网络的人脸网纹污迹去除方法-CN201811487067.7有效
发明人：陈乔松;申发海;陶亚;弓攀豪;曹依依;董广县;蒲柳 -专利权人：重庆邮电大学
申请日： 2018-12-06 - 公布日： 2022-12-27 - 主分类号： G06T5/00 文献下载
摘要：本发明请求保护一种基于多任务全卷积神经网络的人脸网纹污迹去除方法，具体步骤如下：步骤一，利用公共人脸数据集CelebA的清晰人脸图像作为无网纹图像数据集，制作训练集与验证集；步骤二，将网纹图像、真实图像网纹二值mask图像均裁剪成大小为64x64的图像块；步骤三，运用引导滤波，获取人脸网纹图像的细节层信息作为模型输入；步骤四，设计全卷积神经网络，输出残差信息与二值mask网纹判别信息；步骤五，用成对的训练数据优化真实图像、网纹图像与残差信息的损失，以及预测网纹mask与真实网纹mask标签损失，训练模型；步骤六，利用训练得到的模型参数，预测真实场景的测试图像，得到预测的去污图像。
基于任务卷积神经网络人脸网纹污迹去除方法

[发明专利]卷积神经网络的训练方法、焊点缺陷的检测方法及装置-CN201811025886.X有效
发明人：王婷婷 -专利权人：京东方科技集团股份有限公司
申请日： 2018-09-04 - 公布日： 2022-12-27 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种卷积神经网络的训练方法、焊点缺陷的检测方法及装置，通过选用包括多个焊点样本图像的训练样本集合作为训练集，采用包括至少两个不同的损失函数的复合训练损失函数，根据获得的各焊点样本图像的目标特征向量和预先标定的不同缺陷类型对应的缺陷标签
卷积神经网络训练方法点缺陷检测装置

[发明专利]一种用于儿童康复的多感官智能互动物联网数据系统-CN201910672130.2有效
发明人：任恒久 -专利权人：成都市保丽康科技有限公司
申请日： 2019-07-24 - 公布日： 2022-12-30 - 主分类号： G16H40/20 文献下载
摘要：本发明公开了一种用于儿童康复的多感官智能互动物联网数据系统，通过声、光、触觉等对智障儿童进行康复训练，由物联管理系统、PC端管理后台、移动终端、多感官智能设备组成；多感官智能设备用于采集训练数据，通过多功能物联网关传递至物联管理系统；多功能物联网关用于对多感官训练设备进行管理并集成有RF、LORA等无线通信接入方式，用于多感官智能设备以不同的无线通信方式统一接入物联管理系统；PC端管理后台和移动终端通过WIFI/LAN与物联管理系统连接；本发明以儿童康复服务为目的，结合康复设备、康复类专家、各个儿童康复机构等，便于对设备、患者、训练师进行有效管理，为所有终端客户提供专业的康复资源。
一种用于儿童康复感官智能互动联网数据系统

[发明专利]一种基于卷积神经网络的外来植物入侵监测方法和系统-CN202111417719.1有效
发明人：杨铁钢;李思慧;常国荣;李巍巍;李伟;邢洋;张嘉文;蒋姗姗;齐佳慧 -专利权人：通辽市气象台（通辽市气候生态环境监测中心）;通辽市气象卫星遥感中心（高分卫星内蒙古通辽分中心）
申请日： 2021-11-26 - 公布日： 2022-11-15 - 主分类号： G06V20/17 文献下载
摘要：本发明公开了一种基于卷积神经网络的外来植物入侵监测方法和系统，基于无人机按多个预设飞行高度在选定区域进行拍摄并获取目标高光谱图像；根据目标高光谱图像中指定感兴趣区域中各像素点的波段数据生成训练数据集；根据训练数据集对预设卷积神经网络模型进行训练和优化后得到训练完成的目标卷积神经网络模型
一种基于卷积神经网络外来植物入侵监测方法系统

[发明专利]无车牌信息车辆重识别方法、系统、介质、视频监控系统-CN202010282766.9有效
发明人：李洁;陈威;王飞;续拓;张翔宇;焦群翔;刘学文 -专利权人：西安电子科技大学
申请日： 2020-04-12 - 公布日： 2022-11-15 - 主分类号： G06V20/58 文献下载
摘要：本发明属于图像处理技术领域，公开了一种无车牌信息车辆重识别方法、系统、介质、视频监控系统，获取数据集并进行数据集划分、预处理；使用预先训练过的ResNet‑50作为主干网络，进行提取基础特征张量；加入通道注意力机制与空间注意力机制得到新的特征张量；设计四个相对独立的网络分别用于提取更高层次的语意特征；利用交叉熵损失函数和三元组损失函数对车辆整体网络进行训练优化得到训练模型；用训练好的模型对测试图像测试得到重识别初始排序结果；对初始排序结果使用重排序算法再次排序
车牌信息车辆识别方法系统介质视频监控

[发明专利]基于改进遗传算法优化LSTM神经网络的水质预测方法-CN202010818549.7有效
发明人：施佺;包银鑫;曹阳;茅一波;陈海龙;邵叶秦 -专利权人：南通大学
申请日： 2020-08-14 - 公布日： 2022-11-11 - 主分类号： G06Q10/04 文献下载
摘要：由无人巡航船搭载的水质传感器采集养殖池温度、溶氧、pH三种原始特征数据并存至HBase数据库中，利用CDH大数据集群Spark计算组件对原始数据进行预处理；再进行Max‑min标准化，利用标准化后数据集构建训练集和测试集；构建基于改进遗传算法优化LSTM神经网络的水质预测模型，优化确定LSTM神经网络和改进遗传算法的基本结构参数；利用构造的训练集训练模型预测养殖池未来某一时刻的水质数据。本发明在LSTM神经网络中引入遗传算法对神经网络训练的步长进行动态调整，从而降低LSTM神经网络预测水质时的相对误差，提高预测精度。
基于改进遗传算法优化 lstm 神经网络水质预测方法

[发明专利]一种三维断层扫描图像中树状结构分叉关键点的检测方法-CN202011446025.6有效
发明人：冯建江;周杰;谭子萌 -专利权人：清华大学
申请日： 2020-12-11 - 公布日： 2022-11-11 - 主分类号： G06T7/00 文献下载
摘要：该方法在离线阶段获取包含解剖学树状结构的三维断层扫描图像并预处理，对图像进行标注后根据结果生成对应的分叉关键点检测、树状结构分割、分支向量场的预测目标，最终组成训练数据对用于对深度学习网络进行训练，得到训练完毕的网络；在线阶段，获取一张相同类型的图像，利用训练完毕的网络输出该图像对应的分叉关键点热图、树状结构分割概率图与分支向量场的预测结果，应用热图与分割概率图的预测结果计算最终的关键点检测位置。
一种三维断层扫描图像树状结构分叉关键检测方法

[发明专利]一种基于深度学习的空间非合作目标位姿估计方法-CN202011551484.0有效
发明人：佘浩平;杨兴昊;李海超;宋建梅 -专利权人：北京理工大学
申请日： 2020-12-24 - 公布日： 2022-11-11 - 主分类号： G06V10/82 文献下载
摘要：本发明公开一种基于深度学习的空间非合作目标位姿估计方法，一、划分姿态类别区间，生成空间非合作目标图像数据并标注姿态类别标签、姿态数值标签、位置标签，得到空间非合作目标的标注数据集，包括训练集、测试集和验证集；二、基于AlexNet网络构建应用于空间非合作目标位姿估计的神经网络，移除网络末端全连接层后并列连接四个全连接层；三、设计四个分支的损失函数；四、将训练集与验证集输入构建的神经网络中，利用设计的损失函数对网络进行训练，当损失函数收敛至全局最小值时保存神经网络模型；五、利用训练好的神经网络模型对空间非合作目标进行位姿估计；本发明能够通过单摄像机、单幅图像实现对空间非合作目标的位姿估计。
一种基于深度学习空间合作目标估计方法

[发明专利]基于DTC-VAE神经网络的旋转机械健康指标构建方法-CN202110312371.3有效
发明人：秦毅;周江洪;陈定粮;汤宝平 -专利权人：重庆大学
申请日： 2021-03-24 - 公布日： 2022-11-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于DTC‑VAE神经网络的旋转机械健康指标构建方法，包括采集旋转机械全生命周期的振动信号x，计算振动信号x时域和频域特征，根据特征集划分为训练集和测试集，以训练集数据作为输入构建退化趋势约束变分自编码器DTC‑VAE模型，利用优化器AdamOptimizer以DTC‑VAE模型的损失函数最小值为优化目标进行无监督训练；将测试集数据输入训练好的退化趋势约束变分自编码器DTC‑VAE模型中，得到的测试隐变量
基于 dtc vae 神经网络旋转机械健康指标构建方法

[发明专利]一种基于可信网络的目标识别联邦深度学习方法-CN202110394016.5有效
发明人：杨娟;郑艺泽 -专利权人：中国人民武装警察部队警官学院
申请日： 2021-04-13 - 公布日： 2022-11-11 - 主分类号： G06N3/04 文献下载
摘要：局部模型和联邦模型的结构相同，并采用相同的优化算法(如亚当Adam优化器)、传递训练参数(如学习率η，神经网络权重w、损失函数E等)对局部模型和联邦模型进行训练，局部模型和联邦模型采用联邦学习的方式，联合训练一个卷积神经网络，各客户端的训练数据均在本地，“数据不动模型动”。
一种基于可信网络目标识别联邦深度学习方法

[发明专利]训练图像特征提取模型和提取图像特征的方法、装置-CN202110555863.5有效
发明人：魏翔;孙逸鹏;姚锟;韩钧宇;刘经拓;丁二锐 -专利权人：北京百度网讯科技有限公司
申请日： 2021-05-21 - 公布日： 2022-11-11 - 主分类号： G06V10/44 文献下载
摘要：本公开提供了训练图像特征提取模型和提取图像特征的方法、装置，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像处理场景下。具体实现方案为：获取样本集和初始图像特征提取模型；从样本集中选取样本，执行如下训练步骤：将选取的样本的物品图像输入主干模型，得到图像特征向量；将图像特征向量分别与选取的样本的目标类别对应的预定数目的子中心向量计算相似度，并将相似度最大值作为目标类别的相似度；基于目标类别的相似度计算损失值；若损失值小于预定阈值，则确定出初始图像特征提取模型训练完成。通过该实施方式能够提高特征提取模型的训练速度和准确度，减少对精标数据的依赖。
训练图像特征提取模型方法装置

[发明专利]一种参数化的吊装结构疲劳寿命智能预测方法-CN202010791772.7有效
发明人：邵晴 -专利权人：中车长春轨道客车股份有限公司
申请日： 2020-08-08 - 公布日： 2022-11-08 - 主分类号： G06F30/23 文献下载
摘要：本发明涉及一种参数化的吊装结构疲劳寿命智能预测方法，包括以下步骤：(1)选定参数化设计变量，建立参数化的底架吊装结构有限元分析模型；(2)选择拉丁方实验设计方法采样得到n组训练样本；(3)对训练样本进行归一化处理得到训练集；(4)根据训练集建立支持向量机SVM的吊装结构疲劳寿命预测模型；(5)采用改进的粒子群算法IPSO对得到的支持向量机的吊装结构疲劳寿命预测模型中的核函数参数δ和惩罚参数C进行优化，所述改进的粒子群算法
一种参数吊装结构疲劳寿命智能预测方法

[发明专利]一种脑影像数据处理方法、装置、设备以及存储介质-CN202010931424.5有效
发明人：刘鹏;杨光;朴芮庆;曾啸 -专利权人：西安电子科技大学
申请日： 2020-09-07 - 公布日： 2022-11-08 - 主分类号： A61B5/055 文献下载
摘要：本发明公开了一种脑影像数据处理方法、装置、设备以及存储介质，所述方法包括获取待处理的脑影像数据和对照组脑影像数据；对所述待处理的脑影像数据和所述对照组脑影像数据分别进行特征提取，得到第一待检测特征和第一待训练特征；对所述第一待检测特征和所述第一待训练特征分别进行特征选择，得到第二待检测特征和第二待训练特征；根据所述第二待训练特征构建支持向量机分类模型；根据所述第二待检测特征和所述支持向量机分类模型得到处理结果。
一种影像数据处理方法装置设备以及存储介质