“超盒迭代粒”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1522738个，建议您升级VIP下载更多相关专利

[发明专利]一种超盒迭代粒驱动的粒模型、建立方法及应用-CN202310497044.9在审
发明人：王涵申;卢伟;张立勇;孙长海 -专利权人：大连理工大学
申请日： 2023-05-05 - 公布日： 2023-08-01 - 主分类号： G06F30/25 文献下载
摘要：本发明提出一种超盒迭代粒驱动的粒模型建立方法，包括获得实验数据集，根据实验数据集中的实验输出数据对输出空间划分成多个相互不重叠的区间；将多个相互不重叠的区间投影到输入空间中，得到多个输入子空间；采用信息粒度控制的迭代粒度方法，对每个输入子空间进行迭代粒化得到超盒信息粒，使用适应度函数量化实验输入数据与超盒信息粒两者的匹配程度，使在输入空间中得到了一系列具有置信水平的输入超盒信息粒；通过合理粒度原理对每个超盒信息粒覆盖的输入数据相关的输出数据进行分组和细化，得到三角模糊信息粒；使用“IF‑THEN”原则，将输入超盒信息粒与三角模糊信息粒连接，建立粒模型。本发明构建的粒模型有更精确的数值和更理想的颗粒输出。
一种超盒迭代粒驱动模型建立方法应用

[发明专利]一种基于模糊最小最大神经网络的自演化分类方法-CN202011385710.2在审
发明人：黄玮;孙明曦;王劲松 -专利权人：天津理工大学
申请日： 2020-11-28 - 公布日： 2021-03-09 - 主分类号： G06K9/62 文献下载
摘要：一种基于模糊最小最大神经网络的自演化分类方法，该方法包括：首先，将数据集分为训练样本集和测试样本集，将训练样本集中各个样本以自身为中心创建超盒，获得初始超盒集；然后将超盒进行三步迭代操作，通过划分重叠超盒和无重叠超盒，对重叠超盒根据类别进行扩展或收缩操作，直至超盒集中不存在重叠超盒，获得最终超盒集；最后利用最终超盒集对测试样本集中的样本进行分类，输出最终的分类结果。该方法能够更加准确地对超盒进行划分，提高了分类精度。此外，传统方法中样本逐个输入，其输入顺序对超盒的划分有很大影响，该方法从整体考虑，使得其不再受输入顺序的影响。
一种基于模糊最小最大神经网络演化分类方法

[发明专利]信息推荐方法、装置、服务器及存储介质-CN201911206442.0有效
发明人：赵沛霖;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-11-29 - 公布日： 2021-02-12 - 主分类号： G06N20/00 文献下载
摘要：其中，该信息推荐方法包括：获取超参数性能数据集；对所述超参数性能数据集进行迭代更新，确定超参数集；在每次迭代过程中，确定当前次迭代中的选取参数，根据所述选取参数从预设的采集函数集中选取一个目标采集函数，根据当前次迭代中的超参数性能数据集，使所述目标采集函数达到预设阈值，得到当前次迭代中的超参数，并将所述超参数添加至所述超参数集中；在迭代结束时，从所述超参数集中确定最优超参数；根据所述最优超参数进行信息推荐
信息推荐方法装置服务器存储介质

[发明专利]调参方法、装置及存储介质-CN201810473912.9在审
发明人：徐茜;屠要峰;高洪;陈小强;李忠良 -专利权人：南京中兴软件有限责任公司
申请日： 2018-05-17 - 公布日： 2018-11-06 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种调参方法、装置及存储介质，所述方法包括：根据预设的迭代训练次数n，对超参数的取值进行卷积神经网络模型的迭代训练；确定所述超参数的取值在每次迭代训练中的超参数价值；将所述n次迭代训练得到的超参数价值中的最大超参数价值所对应的取值作为所述超参数的最优取值本发明有效地提高卷积神经网络模型中最优超参数的决策速度。
迭代训练卷积神经网络存储介质有效地预设决策

[发明专利]基于费雪向量的自适应合成孔径雷达图像超像素分割方法-CN202010380485.7有效
发明人：李刚;王学谦;刘瑜 -专利权人：清华大学;中国人民解放军海军航空大学
申请日： 2020-05-08 - 公布日： 2021-09-24 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于费雪向量的自适应合成孔径雷达图像超像素分割方法，包括以下步骤：对输入合成孔径雷达图像进行设置，并初始化参数，迭代更新像素标签、更新超像素中心、更新特征权重；判断迭代次数是否达到最大迭代次数，若是，在停止迭代，若不是，则返回更新像素标签步骤继续迭代；消除超像素中的过小超像素；输出超像素分割结果。实现了更高的超像素分割性能，提升了边界召回率，降低了误分割率，有助于后续的SAR图像中基于超像素的目标检测和识别性能的提升。
基于向量自适应合成孔径雷达图像像素分割方法

[发明专利]陶瓷结合剂超硬磨料砂轮-CN201880065784.2有效
发明人：网野修一;石津智广 -专利权人：联合材料公司
申请日： 2018-09-18 - 公布日： 2022-05-13 - 主分类号： B24D3/14 文献下载
摘要：这种陶瓷结合剂超硬磨料砂轮具有芯部以及设置在芯部上的超硬磨粒层，其中：超硬磨粒层包含多个超硬磨粒和将多个超硬磨粒结合在一起的陶瓷结合剂；陶瓷结合剂包含多个结合剂桥，该结合剂桥位于多个超硬磨粒之间以将多个超硬磨粒结合在一起；至少80％的多个超硬磨粒通过结合剂桥结合到相邻的超硬磨粒上；并且在穿过超硬磨粒层的截面中，至少90％的多个结合剂桥的厚度最大为超硬磨粒的平均粒径，并且长度大于该厚度。
陶瓷结合剂超硬磨料砂轮

[发明专利]超参数的确定方法、装置、设备、存储介质以及计算机程序产品-CN202110655240.5在审
发明人：杨馥魁 -专利权人：北京百度网讯科技有限公司
申请日： 2021-06-11 - 公布日： 2021-08-27 - 主分类号： G06K9/00 文献下载
摘要：本公开提供了一种超参数的确定方法、装置、设备、存储介质以及计算机程序产品，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，可应用于智慧城市和智慧金融场景下。该方法的一具体实施方式包括：利用以下步骤进行迭代处理，直至满足迭代结束条件：确定候选超参数组；利用候选超参数组对模型进行训练，得到训练后的模型以及模型精度；基于候选超参数组与模型精度确定高斯过程函数；基于高斯过程函数确定新的候选超参数组；以及响应于满足迭代结束条件，从迭代过程产生的所有候选超参数组中确定目标超参数组。该实施方式无需手动调节超参数，省时省力，也提升了确定超参数的效率。
参数确定方法装置设备存储介质以及计算机程序产品

[发明专利]超硬磨料砂轮-CN201680013176.8有效
发明人：星加昌则;山崎光;小寺泽裕久;福岛健二 -专利权人：联合材料公司
申请日： 2016-09-08 - 公布日： 2019-03-22 - 主分类号： B24D3/00 文献下载
摘要：一种超硬磨料砂轮，其具有超硬磨粒层，其中超硬磨粒被结合剂固定，并且超硬磨粒层中的超硬磨粒所占据的面积比率为20％至70％。
磨料砂轮

[发明专利]超磨粒线状锯卷绕结构、超磨粒线状锯切断装置以及超磨粒线状锯的卷绕方法-CN200480028662.4有效
发明人：仲井正德;山中正明;石飞良纯 -专利权人：联合材料公司
申请日： 2004-06-03 - 公布日： 2006-11-15 - 主分类号： B24B27/06 文献下载
摘要：一种超磨粒线状锯卷绕结构，具有以平均直径D形成的超磨粒线状锯(10)，和卷轴(1)。超磨粒线状锯(10)，具有芯线(11)，和包围芯线(11)的表面的结合材(12)，和通过结合材(12)而结合于芯线(11)的表面的多个超磨粒(13)。向加工物依次抽出的超磨粒线状锯(10)，在一端(3)和另一端(4)之间往复，同时多层地卷绕于外周面(2)。超磨粒线状锯(10)在一端(3)和另一端(4)之间卷绕于外周面(2)的间距(P)，满足D＜P＜2D的关系。根据本发明，能够提供能够减轻结合材的损伤以及超磨粒的脱落的超磨粒线状锯卷绕结构、超磨粒线状锯切断装置以及超磨粒线状锯的卷绕方法。
超磨粒线状卷绕结构切断装置以及方法

[发明专利]超网络的训练方法和装置-CN202010567105.0在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-19 - 公布日： 2020-10-02 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及人工智能、深度学习和图像处理技术领域，公开了超网络的训练方法和装置。该方法包括构建超网络的搜索空间并初始化超网络；执行迭代训练操作：采用超网络采样器对超网络的搜索空间进行修剪，基于修剪后的搜索空间采样第一子网络；采用样本媒体数据训练第一子网络，基于训练后的第一子网络的参数更新超网络，对迭代计数器的计数值加1；响应于确定迭代计数器的计数值达到预设的计数阈值，基于更新后的超网络以及修剪后的超网络的搜索空间确定第二子网络，测试第二子网络的性能；根据第二子网络的性能更新超网络采样器，响应于确定超网络未达到预设的收敛条件，基于更新后的超网络采样器执行迭代训练操作。该方法提升了超网络的准确性。
网络训练方法装置

[发明专利]树脂结合剂超硬磨粒砂轮及其制造方法-CN200680001534.X无效
发明人：中村畅秀;山崎繁一;吉本昭典;福西利夫 -专利权人：联合材料公司
申请日： 2006-11-22 - 公布日： 2007-12-19 - 主分类号： B24D3/00 文献下载
摘要：本发明目的在于提供一种基体金属和超硬磨粒层的接合强度高的树脂结合剂超硬磨粒砂轮及其制造方法。在基体金属(3)上接合超硬磨粒层(1)而形成的树脂结合剂超硬磨粒砂轮，是将基体金属(3)和超硬磨粒层(1)在它们的临界面上介由铜层进行接合的超硬磨粒砂轮，铜层是利用喷镀处理而形成的。
树脂结合剂超硬磨粒砂轮及其制造方法

[发明专利]超像素采样网络-CN201910333965.5在审
发明人： V·扬帕尼;孙德庆;刘洺堉;J·考茨 -专利权人：辉达公司
申请日： 2019-04-24 - 公布日： 2019-11-08 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种超像素采样网络。超像素采样网络利用耦合到可微分简单线性迭代聚类组件的神经网络从由神经网络输出的一组像素特征来确定像素‑超像素关联。超像素采样网络通过多次迭代计算更新的超像素中心和最终像素‑超像素关联。
像素采样像素神经网络输出关联多次迭代简单线性神经网络网络利用像素特征像素中心网络耦合到迭代聚类更新

[发明专利]基于分层稀疏迭代的单快拍稀疏阵空间角度超分辨方法-CN202311152930.4在审
发明人：邢孟道;薛敏;高悦欣;符吉祥;张金;杨伟超 -专利权人：西安电子科技大学
申请日： 2023-09-08 - 公布日： 2023-10-13 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于分层稀疏迭代的单快拍稀疏阵空间角度超分辨方法，包括：基于单快拍数据获得初始空间角度分辨结果，并估计噪声方差；对空间角度进行网格划分，并计算稀疏约束系数；根据单快拍数据和初始超完备空间角度稀疏基矩阵建立角度超分辨压缩感知模型，并获取该感知模型的代价函数；计算分层迭代加权权系数和分层迭代稀疏基矩阵；根据分层迭代加权权系数、分层迭代稀疏基矩阵以及稀疏约束系数对代价函数进行迭代求解，得到空间角度估计值。该方法可有效利用单快拍数据，突破系统瑞利限，实现单快拍下的空间角度超分辨；且在分层稀疏求解过程中考虑了噪声影响，实现了低信噪比下的高性能空间角度超分辨，提高了雷达探测和识别性能。
基于分层稀疏单快拍空间角度分辨方法

[发明专利]超磨粒固定式线状锯和超磨粒固定式线状锯的制造方法-CN201080050357.0无效
发明人：大谷靖彦;富吉努;萩原康仁;久保宪司;井上纩章;高木俊秀;岛田英明;福元圣士;霜野一裕 -专利权人：株式会社中村超硬
申请日： 2010-10-29 - 公布日： 2012-11-07 - 主分类号： B24D11/00 文献下载
摘要：本发明能够解决以下的任一种问题：在树脂结合法中成为问题的寿命短，在电极沉积法中成为问题的生产力差、成本高，在钎料附着法中成为问题的不使用高碳素钢、没有成本优势，钎料附着后在超磨粒中产生内部应力从而超磨粒容易破裂或缺损；提供寿命长、生产率高、切断加工能力优异的超磨粒固定式线状锯。该超磨砺固定式线状锯具备预固定超磨粒14的钎料层13和用于保持超磨粒14的金属镀层16的2层，钎料层13的厚度为超磨粒14平均粒径的10%以下。预先在线10的表面形成钎料层13，在该钎料层13上使超磨粒14单层分散、附着后，通过熔融、固化表面，形成超磨粒14在其附着面接合的超磨粒预附着的线12，对该超磨粒预附着的线12进行金属镀。
超磨粒固定线状制造方法

[发明专利]一种卷积神经网络的超参优化方法和系统-CN201910318052.6在审
发明人：郑仕链;杨小牛 -专利权人：中国电子科技集团公司第三十六研究所
申请日： 2019-04-19 - 公布日： 2019-07-05 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种卷积神经网络的超参优化方法和系统，方法包括：步骤11：随机产生超参向量，并生成与所述超参向量对应的卷积神经网络；步骤12：利用随机梯度下降算法对各个所述卷积神经网络进行训练并利用测试数据集进行评估；步骤13：根据评估结果更新所述超参向量，并生成新的卷积神经网络，步骤14：利用随机梯度下降算法对所述新的卷积神经网络进行训练；步骤15：判断迭代次数是否等于预设最大迭代次数，如果迭代次数等于预设最大迭代次数，则终止迭代，得到具有最好测试性能的所述新的卷积神经网络；否则，返回至步骤13继续执行。该方案优化效率高，有利于降低卷积神经网络超参搜索的复杂度。
卷积神经网络迭代向量随机梯度下降算法预设测试数据集测试性能方案优化继续执行评估结果随机产生复杂度优化搜索返回评估更新

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