“输入神经网络 ”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2234503个，建议您升级VIP下载更多相关专利

[发明专利]应用神经网络的综合性智能深度学习方法-CN202010407041.8在审
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-05-14 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种应用神经网络的综合性智能深度学习方法,神经网络包括输入神经网络层和输出神经网络层，输入神经网络层和输出神经网络层之间存在呈递进排列的多层隐含神经网络层，输入神经网络层包含若干输入神经元，隐含神经网络层包含若干隐含神经元，输出神经网络层包含若干输出神经元，每个输入神经元为一个单元神经网络经过深度学习后得出的单元结果值，单元神经网络包括单元输入层和单元输出层，单元输入层与单元输出层之间存在呈递进排列的多层单元隐含层，由单元输出层推断出单元结果值，单元输入层包含若干单元输入神经元，单元隐含层包含若干单元隐含神经元，单元输出层包含若干单元输出神经元。
应用神经网络综合性智能深度学习方法

[发明专利]神经网络运算方法及相关装置-CN202010085465.7在审
发明人：不公告发明人 -专利权人：上海寒武纪信息科技有限公司
申请日： 2020-02-01 - 公布日： 2020-06-09 - 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运算方法及相关装置，包括：多个神经网络运算核，其中，多个神经网络运算核中的每个包括：神经元选数模块，用于接收多个输入神经元，获取多个输入神经元的输入神经元索引序列和权值索引序列，依据所述输入神经元索引序列和所述权值索引序列确定目标输入神经元和目标权值索引；神经网络功能模块，用于接收目标输入神经元和目标权值索引；并依据所述目标权值索确定目标权值，依据所述目标权值对所述目标输入神经元进行计算，得到输出神经元；神经元过滤器，用于接收所述神经网络功能模块的所述输出神经元，对所述输出神经元进行过滤，得到过滤后的输出神经元。实施本申请实施例具有提高神经网络计算速率的优点。
神经网络运算方法相关装置

[发明专利]应用神经网络深度学习的整体性智能识别方法-CN202010407034.8在审
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-05-14 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种应用神经网络深度学习的整体性智能识别方法，神经网络包括输入神经网络层和输出神经网络层，输入神经网络层和输出神经网络层之间存在呈递进排列的多层隐含神经网络层，输入神经网络层包含若干输入神经元，隐含神经网络层包含若干隐含神经元，输出神经网络层包含若干输出神经元，整体性智能识别方法包括以下内容：A、深度学习方法；B、识别方法。
应用神经网络深度学习整体性智能识别方法

[发明专利]用于近似深入神经网络以用于解剖对象检测的方法和系统-CN201610296717.4有效
发明人： D.科马尼丘;B.乔治斯库;J.克雷奇默;N.莱;刘大元;H.阮;V.K.辛格;郑冶枫;周少华 -专利权人：西门子保健有限责任公司
申请日： 2016-05-06 - 公布日： 2019-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及用于近似深入神经网络以用于解剖对象检测的方法和系统。深入神经网络被训练成检测医学图像中的解剖对象。计算经训练的深入神经网络的近似，该近似减少经训练的深入神经网络的计算复杂性。使用经训练的深入神经网络的近似在患者的输入医学图像中检测解剖对象。
用于近似深入神经网络解剖对象检测方法系统

[发明专利]用于近似深入神经网络以用于解剖对象检测的方法和系统-CN201910342258.2有效
发明人： D.科马尼丘;B.乔治斯库;J.克雷奇默;N.莱;刘大元;H.阮;V.K.辛格;郑冶枫;周少华 -专利权人：西门子保健有限责任公司
申请日： 2016-05-06 - 公布日： 2023-09-01 - 主分类号： G06F18/2433 文献下载
摘要：本发明涉及用于近似深入神经网络以用于解剖对象检测的方法和系统。深入神经网络被训练成检测医学图像中的解剖对象。计算经训练的深入神经网络的近似，该近似减少经训练的深入神经网络的计算复杂性。使用经训练的深入神经网络的近似在患者的输入医学图像中检测解剖对象。
用于近似深入神经网络解剖对象检测方法系统

[发明专利]神经网络运算设备和方法-CN202010526360.0在审
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2017-12-11 - 公布日： 2020-10-02 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种神经网络处理模块，其映射单元接收到输入神经元和权值后，对该输入神经元和/或权值进行处理，以得到处理后的输入神经元和处理后的权值；神经网络处理模块的运算单元对处理后的输入神经元和处理后的权值进行人工神经网络运算采用本发明实施例可减少装置的额外开销，并减小访问量，提高了神经网络运算效率。
神经网络运算设备方法

[发明专利]神经网络运算设备和方法-CN201711315639.9有效
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2017-12-11 - 公布日： 2020-05-22 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种神经网络处理模块，其映射单元接收到输入神经元和权值后，对该输入神经元和/或权值进行处理，以得到处理后的输入神经元和处理后的权值；神经网络处理模块的运算单元对处理后的输入神经元和处理后的权值进行人工神经网络运算采用本发明实施例可减少装置的额外开销，并减小访问量，提高了神经网络运算效率。
神经网络运算设备方法

[发明专利]神经网络运算设备和方法-CN201711343478.4有效
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2017-12-11 - 公布日： 2020-03-10 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种神经网络处理模块，其映射单元接收到输入神经元和权值后，对该输入神经元和权值进行处理，以得到处理后的输入神经元和处理后的权值；神经网络处理模块的运算单元对处理后的输入神经元和处理后的权值进行人工神经网络运算采用本发明实施例可减少装置的额外开销，并减小访问量，提高了神经网络运算效率。
神经网络运算设备方法

[发明专利]神经网络运算设备和方法-CN201711343477.X有效
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2017-12-11 - 公布日： 2020-05-19 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种神经网络处理模块，其映射单元接收到输入神经元和权值后，对该输入神经元和权值进行处理，以得到处理后的输入神经元和处理后的权值；神经网络处理模块的运算单元对处理后的输入神经元和处理后的权值进行人工神经网络运算采用本发明实施例可减少装置的额外开销，并减小访问量，提高了神经网络运算效率。
神经网络运算设备方法

[发明专利]合作地训练和/或使用单独的输入和后续内容神经网络以进行信息检索-CN201880012586.X在审
发明人：布莱恩·斯特罗普;宋云轩;马修·亨德森;拉米·阿尔-尔富;雷蒙德·库茨魏尔 -专利权人：谷歌有限责任公司
申请日： 2018-02-15 - 公布日： 2019-11-12 - 主分类号： G06N3/04 文献下载
摘要：所述相关性模型包括输入神经网络模型和后续内容神经网络模型。所述输入神经网络模型和所述后续内容神经网络模型可以是分离的，但是被合作地训练和/或使用。所述输入神经网络模型和所述后续内容神经网络模型可以是“分离的”，因为单独的输入被应用于所述神经网络模型，并且所述神经网络模型中的每一个均用于基于其应用的输入来生成它自己的特征向量。然后可执行基于所述单独的网络模型生成的所述特征向量的比较，其中所述比较指示应用于所述输入神经网络模型的所述输入与应用于所述后续内容神经网络模型的所述单独的输入的相关性。
神经网络模型后续内容输入神经网络信息检索特征向量计算机可读介质应用神经网络网络模型指示应用可执行合作

[发明专利]应用神经网络深度学习的智能测判方法-CN202010407547.9在审
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-05-14 - 公布日： 2020-09-01 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种应用神经网络深度学习的智能测判方法，神经网络包括输入神经网络层和输出神经网络层，输入神经网络层和输出神经网络层之间存在呈递进排列的多层隐含神经网络层，输入神经网络层包含若干输入神经元，隐含神经网络层包含若干隐含神经元，输出神经网络层包含若干输出神经元，智能测判方法包括以下内容：A、深度学习方法；B、测判方法。
应用神经网络深度学习智能方法

[发明专利]一种卷积神经网络处理方法、装置、设备及存储介质-CN201811627040.3有效
发明人：易松松;熊祎 -专利权人：广州市百果园信息技术有限公司
申请日： 2018-12-28 - 公布日： 2021-03-23 - 主分类号： G06N3/063 文献下载
摘要：本发明公开了一种卷积神经网络处理方法、装置、设备及存储介质。该方法包括：获取卷积神经网络的原始权值矩阵和原始输入神经元矩阵，对原始权值矩阵依次进行Winograd变换和量化处理，得到目标权值矩阵，以及，对原始输入神经元矩阵依次进行量化处理和Winograd变换，得到目标输入神经元矩阵，根据目标权值矩阵和所述目标输入神经元矩阵，得到卷积神经网络的输出神经元矩阵。本发明实施例实现了通过Winograd变换降低卷积神经网络的时间复杂度，以及通过量化处理降低卷积神经网络的数据位宽，进而提高了卷积神经网络的计算速度。
一种卷积神经网络处理方法装置设备存储介质

[实用新型]一种立体式神经网络深度学习模型-CN202023175201.5有效
发明人：戚意强;李博;张淞源 -专利权人：青岛翰林汇力科技有限公司
申请日： 2020-12-24 - 公布日： 2021-09-24 - 主分类号： G06N3/06 文献下载
摘要：本实用新型提供一种立体式神经网络深度学习模型，包括若干板和若干指引线，指引线上穿设箭头，指引线与板通过装配组件相连接，若干板分成多个单元输入板、多个单元隐含板、多个单元输出板、多个单元结果板，还分成一个输入神经网络板、多个隐含神经网络板、一个输出神经网络板和一个最终结果板，单元输入板上排列凸设若干单元输入神经元凸起，单元隐含板上排列凸设若干单元隐含神经元凸起，单元输出板上排列凸设若干单元输出神经元凸起，输入神经网络板上排列凸设若干输入神经元凸起，隐含神经网络板上排列凸设若干隐含神经元凸起，输出神经网络板上排列凸设若干输出神经元凸起。
一种立体神经网络深度学习模型

[发明专利]神经网络运算模块和方法-CN201810042043.4有效
发明人：不公告发明人 -专利权人：中科寒武纪科技股份有限公司
申请日： 2017-12-11 - 公布日： 2020-08-04 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种神经网络处理装置，其映射单元接收输入神经元的连接关系数据和权值的连接关系数据后，根据输入神经元的连接关系数据和权值的连接关系数据获取处理后的输入神经元和处理后的权值；神经网络处理装置的运算单元对处理后的输入神经元和处理后的权值进行人工神经网络运算采用本发明实施例可减少装置的额外开销，并减小访问量，提高了神经网络运算效率。
神经网络运算模块方法

[发明专利]一种利用神经网络提高激光祛斑效果的方法-CN201910268033.7在审
发明人：张颂;蔡辉 -专利权人：北京大学第三医院（北京大学第三临床医学院）
申请日： 2019-04-03 - 公布日： 2019-07-16 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种利用神经网络提高激光祛斑效果的方法，包括以下步骤：进入神经网络训练学习前的参数采集阶段：将患者患处信息作为神经网络训练学习前的输入参数，将医生经验治疗方案作为神经网络训练学习前的输出参数；进入神经网络训练学习阶段：神经网络根据已知的输入参数和输出参数进行训练学习、学习结果作为神经网络使用阶段的隐含层数据；进入神经网络完成训练学习后的使用阶段：新的患者需要治疗时，只需要将该患者患处信息输入到已经完成训练学习的神经网络，该神经网络根据输入层新的信息自动匹配隐含层已知学习结果，并在输出层输出近似于医生经验治疗方案的治疗参数。
神经网络神经网络训练训练学习患者患处使用阶段输出参数输入参数学习结果医生经验祛斑效果治疗隐含层激光输出层输出参数采集工作效率患者需要信息输入学习阶段自动匹配满意度输入层学习近似

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