“递归神经网络”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936023个，建议您升级VIP下载更多相关专利

[发明专利]一种用于语音识别的时延递归神经网络-CN201811380751.5有效
发明人：刘柏基;张伟彬;徐向民 -专利权人：华南理工大学
申请日： 2018-11-20 - 公布日： 2023-06-20 - 主分类号： G10L15/16 文献下载
摘要：本发明公开了一种用于语音识别的新型时延递归神经网络，包括线性判别分析层、时延神经网络层和深度时延递归神经网络层，线性判别分析层与时延神经网络层最下层连接，深度时延递归神经网络层设置在两个时延神经网络层之间，包括深度神经网络层和时延递归神经网络层，时延递归神经网络层分别与上下两层时延神经网络层连接，深度神经网络层中的普通神经网络结构与时延递归神经网络层中的时延递归神经网络结构对应连接；本发明的一种用于语音识别的新型时延递归神经网络可在保持网络结构简单的同时
一种用于语音识别递归神经网络

[发明专利]一种基于递归神经网络的推荐方法及系统-CN201510718394.9有效
发明人：刘俊涛;王军伟;邓德位 -专利权人：中国船舶重工集团公司第七0九研究所
申请日： 2015-10-30 - 公布日： 2020-11-06 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种基于递归神经网络的推荐方法和系统，其采用递归神经网络模型对用户行为建模并用于推荐系统，通过结合BP算法原理和本发明的神经网络结构，构建针对推荐系统的递归神经网络模型学习方法，根据推荐系统的特点对递归神经网络进行训练，建立独有神经网络结构，从而根据新的神经网络结构为不同用户生成与其兴趣爱好相对应的推荐列表。所述推荐方法和系统通过采用递归神经网络从用户历史行为中学习用户偏好，并据此为用户提供推荐服务。通过递归神经网络特有的递归结构，能够基于时间序列对不同类型的用户行为进行统一表示；且递归神经网络在时间上展开后形成一个深度神经网络结构，能够更精确的表示具有较大随机性的用户行为。
一种基于递归神经网络推荐方法系统

[发明专利]用于解码经编码数据的递归神经网络和系统-CN202080078529.9在审
发明人：罗法隆 -专利权人：美光科技公司
申请日： 2020-10-16 - 公布日： 2022-07-29 - 主分类号： G06N3/063 文献下载
摘要：本文中所描述的实例利用多层神经网络，例如多层递归神经网络以解码经编码数据(例如，使用一或多个编码技术编码的数据)。所述神经网络和/或递归神经网络可具有非线性映射和分布式处理能力，这在采用所述神经网络解码器和/或递归神经网络的许多系统中可为有利的。以此方式，本文中所描述的神经网络或递归神经网络可用于实施错误校正译码(ECC)解码器。
用于解码编码数据递归神经网络系统

[发明专利]基于递归神经网络的油田勘探储量预测方法-CN201810855341.5在审
发明人：赫俊民;张益政;刘昶;隋国华;李玲;盛庆博;高珊珊;王兴谋 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司胜利油田分公司物探研究院
申请日： 2018-07-30 - 公布日： 2018-12-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于递归神经网络的油田勘探储量预测方法，该基于递归神经网络的油田勘探储量预测方法包括：步骤1，获取递归神经网络的基础数据；步骤2，将基础数据进行预处理，得到初步处理的基础数据；步骤3，利用基础数据之间的内在联系，产生递归神经网络建模需要的集成化数据；步骤4，通过上述数据作为递归神经网络的训练数据，得到可供预测的递归神经网络模型；步骤5，在递归神经网络模型中输入预测年度基础数据，产生预测输出。该基于递归神经网络的油田勘探储量预测方法摒弃传统的人为设计预测方程的弊端，利用计算机从大量的历史数据中学习出最适合于该储量数据的预测模型，实现对于油田勘探储量的精确预测。
递归神经网络基础数据油田勘探预测储量预处理初步处理历史数据内在联系人为设计输入预测训练数据预测模型传统的集成化建模输出计算机学习

[发明专利]基于递归神经网络的密码字典生成方法-CN201710793177.5有效
发明人：滕南君;李志远;金敏;龚国良;鲁华祥 -专利权人：中国科学院半导体研究所;中国科学院大学
申请日： 2017-09-06 - 公布日： 2020-05-19 - 主分类号： H04L9/08 文献下载
摘要：本公开提供了一种基于递归神经网络的密码字典生成方法，包括以下步骤：S1，对收集的密码集中的密码数据进行预处理；S2，搭建递归神经网络模型；S3，设置递归神经网络超参数并训练递归神经网络；S4，对训练后的递归神经网络采样输出新密码本公开基于递归神经网络的密码字典生成方法，通过递归神经网络自动提取现有密码的特征，并生成符合提取特征的相似密码，在节省时间和计算成本的基础上，能够显著扩充原有密码字典中的有效密码数量。
基于递归神经网络密码字典生成方法

[发明专利]在硬件中运行双向递归神经网络-CN202210750389.6在审
发明人： B·乔杜里;C·迪基奇;J·罗杰斯;P·席尔瓦 -专利权人：想象技术有限公司
申请日： 2022-06-29 - 公布日： 2022-12-30 - 主分类号： G06N3/063 文献下载
摘要：在硬件中运行双向递归神经网络。一种在硬件中实施用于对输入序列进行运算的双向递归神经网络(BRNN)的方法，BRNN的每一步长都用于对(a)序列的输入、(b)关于序列的后续输入生成的对应后向状态，以及(c)关于序列的先前输入生成的对应前向状态进行运算，方法包括：接收BRNN的表示；将BRNN的表示变换成等价于输入序列上的BRNN的微分神经网络，微分神经网络包括：前向递归神经网络(RNN)，前向递归神经网络用于对序列的输入的前向状态进行运算；和后向递归神经网络(RNN)，后向递归神经网络用于对序列的输入的后向状态进行运算；以及在硬件中实施微分神经网络以便对输入序列执行BRNN。
硬件运行双向递归神经网络

[发明专利]一种活性锰材料制备及控制方法-CN202211362001.1在审
发明人：陈红花;吴隐;黄其佩 -专利权人：广东星帮尼科技股份有限公司
申请日： 2022-11-02 - 公布日： 2023-01-17 - 主分类号： G16C60/00 文献下载
摘要：本申请提供一种活性锰材料制备及控制方法，包括：通过云计算对废锰泥的用量进行决策；通过边缘云协同串行任务卸载算法优化回收废锰泥的工艺流程；递归神经网络训练学习样本数据组确定烘干过程的最佳参数；递归神经网络对氧化焙烧所得数据进行训练学习；递归神经网络处理硫酸歧化的反应过程；递归神经网络根据定义误差函数获取重质氧化过程中最佳工艺参数；递归神经网络融合过程先验知识挖掘对处理固液混合物的全过程关键参数的最优解进行获取；对递归神经网络进行训练学习；训练完成后的递归神经网络模型对制备活性二氧化锰的工艺进行模拟与优化。
一种活性材料制备控制方法

[发明专利]一种基于递归神经网络的机动载荷控制器及其控制方法-CN201610985231.1有效
发明人：黄锐;李鸿坤 -专利权人：南京航空航天大学
申请日： 2016-11-09 - 公布日： 2020-03-17 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于递归神经网络的机动载荷控制器，所述的机动载荷控制器的神经网络由一个递归辨识神经网络和一个递归控制神经网络串联而成，各采用6个神经元构成网络；本发明还公开了一种基于递归神经网络的机动载荷控制器的控制方法；通过使用递归神经网络的方法，具有结构简单、工作性能稳定性好、鲁棒性高、自适应好的特点，能够对变马赫数飞行的飞机进行有效的自适应机动载荷减缓；本发明实现了宽马赫数范围内飞机基于递归神经网络的机动载荷控制器的设计
一种基于递归神经网络机动载荷控制器及其控制方法

[发明专利]基于深度递归神经网络的视频去噪方法-CN201610729038.1有效
发明人：宋利;陈欣苑;杨小康 -专利权人：上海交通大学
申请日： 2016-08-25 - 公布日： 2020-04-24 - 主分类号： H04N5/213 文献下载
摘要：本发明提供一种基于深度递归神经网络的视频去噪方法，所述方法采用端到端的深度神经网络模型，所述深度神经网络模型包含两层递归神经网络，将有噪视频作为输入，第一层递归神经网络通过递归和非线性运算获得视频的初级特征，并将其作为输出传递到下一层递归神经网络，视频在第二层递归网络中获得高级特征，输出层利用两层递归神经网络获得的特征解码重构最终输出去噪后的视频；本发明利用时间域的递归结构端到端地进行视频去噪，无须通过其他复杂算法获取视频的运动信息；利用深度网络结构强大的表达能力实现有噪视频与去噪视频之间的映射；能够延展并应用在各种不同类型的噪声中，如高斯噪声、泊松‑高斯混合噪声等。
基于深度递归神经网络视频方法

[发明专利]图像深度预测神经网络-CN202010612045.X在审
发明人： A.安格洛瓦;M.威克;R.马乔里安 -专利权人：谷歌有限责任公司
申请日： 2017-09-12 - 公布日： 2020-11-10 - 主分类号： G06T7/55 文献下载
摘要：本申请涉及图像深度预测神经网络。一种系统，包括由一个或多个计算机实施的图像深度预测神经网络。该图像深度预测神经网络是递归神经网络，该递归神经网络被配置为接收图像序列，并且对于序列中的每个图像：根据递归神经网络的当前内部状态处理图像，以(i)更新当前内部状态，以及(ii)生成表征序列中未来图像的预测深度的深度输出
图像深度预测神经网络

[发明专利]换流阀故障诊断模型的构建方法、装置和计算机设备-CN202111330101.1有效
发明人：杨洋;石延辉;张海凤;袁海;洪乐洲;杨阳;吴梦凡;吴桐;张朝斌;张博;黄家豪;李凯协;赖皓;廖名洋;张卓杰;姚言超;夏杰;李金安;秦金锋;许浩强;王蒙;叶志良;袁振峰;黄兆;严伟;蔡斌;关就;廖聪;李莉;赵晓杰;孔玮琦;王越章 -专利权人：中国南方电网有限责任公司超高压输电公司广州局
申请日： 2021-11-11 - 公布日： 2022-04-08 - 主分类号： G06N3/04 文献下载
摘要：所述方法包括：获取换流阀的训练数据集；基于卷积门控递归神经网络的超参数构建卷积门控递归神经网络；通过训练数据集对卷积门控递归神经网络进行训练，得到训练后的卷积门控递归神经网络；判断训练后的卷积门控递归神经网络的适应度是否达到适应度阈值；若未达到，则对超参数进行优化，得到新的超参数，并返回基于超参数构建卷积门控递归神经网络的步骤；若达到，则将训练后的卷积门控递归神经网络，作为换流阀故障诊断模型。
换流故障诊断模型构建方法装置计算机设备

[发明专利]用于异常检测的残差神经网络-CN202180037462.9在审
发明人：庄中方;M·叶;张维;J·埃布拉希米 -专利权人：维萨国际服务协会
申请日： 2021-06-22 - 公布日： 2023-03-07 - 主分类号： G06N20/00 文献下载
摘要：系统、方法和计算机程序产品训练残差神经网络，所述残差神经网络包括第一全连接层、第一递归神经网络层和至少一个跳过连接以用于异常检测。所述至少一个跳过连接进行以下直接连接中的至少一项：(i)将所述第一全连接层的输出直接连接到所述残差神经网络中所述第一递归神经网络层下游的第一其他层以及(ii)将所述第一递归神经网络层的输出直接连接到所述残差神经网络中第二递归神经网络层下游的第二其他层
用于异常检测神经网络

[发明专利]一种用于桥梁变形高效且准确预测的深度学习技术-CN202210594548.8在审
发明人：孙浩;王楠 -专利权人：慧城（徐州）智能科技有限公司
申请日： 2022-05-27 - 公布日： 2022-09-02 - 主分类号： G01B21/32 文献下载
摘要：本发明公开了一种用于桥梁变形高效且准确预测的深度学习技术，包括递归神经网络编码器、递归神经网络解码器和多尺度信息传递模块，递归神经网络编码器和递归神经网络解码器选用长短期记忆人工神经网络，实现长序列的有效建模，长短期记忆人工神经网络数量为两层，每层32～64个通道。
一种用于桥梁变形高效准确预测深度学习技术

[发明专利]一种图说生成方法及装置-CN201710283733.4在审
发明人：黄欢;赵刚 -专利权人：上海荆虹电子科技有限公司
申请日： 2017-04-26 - 公布日： 2018-11-13 - 主分类号： G06N3/04 文献下载
摘要：该方法包括：采用预先训练的卷积神经网络提取图文数据库中训练集的图像的全局特征；对图文数据库中训练集的图像对应的描述语句进行编码得到描述语句特征；将训练集的图像的全局特征以及描述语句特征输入至递归神经网络，对递归神经网络进行训练；根据递归神经网络的输出构建损失函数，根据损失函数对递归神经网络的参数进行优化；采用预先训练的卷积神经网络提取目标图像的全局特征，将目标图像的全局特征输入至递归神经网络，生成与目标图像对应的描述语句本发明实施例采用递归神经网络作为语言模型，避免了现有技术生成的描述语句形式单一的缺陷，能够针对目标图像生成描述丰富、长短可变的描述语句。
递归神经网络语句全局特征目标图像训练集卷积神经网络图文数据库损失函数图像提取目标图像特征输入语句形式语言模型可变的构建输出优化

[发明专利]图像深度预测神经网络-CN201780056919.4有效
发明人： A.安格洛瓦;M.威克;R.马乔里安 -专利权人：谷歌有限责任公司
申请日： 2017-09-12 - 公布日： 2020-07-17 - 主分类号： G06T7/55 文献下载
摘要：一种系统，包括由一个或多个计算机实施的图像深度预测神经网络。该图像深度预测神经网络是递归神经网络，该递归神经网络被配置为接收图像序列，并且对于序列中的每个图像：根据递归神经网络的当前内部状态处理图像，以(i)更新当前内部状态，以及(ii)生成表征序列中未来图像的预测深度的深度输出
图像深度预测神经网络

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