“下降算法”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600137个，建议您升级VIP下载更多相关专利

[发明专利]一种梯度下降算法的差异可视分析方法-CN202010119920.0在审
发明人：孙国道;付伟胜;厉栋;蒋莉 -专利权人：浙江工业大学
申请日： 2020-02-26 - 公布日： 2020-08-04 - 主分类号： G06N3/04 文献下载
摘要：一种梯度下降算法的差异可视分析方法，包括以下步骤：采用梯度下降算法对线性回归数据集进行训练，提取训练过程中的特征向量，并且得到最优线性回归系数。运用可视化技术对上面提取的特征向量进行可视分析，通过热力图来展示梯度下降算法对多个模型的训练结果，采用线性拟合和误差曲线协助用户直观地认识梯度下降算法，运用矩阵图来进行横向和纵向比较，以此来帮助用户理解梯度下降算法通过以上步骤帮助深度学习初学者理解梯度下降算法的工作原理，并且帮助他们掌握并且熟练使用不同的梯度下降算法，以及明白它们的差异性。
一种梯度下降算法差异可视分析方法

[发明专利]一种数据处理方法及装置-CN202210889891.5在审
发明人：赵红颖;魏江南;程印乾 -专利权人：北京大学
申请日： 2022-07-27 - 公布日： 2022-11-04 - 主分类号： G05D1/08 文献下载
摘要：本申请公开一种数据处理方法及装置，获取第一位置信息；如果所述第一位置信息满足第一预设条件，则通过第一预设算法进行计算，使得所述飞行设备根据第一预设算法的结果进行下降运动；如果所述第一位置信息满足第二预设条件，则通过第二预设算法进行计算，使得所述飞行设备根据第二预设算法的结果进行下降运动；其中，所述第一预设算法与所述第二预设算法不同。也就是说，本方案根据第一位置信息对应的预设条件，从而使用不同的算法进行下降运动，至少包括两种下降运动算法，从而更精准的获得位姿估计，精准降落。
一种数据处理方法装置

[发明专利]基于SVD算法实现优化梯度下降过程的建模方法-CN202111074435.7在审
发明人：王宏健;任述明;李靖予;卢婷;刘国华;黄秋波 -专利权人：东华大学
申请日： 2021-09-14 - 公布日： 2022-01-28 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种基于SVD算法实现优化梯度下降过程的建模方法，包括以下步骤；步骤一，将待解决的问题通过FunkSVD算法降维分解为两个低秩的矩阵，步骤二，将用户和物品均映射至k维空间中；在k维空间下，对应k个隐藏因子；将物品和用户对应在k维空间上，利用梯度下降的过程优化分布结果；步骤三，采用梯度下降算法进行求解，得出模型。本发明提供了一种基于SVD算法实现优化梯度下降过程的建模方法；能够提高矩阵分解SVD算法的模型构建效率。
基于 svd 算法实现优化梯度下降过程建模方法

[发明专利]基于动量梯度下降的聚类联邦学习方法-CN202310030681.5在审
发明人：谢萍;朱军龙;赵晓伊;邢玲;高祥瑞;李凡;孙含笑;张瑜 -专利权人：河南科技大学
申请日： 2023-01-10 - 公布日： 2023-05-02 - 主分类号： G06N3/098 文献下载
摘要：本发明公开了一种基于动量梯度下降的聚类联邦学习方法，提出了基于损失函数最小化的聚类方法，并且在联邦学习的本地更新阶段改进了随机梯度下降（SGD）算法，采用动量梯度下降的优化算法，在全局更新阶段提出了梯度平均与模型平均；本发明基于动量梯度下降的聚类联邦学习算法(CFL‑MGD)不仅在凸设置上得到了以指数收敛的理论保证，还在神经网络等非凸设置上比其他算法更加高效；框架结构简单、算法高效，结合聚类和polyak’s动量，既缓解了因数据异质性带来的模型性能差的问题又解决了算法收敛慢的问题，具有广泛的应用前景。
基于动量梯度下降联邦学习方法

[发明专利]一种基于改进型随机并行梯度下降算法的光纤耦合方法-CN201910144363.5在审
发明人：胡钦涛;毛耀;周国忠;乔琦;聂康;周翕;李志俊;张超;段倩文;何秋农 -专利权人：中国科学院光电技术研究所
申请日： 2019-02-27 - 公布日： 2019-05-21 - 主分类号： G02B6/26 文献下载
摘要：本发明提供了一种基于改进型随机并行梯度下降算法的光纤耦合方法，旨在解决传统光纤耦合使用并行梯度下降算法收敛速度过慢和稳定性差的问题。进而得到目标函数的近似梯度grad_l⁽ⁿ⁾＝δJδu_l⁽ⁿ⁾，通过计算近似梯度的一阶矩和二阶矩，得到解决随机并行梯度下降算法的自适应增益，以替代随机并行梯度算法的固定增益，用来迭代更新控制量，最终达到使并行梯度下降算法跳出局部，加快收敛和增加算法稳定性的能力。
随机并行梯度下降算法并行梯度光纤耦合目标函数下降算法改进型控制量收敛近似施加算法稳定性传统光纤迭代更新固定增益随机扰动扰动耦合二阶矩改变量光功率一阶矩自适应算法跳出替代

[发明专利]抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法-CN202211447156.5在审
发明人：亓波;彭锦锦;毛耀 -专利权人：中国科学院光电技术研究所
申请日： 2022-11-18 - 公布日： 2023-03-21 - 主分类号： G02B6/42 文献下载
摘要：本发明提出一种抑制目标函数测量噪声的随机并行梯度下降光纤耦合方法，称作卡尔曼随机并行梯度下降算法(Kalmanstochasticparallelgradientdescent)(KSPGD)，用于当存在光电探测噪声时提高空间激光束光纤耦合效率传统随机并行梯度下降(Stochasticparallelgradient descent)(SPGD)算法通过实时测量目标函数值估计迭代点梯度，进而按梯度下降的方式更新迭代点。因此当目标函数测量存在较大噪声时，迭代点梯度估计值会振荡，因而影响算法的收敛性能。针对这一问题本发明提出的KSPGD算法利用目标函数模型信息，通过卡尔曼滤波算法得到迭代点梯度的最优加权估计，提高梯度估计值的准确性，进而抑制测量噪声对算法收敛性能的影响。将该方法应用于自适应耦合系统上，采用KSPGD算法的系统在不同大小的噪声下均能稳定收敛。
抑制目标函数测量噪声随机并行梯度下降光纤耦合方法

[发明专利]基于多梯度下降蜂群算法的封闭母线温度故障监测方法-CN202311152379.3在审
发明人：王佐勋;崔传宇;隋金雪;郭长坤 -专利权人：山东工商学院
申请日： 2023-09-08 - 公布日： 2023-10-13 - 主分类号： G06F30/27 文献下载
摘要：本发明属于电力设备故障监测技术领域，具体涉及一种基于多梯度下降蜂群算法的封闭母线温度故障监测方法，包括以下步骤：S1、将多梯度下降算法的多目标优化过程与人工蜂群算法结合，建立多梯度下降蜂群算法模型；S2、采集封闭母线的环境温度及电流测试样本，进行特征提取及多目标优化，依据S1中的多梯度下降蜂群算法模型，建立温度电流多梯度下降蜂群数学模型；S3、通过建立的温度电流多梯度下降蜂群数学模型，寻找最优蜜源搜索方向
基于梯度下降蜂群算法封闭母线温度故障监测方法

[发明专利]一种基于差分隐私及随机梯度下降的数据分类方法-CN202011083670.6在审
发明人：吴蒙;朱勇;杨立君 -专利权人：南京邮电大学
申请日： 2020-10-12 - 公布日： 2021-01-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于差分隐私及随机梯度下降的数据分类方法，首先，将数据集中的数据分配到各个分布式计算节点上，通过Map分任务在每个节点上执行随机梯度下降算法，利用Reduce分任务进行更新模型合并操作；其次，在更新后的模型中加入适量拉普拉斯噪声，使最终随机梯度下降算法的目标模型满足ε‑差分隐私。本发明通过合理的计算资源分配与随机噪声添加策略，在满足差分隐私保护要求的同时，能够有效降低随机梯度下降算法因反复迭代而产生的通信开销，既提高算法效率又保证数据的私密性。
一种基于隐私随机梯度下降数据分类方法

[发明专利]一种基于回溯求解凸优化SVD++的推荐算法-CN202010509985.6在审
发明人：孙桂玲;王世杰;王志红;任向南 -专利权人：南开大学
申请日： 2020-06-08 - 公布日： 2021-01-22 - 主分类号： G06F17/16 文献下载
摘要：本发明属于推荐算法和凸优化技术领域，具体涉及一种应用于SVD++推荐算法的求解无约束凸优化方法。本发明深入发掘SVD++推荐算法梯度下降的局限性，提出了一种基于回溯求解凸优化SVD++的推荐算法。该方法同时利用了凸优化求解问题的高效性，结合SVD++推荐算法模型，利用回溯搜索对推荐算法中梯度下降问题进行求解。回溯SVD++推荐算法模型与传统推荐算法模型相比，可以更有效地利用算法中梯度下降自动更新学习率更快地求解全局最优解。实验结果表明，本发明提出的一种基于回溯求解凸优化SVD++的推荐算法具有很好的收敛性，与现有方法相比，可以有效提升推荐系统的准确性与效率。
一种基于回溯求解优化 svd 推荐算法

[发明专利]有源上升和下降时间的补偿算法-CN202080026642.2在审
发明人： J·范布鲁塞尔 -专利权人：皇家飞利浦有限公司
申请日： 2020-04-03 - 公布日： 2021-11-16 - 主分类号： H05G1/04 文献下载
摘要：提供一种用于补偿脉冲X射线系统的设置的方法。针对要提供的X射线脉冲选择电流、电压和预期脉冲宽度设置。然后，根据存储的在预定温度处的一个或多个标准化值，考虑到X射线罐的电子电路的环境温度，对针对设定电压和管电流的所选择的脉冲宽度设置进行补偿。在校准步骤中根据实际的或有效的脉冲宽度及其与预期宽度的差来获得标准化值，利用提供给所述源的脉冲电压和电流的电路的温度使所述值标准化。
有源上升下降时间补偿算法

[发明专利]一种基于改进遗传算法的群粒子梯度下降算法-CN202010518110.2在审
发明人：单雨龙;赵世军;李秋涵 -专利权人：中国人民解放军国防科技大学
申请日： 2020-06-09 - 公布日： 2020-10-13 - 主分类号： G06N3/00 文献下载
摘要：基于改进遗传算法的群粒子梯度下降算法，能快速准确地搜索到复杂函数条件下的全局最优解，群粒子梯度下降算法的步骤：生成初始种群是否满足终止条件、计算每个个体的适应度值；筛选遗传算子，梯度下降法作用每个个体生成新种群，计算每个个体的适应度值，交叉变异操作生成新种群；遗传算法的改进方法是：将种群内适应度值最大的前5个个体保留，剩余的新种群个体以轮盘选择法进行概率选择；将遗传算法的并行计算思想及进化机制引入梯度下降法中
一种基于改进遗传算法粒子梯度下降

[发明专利]基于多新息NESTEROV加速梯度下降方法的ARX模型参数辨识方法-CN202210547150.9在审
发明人：肖博;梁书宁;王春阳;王子硕;王琳;张旭;夏超翔 -专利权人：西安工业大学
申请日： 2022-05-19 - 公布日： 2022-09-02 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于多新息NESTEROV加速梯度下降方法的ARX模型参数辨识方法。包括以下步骤：首先，在随机梯度下降参数辨识的基础上，将动量项引入参数更新及梯度计算中，提高了算法的收敛速度。其次，将包含动量项的NESTEROV加速算法从单新息参数辨识扩展为多新息参数辨识，利用多新息充分利用数据的特性，提高了算法的辨识精度即抗噪声抗异常数据的能力。最后，通过算法的迭代得到最终的参数辨识结果。本发明有效的解决了传统的随机梯度下降参数辨识方法的梯度下降收敛速度慢，对噪声及异常数据干扰敏感的问题，加快了参数辨识的收敛速度，提高参数辨识精度以及提高了算法抗噪声及异常数据的能力。
基于多新息 nesterov 加速梯度下降方法 arx 模型参数辨识

[发明专利]基于多点并行随机梯度下降的PID控制器参数自动整定方法-CN202111456107.3有效
发明人：蒋大钢;戚兴成;唐备;马源泽 -专利权人：电子科技大学
申请日： 2021-12-01 - 公布日： 2023-06-02 - 主分类号： G05B11/42 文献下载
摘要：本发明公开一种基于多点并行随机梯度下降的PID控制器参数自动整定方法，解决了智能优化算法在PID参数整定中出现的局部收敛和资源消耗大的不足，通过预先生成取样点集，匹配与取样点集对应的PID参数初始值并赋值给PID控制器实时获取输出曲线，设置评价指标判断输出曲线性能，不满足则基于双边扰动随机并行梯度下降算法对PID参数初始值做迭代优化处理，并将满足性能的点作为候选点，比较其他点参数的输出曲线，选取最优候选点，并结束多点并行随机梯度下降算法，在三阶线性模型下通过与遗传算法和粒子群算法的比较，验证多点随机并行梯度下降算法在PID参数整定的可行性和优越性，为PID参数自动整定提供新的、高效的算法。
基于多点并行随机梯度下降 pid 控制器参数自动方法

[发明专利]一种基于梯度下降法的多目标粒子群优化方法-CN201610573200.5在审
发明人：徐新黎;李笠;陈超;王万良;李伟琨;任沁 -专利权人：浙江工业大学
申请日： 2016-07-20 - 公布日： 2016-12-14 - 主分类号： G06N3/00 文献下载
摘要：本发明涉及人工智能研究领域，尤其涉及一种基于梯度下降法的多目标粒子群优化方法，本方法将粒子群优化算法扩展到多目标优化，同时结合梯度下降法，改善多目标粒子群算法的优化性能，解决了非连续函数梯度的计算，加快了算法在计算梯度方面的速度，降低了算法的复杂度。
一种基于梯度下降多目标粒子优化方法

[发明专利]基于随机梯度下降算法的高铁接触网目标的检测方法-CN202310188613.1有效
发明人：缪弼东;宋东海;李曌宇;刘建丁;栗国东;李建明;张非平;王军;张玉平;齐佳风;刘浩;夏志远;郄燚明;胡佳宾;刘啸辰;刘亚光;张峰;焦伟峰 -专利权人：中铁电气化局集团有限公司
申请日： 2023-03-02 - 公布日： 2023-06-02 - 主分类号： G06V20/50 文献下载
摘要：本申请提供一种基于随机梯度下降算法的高铁接触网目标的检测方法，该方法包括从高铁接触网故障检测图像数据库中按待检测的故障类型提取图像数据；对提取的所述图像数据进行预处理，得到预处理数据；可选的使用K均值聚类算法对预处理后的图像进行聚类；根据改进的随机梯度下降算法建立的深度网络模型对预处理数据进行特征提取，改进的随机梯度下降算法中，先使用梯度下降快的学习率参数，再使用通用的学习率参数进行计算；利用提取的特征对接收的高铁接触网检测图像进行分析本申请使用高铁接触网故障检测图像数据库和改进的随机梯度下降算法，有效提高了检测准确率和检测效率，满足高铁接触网目标缺陷检测的自动化、实时性、高准确度的要求。
基于随机梯度下降算法接触网目标的检测方法

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