“原始神经”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324337个，建议您升级VIP下载更多相关专利

[发明专利]生成较大神经网络-CN201680066508.9在审
发明人：伊恩·古德费洛;陈天奇;乔纳森·什连斯 -专利权人：谷歌有限责任公司
申请日： 2016-11-11 - 公布日： 2018-08-31 - 主分类号： G06N3/04 文献下载
摘要：一种用于从较小神经网络生成较大神经网络的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一个方面，一种方法包括：获得指定原始神经网络的数据；从原始神经网络生成较大神经网络，其中，较大神经网络具有较大神经网络结构，其包括多个原始神经网络单元和多个不在原始神经网络结构中的附加神经网络单元；初始化原始神经网络单元和附加神经网络单元的参数的值，使得较大神经网络从与原始神经网络相同的输入生成相同的输出；以及训练较大神经网络以从初始化值确定原始神经网络单元和附加神经网络单元的参数的训练值。
神经网络原始神经神经网络单元网络单元初始化计算机存储介质神经网络结构计算机程序输入生成网络结构网络生成网络输出

[发明专利]一种神经网络模型的训练方法、装置、存储介质及设备-CN202010798134.8在审
发明人：李镇;张敏清 -专利权人：香港中文大学（深圳）
申请日： 2020-08-11 - 公布日： 2020-11-06 - 主分类号： G06N3/08 文献下载
摘要：本发明适用于模型训练技术领域，提供了一种神经网络模型的训练方法、装置及系统，所述方法包括：获取原始数据集，并根据所述原始数据集训练原始神经网络模型；从所述原始神经网络模型中识别出噪声标签；对所述噪声标签进行修改，并根据修改后的数据集训练新神经网络模型。本发明通过先以原始数据集训练出原始神经网络模型，并在原始神经网络模型中识别出噪声标签，从而确定原始数据集中的错误标签，在对错误标签纠正之后，最终根据修改后的数据集训练新神经网络模型，由于直接从网络模型中确定出错误标签并对其进行纠正，准确性高，同样具备了很好的可解释性，使得最终训练得到的新神经网络模型具有较好的抗干扰效果。
一种神经网络模型训练方法装置存储介质设备

[发明专利]深度神经网络的压缩方法与装置-CN201811619878.8在审
发明人：曾庆生;张跃进;黄德昌;李波;李光辉;胡勇 -专利权人：钟祥博谦信息科技有限公司
申请日： 2018-12-28 - 公布日： 2019-05-17 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种深度神经网络的压缩方法与装置，方法包括：获取原始深度神经网络；确定原始深度神经网络的类型；若类型为循环神经网络，合并该神经网络的长短期记忆单元的参数，获得合并参数；采用张量火车分解算法，压缩合并参数，得到目标参数；将合并参数替换为目标参数，得到第一目标深度神经网络；若类型为卷积神经网络，采用张量火车分解算法，压缩该神经网络中原始卷积核与原始全连接层，得到目标卷积核与目标全连接层；将原始卷积核与原始全连接层替换为目标卷积核与目标全连接层，得到第二目标深度神经网络。采用张量火车分解算法压缩深度神经网络，相较于其他分解方法，稳定性高，分解效果好，保证了深度神经网络压缩的稳定性与有效性。
神经网络连接层压缩分解算法合并目标参数卷积核目标卷火车卷积神经网络循环神经网络分解参数替换记忆单元替换保证

[发明专利]人造神经网络的简化装置和简化方法-CN201610608615.1在审
发明人：刘峻诚;郝康立;刘柳 -专利权人：耐能有限公司
申请日： 2016-07-28 - 公布日： 2017-12-26 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种人造神经网络的简化装置和简化方法，其中人造神经网络的简化装置包含多个神经元、一接收电路、一存储器与一简化模块。该多个神经元被组态为构成一原始神经网络。该存储器接收用以训练该原始神经网络的一组样本。该存储器用以记录该原始神经网络的多个可学习参数。在该原始神经网络经过该组样本的训练后，该简化模块根据该存储器所记录的该多个可学习参数舍弃该原始神经网络中一部分的神经元连结，以据此决定一简化后神经网络的架构。
人造神经网络简化装置方法

[发明专利]一种联合图数据和图神经网络的图像解释方法及装置-CN202211513047.9在审
发明人：王翔;方俊峰;何向南;张岸 -专利权人：中国科学技术大学
申请日： 2022-11-30 - 公布日： 2022-12-30 - 主分类号： G06V10/82 文献下载
摘要：本发明提供了一种联合图数据和图神经网络的图像解释方法及装置，可以应用于图神经网络与机器学习技术领域。该图像解释方法包括：获取待处理的原始图数据和原始图神经网络，原始图数据包括多个节点和多个边，原始图神经网络包括多个神经元；利用联合解释框架对原始图数据和原始图神经网络进行T轮处理，得到第T解释结果，第T解释结果满足第一预设条件，第T解释结果包括第T图数据和第T图神经网络；将第T解释结果作为与原始图数据对应的目标解释结果。通过利用联合解释框架，从图数据和图神经网络两个方面实现了图像解释，提高了目标解释结果的可靠性和准确性。
一种联合数据神经网络图像解释方法装置

[发明专利]膨胀卷积神经网络的行人异常行为识别方法及装置-CN202210453276.X在审
发明人：朱斌;陈磊;邬金萍;卢玉丽;魏碧胜 -专利权人：江西应用技术职业学院
申请日： 2022-04-27 - 公布日： 2022-07-15 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及视频监控技术领域，揭露了一种膨胀卷积神经网络的行人异常行为识别方法及装置，包括：下载原始卷积神经网络及原始BP神经网络，调整所述原始卷积神经网络的网络结构得到初级卷积神经网络，构建与卷积感受眼值相同的卷积核得到膨胀卷积核，将所述膨胀卷积核替代所述初级卷积核得到膨胀卷积神经网络，构建所述膨胀卷积神经网络和所述原始BP神经网络得到原始行人异常行为模型，训练所述原始行人异常行为模型，直至满足训练要求后得到所述行人异常行为模型
膨胀卷积神经网络行人异常行为识别方法装置

[发明专利]模型生成方法和装置-CN201810059263.8有效
发明人：张刚 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-01-22 - 公布日： 2022-08-19 - 主分类号： G06N3/04 文献下载
摘要：该方法的一具体实施方式包括：创建与用于生成原始模型的原始神经网络的结构相同的神经网络，去除创建的神经网络的多个待去除的中间层，得到用于生成原始模型对应的目标模型的目标神经网络；通过训练操作对目标神经网络进行训练通过去除创建的与用于生成原始模型的原始神经网络结构相同的神经网络的部分层，得到占用的存储空间较小的目标神经网络，利用原始模型的输出层和中间层的输出对目标神经网络进行训练，得到精度达到精度阈值的目标模型。减少了构建占用的存储空间较小的目标神经网络的开销以及减少了为使得最后得到的占用的存储空间较小的目标模型达到精度阈值所需的训练开销。
模型生成方法装置

[发明专利]一种仓储AGV的图像识别与定位方法-CN202211362824.4在审
发明人：王塞;李刚 -专利权人：浙江工业大学
申请日： 2022-11-02 - 公布日： 2023-03-07 - 主分类号： G06V20/10 文献下载
摘要：本发明属于图像识别与定位领域，具体涉及一种仓储AGV的图像识别与定位方法，包括：准备原始残差卷积神经网络的图像识别数据集；搭建原始残差卷积神经网络，用于仓储AGV的图像识别；训练原始残差卷积神经网络；将仓储AGV在工作中拍摄到的目标物体图片输入到原始残差卷积神经网络得到目标物体的种类信息，再利用非水平双目视觉测距算法得到目标物体的位置信息。与用于仓储AGV的传统神经网络相比，原始残差卷积神经网络模型加入原始残差块可以使网络层数无限加深，同时原始残差块引入更多特征信息，在保证网络模型较小的同时，提高了图像识别的准确性。
一种仓储 agv 图像识别定位方法

[发明专利]神经网络及其构建方法、装置和系统-CN201710004485.5在审
发明人：周舒畅;温和;周昕宇 -专利权人：北京旷视科技有限公司;北京小孔科技有限公司
申请日： 2017-01-04 - 公布日： 2017-06-09 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种神经网络及其构建方法、装置和系统，所述方法包括获取包括卷积层的原始神经网络，原始神经网络的卷积层定义为原始卷积层；以及根据变换规则，将原始神经网络的至少一个原始卷积层变换为新的卷积层，以用于构建新的神经网络；其中，新的卷积层包括第一卷积层和与第一卷积层连接的第二卷积层，第一卷积层为每信道共享卷积的卷积层，第二卷积层为与原始卷积层相比卷积核尺寸变小的卷积层，新的卷积层的输入输出与原始卷积层的输入输出均相同。根据本发明实施例的神经网络及其构建方法、装置和系统可在确保神经网络实现功能不变的情况下减小神经网络的计算量。
神经网络及其构建方法装置系统

[发明专利]模型生成方法和装置-CN201810059365.X在审
发明人：张刚 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-01-22 - 公布日： 2018-07-06 - 主分类号： G06N3/08 文献下载
摘要：该方法的一具体实施方式包括：创建与用于生成原始模型的原始神经网络的结构相同的神经网络，以及对创建的神经网络的多个待裁剪的中间层的结构分别进行裁剪，得到目标神经网络；通过训练操作对目标神经网络进行训练，得到目标模型实现了通过对创建的与用于生成原始模型的原始神经网络结构相同的神经网络的部分层的结构进行裁剪，得到占用的存储空间较小的目标神经网络，利用原始模型的输出层的输出对目标神经网络进行训练，得到目标模型。减少了构建占用的存储空间较小的目标神经网络的开销以及减少了为使得最后得到的存储空间较小的目标模型达到精度阈值所需的训练开销。
目标神经存储空间目标模型神经网络原始模型网络裁剪方法和装置模型生成原始神经创建占用网络结构训练操作输出层中间层构建输出申请

[发明专利]一种基于参数分布放大的神经网络隐写检测方法和系统-CN202211512336.7在审
发明人：陈可江;张卫明;俞能海;赵娜 -专利权人：中国科学技术大学
申请日： 2022-11-29 - 公布日： 2023-03-03 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了一种基于参数分布放大的神经网络隐写检测方法，包括：根据预设损失函数，通过随机梯度下降方法迭代地对原始的待检测神经网络模型进行参数分布放大，直到达到预设的迭代次数，得到微调后的待检测神经网络模型；分别计算原始的待检测神经网络模型的参数的统计矩向量和微调后的待检测神经网络模型的参数的的统计矩向量，得到原始的待检测神经网络模型的特征向量和微调后的待检测神经网络模型的特征向量；对原始的待检测神经网络模型的特征向量和微调后的待检测神经网络模型的特征向量进行特征融合，得到融合特征；对融合特征进行逻辑回归二分类处理，输出原始的待检测神经网络模型的隐写判定信息。
一种基于参数分布放大神经网络检测方法系统

[发明专利]一种基于神经网络的人群计数方法及装置-CN202310309160.3在审
发明人：饶卓群;周倜;张剑 -专利权人：中国船舶集团有限公司第七〇九研究所
申请日： 2023-03-27 - 公布日： 2023-06-30 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于神经网络的人群计数方法及装置，方法包括获取多个样本图像；将样本图像输入待训练的原始神经网络模型，得到原始神经网络模型的第一损失函数；将样本图像裁剪为具有重叠区域的第一子图和第二子图，并将一子图和第二子图分别输入原始神经网络模型，得到原始神经网络模型的第二损失函数；根据第一损失函数和第二损失函数对原始神经网络模型进行迭代训练，以使原始神经网络模型的损失最小，得到目标神经网络模型，从而基于目标神经网络模型进行人群计数
一种基于神经网络人群计数方法装置

[发明专利]心率监测方法及系统、存储介质、终端-CN202210947828.2在审
发明人：张淼;杨树臣;张智明 -专利权人：上海跃扬医疗科技有限公司
申请日： 2022-08-05 - 公布日： 2022-10-11 - 主分类号： A61B5/024 文献下载
摘要：本发明提供了一种心率监测方法及系统、存储介质、终端，该方法包括如下步骤：获取原始数据集，所述原始数据集包括原始心冲击图信号；对所述原始数据集进行数据增强，以获得增强数据集；构建神经网络模型，所述神经网络模型为金字塔输入神经网络；使用所述增强数据集训练所述神经网络模型；使用训练后的所述神经网络模型监测心率，通过对原始数据集进行数据增强，并结合金字塔输入，最终提升使用训练后的所述神经网络模型监测心率的准确性。
心率监测方法系统存储介质终端

[发明专利]基于框架搜索的深度神经网络的加速与压缩方法及系统-CN202011016590.9有效
发明人：郭庆北;张波;李忠涛 -专利权人：法正互联（北京）科技有限公司
申请日： 2020-09-24 - 公布日： 2023-08-22 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了基于框架搜索的深度神经网络的加速与压缩方法及系统，包括：获取待压缩的原始神经网络模型，所述原始神经网络模型用于图像分类；对待压缩的原始神经网络模型进行权重的优化；对权重优化后的神经网络模型，保持权重固定不变，只进行框架参数优化；对框架参数优化后的神经网络模型进行裁剪，对裁剪后的神经网络模型进行微调，得到图像分类精度最高的神经网络模型，即为压缩后的神经网络模型。
基于框架搜索深度神经网络加速压缩方法系统

[发明专利]深度神经网络模型的保护方法、装置、电子设备和介质-CN202210595796.4有效
发明人：邓富城;罗韵;陈振杰 -专利权人：山东极视角科技有限公司
申请日： 2022-05-30 - 公布日： 2022-08-30 - 主分类号： G06F21/12 文献下载
摘要：本申请公开了深度神经网络模型的保护方法、装置、电子设备和介质，本申请涉及神经网络模型领域，用于降低深度神经网络模型被盗用的风险。本申请方法包括：获取深度神经网络模型；获取原始训练样本集，所述原始训练样本集中至少包含两张原始训练样本；根据所述原始训练样本集的图像类型获取加密变换函数；根据加密变换函数对所述原始训练样本集中的原始训练样本进行加密转换处理，生成加密训练样本集，所述加密训练样本集中的加密训练样本与所述训练样本集的原始训练样本像素点参数不同；将所述加密训练样本集中的加密训练样本输入所述深度神经网络模型中训练，直到所述深度神经网络模型训练完成
深度神经网络模型保护方法装置电子设备介质

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