“神经网络学习算法”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1358549个，建议您升级VIP下载更多相关专利

[发明专利]机器学习算法的参数调优方法及系统-CN202010036816.5在审
发明人：王宏志;欧龙燊;张恺欣;霸晨民;陈泊舟 -专利权人：哈尔滨工业大学
申请日： 2020-01-14 - 公布日： 2020-06-09 - 主分类号： G06N20/00 文献下载
摘要：一种机器学习算法的参数调优方法及系统，具有自动化、快速高效及具有普适性，属于机器学习领域。本发明包括：S1、输入用户数据集和待调参数算法，提取用户数据集的特征；S2、在神经网络数据库中，找到待调参数算法的神经网络，将S1提取的特征输入该神经网络中，该神经网络输出待调参数算法的参数；所述神经网络数据库包括根据各种机器学习算法建立及训练好的神经网络，具体构建方法为：构建适用于机器学习算法的数据集的知识库；提取知识库中每个数据集的特征；找到在各数据集上运行各机器学习算法的最优参数；建立每个机器学习算法的神经网络，利用数据集的特征和对应的最优参数作为训练集对对应的神经网络进行训练，获得训练好的神经网络。
机器学习算法参数方法系统

[发明专利]使用神经网络评估电池的充电状态的设备和方法-CN200480036021.3有效
发明人：赵一 -专利权人：株式会社LG化学
申请日： 2004-12-17 - 公布日： 2007-01-03 - 主分类号： G01R31/36 文献下载
摘要：公开了一种使用神经网络评估表现出非线性特征的电池的充电状态的设备和方法。该设备包括：用于从电池单元检测电流、电压和温度的检测部分；神经网络，基于从该检测部分发送的电流、电压和温度以及当前时间数据执行神经网络算法和学习算法，从而输出通过最终学习算法评估的该电池的SOC；比较器，其用于将该神经网络的输出值与预定目标值对比，并且如果该神经网络的输出值和预定目标值之间的差值在预定极限之外，使得该神经网络迭代地执行该学习算法，从而更新该学习算法以产生最终学习算法。该电池的充电状态可通过该神经网络算法进行精确地评估。
使用神经网络评估电池充电状态设备方法

[发明专利]神经网络的生成方法、生成装置和电子设备-CN201811269254.8在审
发明人：陈玉康;张骞;黄畅 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2018-10-29 - 公布日： 2020-05-05 - 主分类号： G06N3/08 文献下载
摘要：公开了一种神经网络的生成方法、生成装置和电子设备。该方法包括：通过进化算法从神经网络框架中获得最优神经网络和最劣神经网络；通过强化学习算法从所述最优神经网络获得优化神经网络；通过将所述优化神经网络加入所述神经网络框架并从所述神经网络框架中删除所述最劣神经网络来更新所述神经网络框架；以及，从更新后的神经网络框架中确定最终生成的神经网络。这样，可以通过结合进化算法和强化学习算法来从神经网络框架优化和更新神经网络，从而快速和稳定地自动生成神经网络结构。
神经网络生成方法装置电子设备

[发明专利]一种基于深层神经网络的电网故障诊断方法及装置-CN202310041168.6在审
发明人：吴少雄;陆洋;陶晓峰;吕朋朋;刘淇;肖庆华;吴海龙;缪平;刘涅煊;韦宣;陆宇洋;赵孝春;丁健 -专利权人：国电南瑞科技股份有限公司;国电南瑞南京控制系统有限公司;南瑞集团有限公司
申请日： 2023-01-12 - 公布日： 2023-06-02 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于深层神经网络的电网故障诊断方法及装置，所述方法包括获取电网故障告警信息和网络拓扑结构；根据电网故障告警信息和网络拓扑结构构建神经网络样本，神经网络样本包括神经网络学习样本和神经网络测试样本；对神经网络样本进行预处理，获得故障特征向量；将神经网络学习样本的故障特征向量输入至预先构建并基于混沌粒子群算法优化后的深层神经网络模型中进行学习，获得优化并学习后的深层神经网络模型；将神经网络测试样本的故障特征向量输入至优化学习后的深层神经网络模型中进行概率诊断测试，获取故障概率结果，本发明对样本建立深层神经网络模型并利用混沌粒子群算法对深层神经网络进行学习训练，具有较高的诊断正确率。
一种基于深层神经网络电网故障诊断方法装置

[发明专利]具有多层结构的BP神经元自适应方法-CN201010564827.7无效
发明人：黄晞 -专利权人：福建师范大学
申请日： 2010-11-25 - 公布日： 2011-04-06 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及神经网络硬件实现领域，特别涉及具有多层结构的硬件BP神经网络中单个神经元节点在不同运算阶段的运算以及实现不同学习算法的自适应方法。所述说的神经元处理器用于执行BP神经网络各层单个节点的运算。通过对控制寄存器进行编程设置，微控制器可以控制运算器执行三种不同的BP神经网络在神经元节点上的运算，其中所述说的BP神经网络学习算法指三种典型的学习算法，即BP标准算法、附加动量项算法及学习速率自适应调节算法多个神经元处理器串联可实现流水运算，具有灵活性高，实用性强的特点，适合用于嵌入式硬件BP神经网络应用领域。
具有多层结构 bp 神经元自适应方法

[发明专利]一种二值神经网络的简单快速反向传播及训练算法-CN202011493294.8在审
发明人：陈晖 -专利权人：陈晖
申请日： 2020-12-17 - 公布日： 2022-06-21 - 主分类号： G06N3/08 文献下载
摘要：本发明设计了一种二值神经网络的简单快速反向传播及逆向镜像训练算法，并结合逆向镜像训练来求得二值神经网络输入、输出矩阵权重值。本算法仅使用简单的位运算、位翻转运算、对位匹配运算，相比二值神经网络算法节省计算量，同时便于硬件实现。这样的神经网络模型可以解释，神经网络模型的行为容易预判。便于神经网络模型设计。同时本算法训练的样本量小，鲁棒性好。节省训练时间。本算法应用于需要神经网络的各种人工智能深度学习领域，特别是计算资源受限制的边缘计算领域，及要求实时和需要动态学习的深度学习领域。
一种神经网络简单快速反向传播训练算法

[发明专利]卷积神经网络权重调优方法、装置、存储介质和电子设备-CN202211113628.3在审
发明人：李言洲 -专利权人：杭州海康机器人股份有限公司
申请日： 2022-09-14 - 公布日： 2022-11-15 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种卷积神经网络的权重调优方法，包括：将第一卷积神经网络的各指定层对应的学习率参数组成学习率参数组，将所述学习率参数组作为遗传算法的个体，将所述学习率参数作为所述遗传算法的基因；利用所述遗传算法依次对每一代的所有学习率参数组进行处理，直到满足遗传算法的优化终止条件，以确定用于通过训练所述第一卷积神经网络生成第二卷积神经网络的最优学习率参数组。应用本申请，能够不依赖任何先验知识找到迁移学习中的最优或局部最优学习率参数组，提高迁移学习的目标卷积神经网络的性能。
卷积神经网络权重方法装置存储介质电子设备

[发明专利]基于神经网络深度学习算法的营养评测系统及方法-CN202010320785.6在审
发明人：许静 -专利权人：深圳市前海高新国际医疗管理有限公司
申请日： 2020-04-22 - 公布日： 2021-10-22 - 主分类号： G16H20/60 文献下载
摘要：为了解决现有技术中的问题，本发明公开一种基于神经网络深度学习算法的营养评测系统及方法，基于神经网络深度学习算法的营养评测系统，包括相互连接的客户端、云端、神经网络、数据库；其中的客户端用于客户提交评测数据到云端；云端用于利用神经网络，通过与对比数据库进行比较、学习、分析的训练之后，完善营养方案的样本，并且完善神经网络；神经网络用于比较、学习、分析的训练以及分析和识别；数据库用于数据的存储和访问。
基于神经网络深度学习算法营养评测系统方法

[发明专利]视频推荐方法、装置和计算机可读存储介质-CN201811289384.8有效
发明人：蔡锦龙 -专利权人：北京达佳互联信息技术有限公司
申请日： 2018-10-31 - 公布日： 2021-07-13 - 主分类号： G06F16/735 文献下载
摘要：该视频推荐方法包括：获取样本用户的用户特征和样本视频的视频特征；分别在用户侧神经网络和视频侧神经网络对点击率、点赞率和关注率进行联合学习；根据联合学习获得的神经网络算法的网络参数，得到视频的推荐列表。在该视频推荐方法中，分别在用户侧神经网络和视频侧神经网络对点击率、点赞率和关注率进行联合学习，根据联合学习获得的神经网络算法的网络参数，得到视频的推荐列表。设计的神经网络算法能够同时预估用户对视频的点击率、点赞率和关注率，极大地提高了视频推荐的效率。
视频推荐方法装置计算机可读存储介质

[发明专利]视频推荐方法、装置和计算机可读存储介质-CN201811293507.5有效
发明人：蔡锦龙 -专利权人：北京达佳互联信息技术有限公司
申请日： 2018-11-01 - 公布日： 2021-07-13 - 主分类号： G06F16/735 文献下载
摘要：该视频推荐方法包括：获取样本用户的用户特征和样本视频的视频特征；分别在多个用户侧神经网络和多个视频侧神经网络对点击率、点赞率和关注率进行联合学习；根据联合学习获得的神经网络算法的网络参数，得到视频的推荐列表在该视频推荐方法中，分别在多个用户侧神经网络和多个视频侧神经网络对点击率、点赞率和关注率进行联合学习，根据联合学习获得的神经网络算法的网络参数，得到视频的推荐列表。设计的神经网络算法能够同时预估用户对视频的点击率、点赞率和关注率，极大地提高了视频推荐的效率。
视频推荐方法装置计算机可读存储介质

[发明专利]一种基于卷积神经网络和字典对学习的肺结节分类方法-CN201710280338.0在审
发明人：强彦;贺娜娜;强梓林;赵涓涓;郝瑞;王华;张小龙 -专利权人：太原理工大学
申请日： 2017-04-26 - 公布日： 2017-08-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于卷积神经网络和字典对学习的肺结节分类方法，该方法将字典对学习算法作为卷积神经网络的分类层与卷积神经网络进行结合，称为CNN‑DPC。该算法包括卷积神经网络参数的训练与肺结节分类两个阶段。首先对训练数据进行预处理，获得肺实质部分；然后对卷积神经网络进行预训练；接着用字典对学习算法替换卷积神经网络的分类层，并对预训练后的网络参数及字典对进行优化；最后对待分类数据进行预处理，获得肺实质部分，本发明实现简单、易于理解，通过将卷积神经网络与字典对学习算法的优势相结合，能够较快且较好地实现肺结节的良恶性分类。
一种基于卷积神经网络字典学习结节分类方法

[发明专利]一种基于DQN算法的区域自动发电动态控制方法-CN201911186894.7在审
发明人：张志轩;李晓宇;王亮;麻常辉;张鹏飞;李文博;杨冬;蒋哲;周宁;邢鲁华;李山;刘文学;张冰;房俏;赵康;马欢;陈博 -专利权人：国网山东省电力公司电力科学研究院;国家电网有限公司
申请日： 2019-11-26 - 公布日： 2020-02-28 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于DQN算法的区域自动发电动态控制方法，通过DQN算法和深度神经网络相结合来进行区域自动发电动态控制。本发明实施例的技术方案通过DQN算法和深度神经网络相结合来进行区域自动发电动态控制，以深度神经网络(DNN)来代替传统Q学习中的“状态‑动作”对，直接构成电网连续状态量与奖励期望之间的映射关系；通过与深度神经网络的有机结合，不仅使Q学习算法拥有了处理复杂的连续状态量的能力，从根本上解决了维数灾问题，同时可以使用深度学习算法对深度神经网络参数进行预学习以有效提高算法的收敛速度。
一种基于 dqn 算法区域自动发电动态控制方法

[发明专利]基于一维深度卷积神经网络的功率分配策略-CN202110437441.8在审
发明人：李君;朱明浩;仲星;张茜茜;沈国丽;王秀敏;李正权 -专利权人：南京信息工程大学滨江学院
申请日： 2021-04-22 - 公布日： 2021-10-19 - 主分类号： H04W72/04 文献下载
摘要：本发明公开了基于一维深度卷积神经网络的功率分配策略，属于通信系统领域，针对现有基于深度神经网络的功率分配算法的不足，提供一种基于一维深度卷积神经网络的功率控制策略，既能实现在线决策，又能对传统算法达到一个很好的性能逼近，其网络预测能力要优于目前的基于全连接结构的深度神经网络。本发明研究了用一维卷积神经网络替代传统算法的资源分配策略，通过监督学习的方式，学习基于传统算法得到的功率分配效果，实现快速可靠的在线决策，与传统的基于深度学习的功率分配算法相比，克服了学习能力有限的缺点
基于深度卷积神经网络功率分配策略

[发明专利]基于学习神经网络滑模的航天器编队轨道容错控制方法-CN202210789081.2有效
发明人：贾庆贤;舒睿;高君楠;桂玉乐;于丹;吴云华 -专利权人：南京航空航天大学
申请日： 2022-07-06 - 公布日： 2022-11-08 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了基于学习神经网络滑模的航天器编队轨道容错控制方法，按以下步骤进行：1、考虑空间摄动和推力器故障，建立航天器编队系统的非线性相对动力模型；2、结合P型迭代学习算法、径向基函数神经网络模型和滑模算法，设计一种学习神经网络滑模观测器，对推力器故障进行鲁棒重构；3、结合学习神经网络模型和滑模控制算法，设计一种学习神经网络滑模容错控制器，实现航天器编队系统受到空间摄动和推力器故障时对标称构型的高精度维持控制
基于学习神经网络航天器编队轨道容错控制方法

[发明专利]基于双神经网络强化学习的自主水下航行器路径规划方法-CN202110253524.1有效
发明人：黄浩乾;李光辉;韩亦鸣;王冰 -专利权人：河海大学
申请日： 2021-03-09 - 公布日： 2022-06-28 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种基于双神经网络强化学习的自主水下航行器路径规划方法，基于双神经网络强化学习算法解决自主水下航行器的路径规划问题。针对Q‑learning学习算法存在需要存储空间大和查找时间长的问题,进行优化处理；在Q‑learning学习算法的基础上融入目标网络和记忆池经验回放技术得到双神经网络强化学习算法，并构建基于双神经网络强化学习算法的AUV智能路径规划框架；量化处理自主水下航行器的环境状态信息，将其与双神经网络强化学习算法相结合，并判断AUV运动方向与目标点位置关系，得到AUV智能规划路径的决策。
基于神经网络强化学习自主水下航行路径规划方法

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