“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932234个，建议您升级VIP下载更多相关专利

[发明专利]神经网络模型迁移方法和系统、电子设备、程序和介质-CN201711214166.3有效
发明人：邵婧;闫俊杰 -专利权人：北京市商汤科技开发有限公司
申请日： 2017-11-28 - 公布日： 2021-05-04 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例公开了一种神经网络模型迁移方法和系统、电子设备、程序和介质，其中，方法包括：分别向训练好的至少两个第一神经网络模型和一待训练的第二神经网络模型输入相同的待处理对象；其中，所述第二神经网络模型的大小小于每个所述第一神经网络模型的大小；基于所述至少两个第一神经网络模型对所述待处理对象的处理结果，共同训练所述第二神经网络模型，直至满足预设训练完成条件。本发明实施例实现了基于多个大神经网络模型对小神经网络模型的共同训练，可将多个大神经网络的性能迁移到小神经网络模型。
神经网络模型迁移方法系统电子设备程序介质

[发明专利]神经网络模型的压缩方法及装置、图像处理方法及处理器-CN202010116576.X有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-02-25 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：本申请公开了一种神经网络模型的压缩方法及装置、图像处理方法、图像处理器，涉及神经网络压缩领域。神经网络模型的压缩方法包括：建立神经网络模型的每个神经网络层对应的搜索空间，搜索空间包括候选剪枝率；各搜索空间的候选剪枝率输入至剪枝策略生成模型，得到剪枝策略；根据剪枝策略对神经网络模型进行剪枝。因为对每个神经网络层建立对应的搜索空间，使得各个神经网络层对应的剪枝率可以不同，克服了由于每个神经网络层对应的剪枝率均相同，从而导致的剪枝后神经网络模型的提速不明显，模型性能较差的技术问题，有效提升神经网络模型的速度以及性能
神经网络模型压缩方法装置图像处理处理器

[发明专利]关于深度神经网络的基站-用户设备消息传递-CN201980098981.9在审
发明人：王继兵;埃里克·理查德·施陶费尔 -专利权人：谷歌有限责任公司
申请日： 2019-08-14 - 公布日： 2022-03-11 - 主分类号： G06N3/04 文献下载
摘要：描述了用于实现关于深度神经网络的基站‑用户设备消息传递的技术和装置。网络实体(基站121、核心网络服务器320)确定用于深度神经网络(深度神经网络604、608、612、616)的神经网络形成配置(架构和/或参数配置1208)，以用于处理在无线通信系统上传输的通信。网络实体(基站121、核心网络服务器302)将神经网络形成配置传送到用户设备(UE 110)。用户设备(UE 110)基于神经网络形成配置来配置第一神经网络(深度神经网络608、612)。在实施方式中，用户设备(UE 110)使用第一神经网络(深度神经网络608、612)来恢复在无线网络上传送的信息。这允许无线通信系统适应改变的操作条件并改善信息恢复。
关于深度神经网络基站用户设备消息传递

[发明专利]用于生成量化神经网络的方法和装置-CN201910288941.2在审
发明人：刘阳 -专利权人：北京字节跳动网络技术有限公司
申请日： 2019-04-11 - 公布日： 2019-07-02 - 主分类号： G06N3/063 文献下载
摘要：本公开的实施例公开了用于生成量化神经网络的方法和装置。该方法的一具体实施方式包括：获取训练样本集和初始神经网络；将初始神经网络中的原始浮点型网络参数转化为整数型网络参数；基于转化成的整数型网络参数，生成量化初始神经网络；从训练样本集中选取训练样本，执行以下训练步骤：将训练样本中的样本信息作为量化初始神经网络的输入，将训练样本中的样本结果作为量化初始神经网络的期望输出，对量化初始神经网络进行训练；响应于确定量化初始神经网络训练完成，基于训练完成的量化初始神经网络，生成量化神经网络。该实施方式有助于减小神经网络所占用的存储空间，以及利用神经网络进行信息处理时对CPU的消耗，提高信息处理的效率。
神经网络量化训练样本网络参数方法和装置信息处理神经网络训练训练样本集存储空间训练步骤样本结果样本信息浮点减小转化消耗占用期望输出响应

[发明专利]神经网络模型压缩方法、装置、存储介质和电子设备-CN201710671900.2在审
发明人：王飞 -专利权人：北京市商汤科技开发有限公司
申请日： 2017-08-08 - 公布日： 2018-06-29 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例提供一种神经网络模型压缩方法、装置、存储介质和电子设备。该方法包括：获取第一神经网络模型；保持或增大所述第一神经网络模型的深度并压缩所述第一神经网络模型的至少一网络层的至少一网络参数，得到第二神经网络模型；基于样本数据集并至少根据所述第一神经网络模型的输出训练所述第二神经网络模型从而，可训练获得特征提取能力强、性能与未经压缩神经网络模型相当的压缩后的神经网络模型，并且该训练方法具有通用性，适用于实现任何功能的神经网络模型。
神经网络模型压缩存储介质电子设备特征提取网络参数样本数据可训练能力强网络层输出

[发明专利]神经网络模型的训练方法及装置-CN201910208661.6在审
发明人：王桂彬;白锦峰 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2019-03-19 - 公布日： 2020-09-29 - 主分类号： G06N3/04 文献下载
摘要：本发明提出一种神经网络模型的训练方法及装置，其中，该方法包括：获取神经网络初始模型；对所述神经网络初始模型的网络参数进行参数量化以生成参数量化神经网络模型；以及对所述参数量化神经网络模型进行激活量化。由于在训练神经网络模型的过程中，对网络参数和激活结果进行了量化，使应用比特乘法成为可能，实现了在保证神经网络模型的识别精度的前提下，极大地压缩了神经网络模型的深度和体积，极大地降低了神经网络模型在推理时的计算复杂度，加快了神经网络模型的推理速度。
神经网络模型训练方法装置

[发明专利]误差反向传播神经网络的预测方法、系统及服务器-CN201510925606.0在审
发明人：杨庭清;徐俊;姜烨;徐正蓺;田欣;张晓凌;何子卿;张浩 -专利权人：中国科学院上海高等研究院
申请日： 2015-12-11 - 公布日： 2016-03-02 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种误差反向传播神经网络的预测方法，包括：构建一个初始神经网络；利用预先采集的N个训练数据样本对初始神经网络进行训练以获取第一收敛神经网络；对第一收敛神经网络中隐含层的神经元节点的输出数据进行相关性分析，合并大于预设相关性阈值的隐含层的神经元节点以产生保留m个隐含层的神经元节点的第二收敛神经网络；对第二收敛神经网络中隐含层的神经元节点的输出数据和第一收敛神经网络中输出层的神经元节点的输出数据进行关联性分析以获取优化神经网络；再次利用N个训练数据样本对优化神经网络进行训练以获取预测神经网络。本发明确定单隐含层神经网络隐含层节点个数，弥补了单一的主分量分析和关联系数法的不足之处。
误差反向传播神经网络预测方法系统服务器

[发明专利]面向嵌入式系统的神经网络的映射方法及装置-CN201711162662.9在审
发明人：俞波;刘少山 -专利权人：深圳普思英察科技有限公司
申请日： 2017-11-21 - 公布日： 2018-04-24 - 主分类号： G06N3/04 文献下载
摘要：一种面向嵌入式系统的神经网络的映射方法及装置，方法包括建立所述神经网络结构,并获取所述神经网络的参数；根据所述神经网络结构和所述神经网络的参数生成描述所述神经网络的数据流图；获取深度学习计算单元库，并利用深度学习计算单元库实现神经网络的数据流图，以获取神经网络的实现程序，从而能够以深度学习计算单元库为基础，将神经网络映射为应用于嵌入式系统的实现程序，从而能够加快神经网络在嵌入式平台的实现速度，最大化嵌入式平台的性能。
面向嵌入式系统神经网络映射方法装置

[发明专利]图像深度和自我运动预测神经网络的无监督学习-CN201880074141.4在审
发明人： A.安杰洛瓦;M.威克;R.马朱利安 -专利权人：谷歌有限责任公司
申请日： 2018-11-15 - 公布日： 2020-07-07 - 主分类号： G06T7/20 文献下载
摘要：一种系统包括由一个或多个计算机实现的神经网络，其中神经网络包括图像深度预测神经网络和相机运动估计神经网络。神经网络被配置为接收图像序列。神经网络被配置为使用图像深度预测神经网络来处理图像序列中的每个图像，以为每个图像生成表征图像的深度的相应深度输出，并且使用相机运动估计神经网络来处理图像序列中的图像子集，以生成表征子集中的图像之间的相机的运动的相机的运动输出已经使用无监督学习技术联合训练了图像深度预测神经网络和相机运动估计神经网络。
图像深度自我运动预测神经网络监督学习

[发明专利]神经网络计算装置-CN202010742154.3在审
发明人：纪亚萍;吴才泽 -专利权人：深圳矽速科技有限公司
申请日： 2020-07-28 - 公布日： 2020-10-16 - 主分类号： G06N3/063 文献下载
摘要：本发明公开一种神经网络计算装置，神经网络计算装置包括神经网络芯片和WIFI芯片，神经网络芯片具有无线信号交互端以及无线信号控制端，神经网络芯片用于执行人工智能神经网络计算。WIFI芯片具有无线信号交互端以及使能端，WIFI芯片的无线信号交互端与神经网络芯片的无线信号交互端连接，WIFI芯片的使能端与无线信号控制端连接，WIFI芯片进行神经网络芯片与物联网的通信。神经网络芯片和WIFI芯片集成在同一电路板上。上述方案解决神经网络计算装置的造价高昂的技术问题。
神经网络计算装置

[发明专利]多神经网络模型载入方法、装置、电子设备及存储介质-CN202110036325.5在审
发明人：孙国钦;郭锦斌 -专利权人：富泰华工业（深圳）有限公司;鸿海精密工业股份有限公司
申请日： 2021-01-12 - 公布日： 2022-07-19 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种多神经网络模型载入方法、装置、电子设备及存储介质。所述方法包括：编译至少两个神经网络模型，计算所述至少两个神经网络模型之间的差异，并通过预设的压缩方法生成模型文件；在神经网络加速器中输入所述模型文件，解码并载入经过编译的神经网络模型；切换神经网络模型时，根据所述差异修改神经网络基础模型的参数。本发明中，通过记录多个模型之间的差异并对模型与记录差异的文件进行编码，从而可以压缩神经网络模型的体积，以及实现在神经网络加速器中载入多个神经网络模型。
神经网络模型载入方法装置电子设备存储介质

[实用新型]神经网络计算装置-CN202021543915.4有效
发明人：纪亚萍;吴才泽 -专利权人：深圳矽速科技有限公司
申请日： 2020-07-28 - 公布日： 2021-03-30 - 主分类号： G06N3/063 文献下载
摘要：本实用新型公开一种神经网络计算装置，神经网络计算装置包括神经网络芯片和WIFI芯片，神经网络芯片具有无线信号交互端以及无线信号控制端，神经网络芯片用于执行人工智能神经网络计算。WIFI芯片具有无线信号交互端以及使能端，WIFI芯片的无线信号交互端与神经网络芯片的无线信号交互端连接，WIFI芯片的使能端与无线信号控制端连接，WIFI芯片进行神经网络芯片与物联网的通信。神经网络芯片和WIFI芯片集成在同一电路板上。上述方案解决神经网络计算装置的造价高昂的技术问题。
神经网络计算装置

[发明专利]用于无线通信的神经网络形成配置反馈-CN201980008572.5在审
发明人：王继兵;埃里克·理查德·施陶费尔 -专利权人：谷歌有限责任公司
申请日： 2019-09-04 - 公布日： 2021-06-18 - 主分类号： H04L5/00 文献下载
摘要：描述了用于无线通信的神经网络形成配置反馈的技术和装置。网络实体(基站120、核心网络服务器302)确定一组深度神经网络参考信号(组2002、2104)以在物理信道上发送用于测量深度神经网络的性能，和/或一组神经网络形成配置(组2004、2106)。网络实体将该组神经网络形成配置和该组深度神经网络参考信号的指示(指示2030、2102)传送到用户设备(UE 110)。网络实体启动该组中的每个深度神经网络参考信号的传输，并引导用户设备测量使用该组神经网络形成配置形成的一组深度神经网络的(输出2032、2034、2036、2124、2128、2132)性能，并且选择该组神经网络形成配置中的一个
用于无线通信神经网络形成配置反馈

[发明专利]卷积神经网络处理方法、装置和电子系统-CN201911389067.8在审
发明人：李志远;李伯勋;俞刚 -专利权人：北京迈格威科技有限公司
申请日： 2019-12-27 - 公布日： 2020-04-28 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种卷积神经网络处理方法、装置和电子系统；其中，该方法包括：对第一卷积神经网络进行训练，基于训练后的第一卷积神经网络的参数初始化第二卷积神经网络的参数；对第二卷积神经网络进行训练；对训练后的第二卷积神经网络进行结构转换，以使转换后的第二卷积神经网络的结构与第一卷积神经网络的结构相同。该方式中，对第一卷积神经网络的卷积核进行了扩展得到第二卷积神经网络，可以提升网络训练过程中网络的表达能力；基于训练后的第一卷积神经网络的参数初始化第二卷积神经网络的参数，可以减少网络的训练时间；将第二卷积神经网络的结构转换为第一卷积神经网络的相同结构，在提升网络精度的同时不会影响网络运行的速度。
卷积神经网络处理方法装置电子系统

[发明专利]一种深度学习多层神经网络的实现方法-CN201510237437.1有效
发明人：秦凯;周喜川;余磊;李胜力;谭跃;胡盛东;唐枋 -专利权人：核工业北京地质研究院
申请日： 2015-05-12 - 公布日： 2018-11-02 - 主分类号： G06N3/063 文献下载
摘要：本发明属于神经网络模型设计技术领域，具体涉及一种深度学习多层神经网络的实现方法。本发明的方法首先采用数字电路构建单层神经网络，之后将上一单层神经网络的输出作为下一单层神经网络的输入，采用串联的形式构建多层神经网络。本发明的方法解决了现有方法仅能构建浅层神经网络的技术问题，面向深度学习，建立了多层的神经网络硬件模型，通过脉冲大小实现信息传递，其模拟的神经元更加接近实际神经元。
一种深度学习多层神经网络实现方法

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条