“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]一种舌诊方法、装置、计算设备及计算机存储介质-CN201811634491.X在审
发明人：王鑫宇;周桂文 -专利权人：深圳和而泰数据资源与云技术有限公司
申请日： 2018-12-29 - 公布日： 2019-05-03 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及人工智能技术领域，尤其公开了一种舌诊方法、装置、计算设备及计算机存储介质，其中，方法包括：获取用户的舌头图像；将所述舌头图像输入定位神经网络得到舌头目标定位后的定位舌头图像，所述定位神经网络是通过第一神经网络训练得到的，所述第一神经网络包括SSD神经网络；将所述定位舌头图像输入识别神经网络得到识别结果，所述识别神经网络是通过第二神经网络训练得到的，所述第一神经网络与所述第二神经网络为同一神经网络，或者所述第一神经网络与所述第二神经网络为不同神经网络
神经网络舌诊舌头计算机存储介质神经网络训练定位舌头计算设备图像输入图像人工智能技术目标定位

[发明专利]一种大型神经网络并行优化训练方法-CN202110940061.6在审
发明人：戚建淮;周杰;宋晶;张莉;郑伟范;刁润 -专利权人：成都市以太节点科技有限公司
申请日： 2021-08-17 - 公布日： 2021-11-16 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种大型神经网络并行优化训练方法，所述方法包括以下步骤：步骤1，初始化大型神经网络；步骤2，对大型神经网络进行最优训练，包括对神经网络单元进行单元训练，根据识别率最高的神经网络单元的参数对其余神经网络单元进行迁移训练，对大型神经网络进行整体训练；步骤3，对大型神经网络进行最差淘汰训练，在保持大型神经网络识别率最优的前提下依次淘汰识别率低的神经网络单元。本发明通过对大型神经网络进行最优训练和淘汰训练，能够提升大型神经网络的训练速度和训练效果，同时简化大型神经网络的结构，快速训练出单元最优和整体最优的大型神经网络。
一种大型神经网络并行优化训练方法

[发明专利]神经网络训练和部署方法、文本翻译方法及相关产品-CN202010894158.3在审
发明人：高鹏;代季峰;李鸿升 -专利权人：商汤集团有限公司
申请日： 2020-08-31 - 公布日： 2020-11-24 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了一种神经网络训练和部署方法、文本翻译方法及相关产品，其中，本申请首先获取目标神经网络和部署需求信息；目标神经网络以及目标神经网络包括的子神经网络均为训练好的神经网络，部署需求信息包括用于表示目标设备承载能力的信息；之后基于部署需求信息，从训练好的神经网络中，获取部署在目标设备上的待部署神经网络；最后将待部署神经网络部署在所述目标设备上。本申请能够根据目标设备的承载能力，从目标神经网络以及目标神经网络包括的各个子神经网络中筛选适用的神经网络进行部署，避免了需要根据不同设备的承载能力多次训练神经网络的缺陷，提高了神经网络的训练和部署效率，
神经网络训练部署方法文本翻译相关产品

[发明专利]类神经网络系统及其操作方法-CN202010552739.9在审
发明人：陈昱达;梁峰铭;简韶逸;曹昱;江承恩 -专利权人：台达电子工业股份有限公司
申请日： 2020-06-17 - 公布日： 2021-12-17 - 主分类号： G06N3/04 文献下载
摘要：本公开涉及一种类神经网络系统及其操作方法。类神经网络系统包含至少一个存储器以及至少一个处理器。存储器用以存储前端类神经网络、编码类神经网络、解码类神经网络及后端类神经网络。处理器用以执行存储器中的前端类神经网络、编码类神经网络、解码类神经网络及后端类神经网络，以执行操作包含：利用前端类神经网络输出特征数据；利用编码类神经网络压缩特征数据，并输出对应特征数据的压缩数据；利用解码类神经网络解压缩压缩数据，并输出对应特征数据的解压缩数据；以及利用后端类神经网络根据解压缩数据执行相应的操作。一种类神经网络系统的操作方法亦在此公开。
神经网络系统及其操作方法

[发明专利]使用神经网络-CN201880082092.9在审
发明人： V·门科夫斯基;A·拉赫曼;C·D·F·雷诺;B·康罗伊;D·马夫里厄杜斯;E·布雷施;T·范登赫费尔 -专利权人：皇家飞利浦有限公司
申请日： 2018-10-16 - 公布日： 2020-08-07 - 主分类号： G06N3/02 文献下载
摘要：一种用于识别针对神经网络的神经网络输入的方法、系统和计算机程序产品，该神经网络输入可能已经神经网络不正确地处理了。获得与神经网络输入相关联的(单个层的神经元的子集的)激活值集合。还获得与神经网络输入相关联的神经网络输出。确定第一神经网络输入与第二神经网络输入是否共享相似的激活值集合，但神经网络输出不相似，反之亦然。以这种方式，能够预测神经网络是否已经不正确地处理了第一神经网络输入和第二神经网络输入中的一个。
使用神经网络

[发明专利]神经网络生成及目标检测的方法、装置、设备及存储介质-CN202111664271.3在审
发明人：王宇川;刘吉豪;刘宇;王晓刚 -专利权人：上海商汤智能科技有限公司
申请日： 2021-12-31 - 公布日： 2022-04-12 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种神经网络生成及目标检测的方法、装置、设备及存储介质，其中，该方法包括：获取包括有至少两个候选神经网络的神经网络集，所述至少两个候选神经网络中的每个候选神经网络包括网络组成模块；在确定需要对所述神经网络集中的候选神经网络进行变异的情况下，基于预训练的强化学习网络对所述候选神经网络包括的至少一个网络组成模块进行变异，得到变异神经网络；基于变异神经网络对所述神经网络集进行更新，得到更新后的神经网络集；所述更新后的神经网络集包括的神经网络符合预设性能要求本公开通过强化学习网络可以学习到的较好的变异关系，在快速达到搜索收敛的同时，还使得所构建的更新后的神经网络集的网络性能更佳。
神经网络生成目标检测方法装置设备存储介质

[发明专利]神经网络的压缩方法及装置、存储介质及电子设备-CN202110454038.6在审
发明人：古迎冬;李骊 -专利权人：北京华捷艾米科技有限公司
申请日： 2021-04-26 - 公布日： 2021-07-23 - 主分类号： G06N3/04 文献下载
摘要：本发明提供一种神经网络的压缩方法及装置、存储介质及电子设备，利用已训练的第一神经网络，监督各个结构复杂度较小的第二神经网络进行训练。各个神经网络均由多个子结构串联构成，在训练过程中，基于每个神经网络的输出和每个神经网络的各个子结构的输出，确定每个第二神经网络对应的各个损失度，继而确定当前的总损失度，若当前的总损失度未收敛，则继续训练过程，直至当前的总损失度收敛时，在当前各个第二神经网络中确定目标第二神经网络，将目标第二神经网络作为第一神经网络对应的压缩神经网络。应用本发明的方法，结合神经网络的最终输出和中间输出进行训练监督，使得第二神经网络能够有效接近第一神经网络，可提高压缩神经网络的精度。
神经网络压缩方法装置存储介质电子设备

[发明专利]一种神经网络的量化方法、装置及电子设备-CN202211029712.7在审
发明人：吴珺媛;武迎迎;梁天柱;刘鹏 -专利权人：南京芯驰半导体科技有限公司
申请日： 2022-08-25 - 公布日： 2022-11-11 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种神经网络的量化方法、装置及电子设备，该方法包括：采用目标量化方式对目标神经网络的当前神经网络层的输入参数和网络参数进行量化；目标神经网络包括多个神经网络层；目标神经网络用于对图像中的目标进行识别；基于量化后的输入参数和当前神经网络层的量化后的网络参数，确定量化后的第一输出结果；基于输入参数及网络参数量化前的第一输出结果及量化后的第一输出结果对当前神经网络层的量化后的网络参数进行校正，得到量化后的当前神经网络层；确定量化后的当前神经网络层是否为目标神经网络的最后一个神经网络层，若是，则基于量化后的各个神经网络层，得到量化后的目标神经网络。如此可减少目标神经网络的参数量和计算量。
一种神经网络量化方法装置电子设备

[发明专利]基于FPGA的神经网络加速方法和系统-CN202111215502.2在审
发明人：陈永;翁正林 -专利权人：杭州加速科技有限公司
申请日： 2021-10-19 - 公布日： 2023-04-25 - 主分类号： G06N3/063 文献下载
摘要：本发明涉一种基于FPGA的神经网络加速方法和系统。该方法包括：获取神经网络模型(11)；根据所述神经网络模型的模型参数，从神经网络加速库中选取适用于所述神经网络模型的加速单元(12)；将选取的加速单元加载到FPGA加速卡中(13)；利用FPGA加速卡执行神经网络加速神经网络加速库中包括专用神经网络加速单元、通用神经网络加速单元以及神经网络算子加速单元。根据本发明的方法使得能够实现FPGA神经网络加速单元的快速部署，以便适应不断变化的神经网络模型。
基于 fpga 神经网络加速方法系统

[发明专利]神经网络的生成及图像处理方法、装置、系统和存储介质-CN201910900766.8在审
发明人：郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-09-23 - 公布日： 2020-02-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种神经网络的生成及图像处理方法、装置、系统和存储介质，该方法包括：获取第一神经网络，并在第一神经网络的任意节点位置处插入超级模块形成第二神经网络，超级模块包括多个分支，每个分支对应于一个候选的神经网络操作，每个分支与第一神经网络构成第二神经网络的一个分支网络；对第二神经网络的每个分支网络进行训练和测试，以确定最优操作，包括最优操作的分支网络作为第三神经网络；确定第三神经网络是否满足预设约束条件，如果满足，则将第三神经网络作为最终生成的神经网络，如果不满足，则将第三神经网络视为第一神经网络，并回到插入超级模块的步骤。本发明的方案能够实现高效地自动生成在特定任务上表现较好的神经网络。
神经网络生成图像处理方法装置系统存储介质

[发明专利]用于引导架构演进的连接权重学习-CN202080034659.2在审
发明人：迈克尔·相原·柳;安东尼·雅各布·皮耶尔乔瓦尼;谭明星;阿内利亚·安格洛瓦 -专利权人：谷歌有限责任公司
申请日： 2020-05-22 - 公布日： 2021-12-17 - 主分类号： G06N3/04 文献下载
摘要：用于确定用于执行视频处理神经网络任务的神经网络的一个或多个神经网络架构的方法、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，方法包括：在多次迭代中的每一次：从神经网络架构集合中选择父神经网络架构；训练具有父神经网络架构的神经网络以执行视频处理神经网络任务，包括确定父神经网络架构的连接权重参数的训练值；至少部分地基于父神经网络架构的连接权重参数的训练值生成新神经网络架构；并且将该新神经网络架构添加到神经网络架构集合中。
用于引导架构演进连接权重学习

[发明专利]神经网络生成装置、神经网络控制方法以及软件生成程序-CN202180070438.5在审
发明人：金井润一;山冈宙太 -专利权人：利普麦德株式会社
申请日： 2021-10-19 - 公布日： 2023-06-27 - 主分类号： G06N3/0464 文献下载
摘要：一种神经网络生成装置，为生成对神经网络进行运算的神经网络执行模型的神经网络生成装置，具备：执行模型生成部，基于所述神经网络执行模型进行工作的硬件的硬件信息和所述神经网络的网络信息来生成所述神经网络执行模型；以及软件生成部，生成使将所述神经网络执行模型安装于所述硬件而成的神经网络硬件工作的软件。
神经网络生成装置控制方法以及软件程序

[发明专利]神经网络架构搜索方法及装置、可读存储介质、电子设备-CN202110636793.6在审
发明人：薛超 -专利权人：京东科技信息技术有限公司
申请日： 2021-06-08 - 公布日： 2022-12-09 - 主分类号： G06N3/04 文献下载
摘要：本公开属于计算机技术领域，涉及一种神经网络架构搜索方法及装置、可读存储介质、电子设备。该方法包括：获取与神经网络对应的网络架构信息，并基于架构搜索关系，确定神经网络拓扑中的神经网络算子的分配策略；其中，网络架构信息包括神经网络算子以及神经网络拓扑；根据与分配策略对应的分配结果更新神经网络算子得到目标神经网络算子，并基于架构搜索关系、目标神经网络算子以及神经网络拓扑，对分配策略进行更新得到目标分配策略；按照目标分配策略对与目标分配策略对应的目标神经网络进行训练，以根据训练结果确定与神经网络对应的神经网络架构搜索结果在本公开中，通过架构搜索关系，降低了确定神经网络架构搜索结果的复杂度。
神经网络架构搜索方法装置可读存储介质电子设备

[发明专利]一种神经网络搜索方法、装置、设备及存储介质-CN202211181426.2在审
发明人：张磊;李富康 -专利权人：中科物栖（北京）科技有限责任公司
申请日： 2022-09-27 - 公布日： 2022-12-23 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络搜索方法、装置、设备及存储介质，涉及神经网络技术领域。该方法包括：利用自动化人工智能的神经结构搜索算法，确定神经网络搜索空间；对所述神经网络搜索空间内每个神经网络结构进行超参数配置，并对配置的超参数进行优化；对超参数配置后的神经网络进行网络性能评分，并根据所有所述神经网络对应的网络性能评分选择出最优神经网络通过利用自动化人工智能的神经结构搜索算法确定神经网络搜索空间，可以扩大神经网络搜索空间，对神经网络搜索空间内每个神经网络结构进行超参数配置后，再进行超参数优化，最后根据网络性能评分确定出最优神经网络，可以灵活满足用户需求，提高神经网络搜索的准确性。
一种神经网络搜索方法装置设备存储介质

[发明专利]神经网络模型的优化方法、装置、设备及存储介质-CN202010885650.4在审
发明人：陈伟 -专利权人： OPPO广东移动通信有限公司
申请日： 2020-08-28 - 公布日： 2020-12-11 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种神经网络模型的优化方法、装置、设备及存储介质，属于人工智能领域。该方法包括：通过遍历神经网络模型中神经网络节点之间的节点连接关系，构建神经网络模型对应的至少一张网络子图，每张网络子图由至少一个神经网络节点构成，且同一网络子图中的神经网络节点之间相连；确定网络子图中的离群网络子图，离群网络子图中不包含神经网络输入节点和神经网络输出节点；根据离群网络子图优化神经网络模型。本申请实施例中，在不影响神经网络模型质量的前提下，简化神经网络模型的效果，从而降低神经网络模型对移动终端的算力需求，进而提高部署至移动终端侧的神经网络模型的推理速度。
神经网络模型优化方法装置设备存储介质