“神经退化”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205226个，建议您升级VIP下载更多相关专利

[发明专利]神经退化疾病保健食品组合确定方法及其可机读存储介质-CN201811617777.7在审
发明人：李沣洲 -专利权人：康多富国际有限公司
申请日： 2018-12-28 - 公布日： 2020-07-07 - 主分类号： C12Q1/6883 文献下载
摘要：本发明公开了一种神经退化疾病保健食品组合确定方法及其可机读存储介质。个人化神经退化疾病保健食品组合的确定方法包括下列步骤。核酸检测步骤是检测生物样品中的核酸，依据核酸的检测结果判断罹患神经退化疾病的可能性。疾病检测步骤是检测血液样品中的标靶及至少一个健康指数，并依据标靶的检测结果判断未有罹患神经退化疾病。个人化神经退化疾病保健食品组合确定步骤是依据核酸检测步骤中的罹患神经退化疾病的可能性及疾病检测步骤中的至少一个健康指数来确定出个人化神经退化疾病保健食品组合，个人化神经退化疾病保健食品组合包括多种保健食品
神经退化疾病保健食品组合确定方法及其可机读存储介质

[发明专利]一种基于轻量级神经网络的图像退化方法及退化系统-CN202110012919.2在审
发明人：李展;陈彦全;陈曦;汤皓箐;温梓博;钟子意;康志清;甄洛生 -专利权人：暨南大学
申请日： 2021-01-06 - 公布日： 2021-04-30 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于轻量级神经网络的图像退化方法，包括以下步骤：获取数据集并进行预处理，得到输入图像；构建轻量级神经网络图像退化模型；将输入图像输入到轻量级神经网络图像退化模型得到退化图像，计算得到内容损失函数；将输入图像和退化图像通过神经网络模型提取特征值，进而计算感知损失函数；结合得到损失函数，根据损失函数训练该模型，得到训练后的轻量级神经网络图像退化模型；输入待退化的图像得到最终的退化图像；本发明提出了包括残差块的神经网络模型，在避免生成伪造纹理信息的同时减少了网络的参数量，使得生成的图像避免了主观因素的干预，不用人为去预测模型和参数，更加接近真实的图像退化效果。
一种基于轻量级神经网络图像退化方法系统

[发明专利]超分辨图像生成方法及装置-CN201811237477.6在审
发明人：柏提;李鑫;刘霄;赵翔;杨凡;李旭斌;孙昊;文石磊;丁二锐 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-10-23 - 公布日： 2019-01-29 - 主分类号： G06T3/40 文献下载
摘要：本发明提出一种超分辨图像生成方法及装置，其中方法包括：获取待处理的退化图像；获取预设的神经网络模型，神经网络模型为采用训练数据对初始的神经网络模型进行训练后得到的；训练数据中包括：大于预设数量的原始图像，以及原始图像对应的退化图像；退化图像的退化类型包括以下类型中的任意一种或者多种：下采样类型、模糊类型；采用预设的神经网络模型，对退化图像进行处理，得到与退化图像对应的超分辨图像，本实施例中，采用训练后的神经网络模型对退化图像进行恢复处理，恢复得到的超分辨图像的显示效果好，与原始图像的差距小，从而提高了退化图像的恢复效率。
退化图像神经网络模型超分辨原始图像预设图像生成训练数据图像恢复处理模糊类型退化类型显示效果下采样恢复

[发明专利]一种图像处理方法、装置、电子设备和存储介质-CN202110882580.1在审
发明人：王鑫涛;谢良彬;祁仲昂;单瀛 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-08-02 - 公布日： 2023-02-17 - 主分类号： G06T5/00 文献下载
摘要：本申请涉及人工智能技术领域，尤其涉及一种图像处理方法、装置、电子设备和存储介质，用以实现对图像更具针对性的特定退化处理。其中，方法包括：将待处理图像输入初始退化处理模型，获取初始输出图像；基于初始输出图像对树池退化处理模型中各个神经元各自对应的网络参数进行梯度积分，获得各个神经元各自对于目标退化类型的影响因子；基于各个影响因子选取目标退化类型对应的目标神经元，对第一退化处理模型中的目标神经元进行更新，获得目标退化处理模型；基于目标退化处理模型对待处理图像进行图像处理，获得目标输出图像。本申请通过对模型网络参数进行梯度积分，获得更加具有针对性的目标神经元，以实现对图像更具针对性的特定退化处理。
一种图像处理方法装置电子设备存储介质

[发明专利]基于回归分析和RBF神经网络的退化数据缺失插补方法-CN201410061310.4有效
发明人：孙富强;范晔;李晓阳;姜同敏 -专利权人：北京航空航天大学
申请日： 2014-02-24 - 公布日： 2017-01-11 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种回归分析和RBF神经网络的退化数据缺失插补方法，包括以下几个步骤：步骤一、已观测的退化数据趋势回归建模；步骤二、计算已观测退化数据的残差序列；步骤三、建立RBF神经网络，并利用已观测数据的残差序列训练网络；步骤四、通过训练好的RBF神经网络估计缺失数据的残差序列；步骤五、合并缺失数据的趋势项与残差序列的估计结果为退化数据插补结果。本发明将回归分析方法与RBF神经网络方法结合，提出了一种退化数据缺失插补方法，解决了加速退化试验中缺失性能退化数据的插补问题。
基于回归分析 rbf 神经网络退化数据缺失方法

[发明专利]基于支持向量机和RBF神经网络的退化数据缺失插补方法-CN201410061308.7有效
发明人：孙富强;范晔;李晓阳;姜同敏 -专利权人：北京航空航天大学
申请日： 2014-02-24 - 公布日： 2017-02-08 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于支持向量机和RBF神经网络的退化数据缺失插补方法，包括以下几个步骤步骤一、利用支持向量机建立退化数据趋势模型；步骤二、计算已观测退化数据的残差序列；步骤三、建立RBF神经网络，并利用已观测数据的残差序列训练网络；步骤四、通过训练好的RBF神经网络估计缺失数据的残差序列；步骤五、合并缺失数据的趋势项与残差序列的估计结果为退化数据插补结果。本发明将支持向量机方法和RBF神经网络方法结合，提出了一种退化数据缺失插补方法，解决了加速退化试验中缺失性能退化数据的插补问题。
基于支持向量 rbf 神经网络退化数据缺失方法

[发明专利]一种用于评价草地退化程度的训练数据处理方法-CN201910609489.5在审
发明人：李春梅;刘志强;欧为友;肖锋;杨新存;田芳;周钧;马蓉 -专利权人：青海大学
申请日： 2019-07-08 - 公布日： 2019-09-20 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及草地退化改良技术领域，具体地说，是一种用于评价草地退化程度的训练数据处理方法，将现有的数据作为神经网络的参数集，根据草地退化程度对该参数集进行分类，即，未退化、轻度退化、中度退化、重度退化和极度退化，然后建立神经网络模型，再将待评价草地上的可视草地植被数据采集整理作为训练集，通过神经网络模型，将训练集与参数集进行比对分析，得到该待评价草地的退化程度，该方法能够将采集到的海量数据进行科学处理，然后进行归纳总结，去除一些错误和非必要的数据，对剩余的高质量数据进行分析，协助专家对待评价草地的退化程度进行科学评价。
退化草地参数集神经网络模型数据处理训练集比对分析草地植被改良技术海量数据神经网络数据采集质量数据可视去除归纳采集分类分析

[发明专利]用于治疗渐进神经退化症的医药组合物-CN200710097869.2无效
发明人：沈哲鲲;蔡坤哲 -专利权人：中央研究院
申请日： 2007-04-20 - 公布日： 2008-10-22 - 主分类号： A61K38/17 文献下载
摘要：本发明提供一种用于治疗渐进神经退化症或抑制高风险受治疗者渐进神经退化症发生的医药组合物，其至少包含有效量之粒细胞集落刺激因子受体作用剂，藉此使造血干细胞由骨髓移动至外围血液。该组成物亦可被用以在高风险的受治疗者上抑制渐进神经退化症的发生。另提供一种选择用以治疗渐进神经退化症之高效粒细胞集落刺激因子受体作用剂的方法。
用于治疗渐进神经退化医药组合

[发明专利]一种图像复原方法-CN200810025494.3无效
发明人：冯强;于盛林 -专利权人：南京航空航天大学
申请日： 2008-05-06 - 公布日： 2008-09-17 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种图像复原方法，该方法用来对退化模型已知的退化图像进行复原。本发明的处理方法是：将待处理的退化图像运用三维细胞神经网络图像处理方法进行处理，得到的输出就是复原图像。该方法简单易行，可以用在退化模型已知的退化图像的复原中。利用细胞神经网络芯片实现该算法，可以具有非常高的处理速度。
一种图像复原方法

[发明专利]神经退化病症的基因疗法-CN202080087521.9在审
发明人： K·S·加农;M·古雷特;N·R·哈克特 -专利权人：帕罗斯生物公司
申请日： 2020-11-25 - 公布日： 2022-11-04 - 主分类号： C12N15/11 文献下载
摘要：本公开涉及用于治疗神经退化病症的核酸表达盒。还提供了治疗神经退化病症例如阿兹海默氏病、额颞叶失智症、额颞叶退化、匹克氏病、路易体失智症、记忆丧失、认知损害和轻度认知损害的方法。
神经退化病症基因疗法

[发明专利]数据和模型融合的小样本退化量预测方法-CN202211709537.6在审
发明人：谢国;上官安琪;穆凌霞;李艳恺;金永泽;张春丽;杨延西 -专利权人：西安理工大学
申请日： 2022-12-29 - 公布日： 2023-04-28 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种数据和模型融合的小样本退化量预测方法，首先通过传感器或者设备记录仪获取关键设备在运行过程中的退化样本D；让通过归一化方法对退化样本进行处理，并将样本划分为退化训练样本及退化测试样本；通过神经网络学习关键设备每一时刻对应的训练样本退化量，得到编码后的退化量与不同时刻的关系函数hi；利用聚合器对不同时刻的关系函数hi进行整合，并计算整合后函数的均值与方差，对均值与方差进行采样，得到隐变量z；最后通过神经网络学习隐变量z与退化测试样本的函数g，得到关键设备退化量预测值。本发明解决了现有技术中存在的单一传统随机过程及神经网络方法对退化量建模及预测效果较差的问题。
数据模型融合样本退化预测方法

[发明专利]一种老片退化数据的生成方法及设备-CN202211660433.0在审
发明人：周仁爽;李杰;陈尧森;温序铭 -专利权人：成都索贝数码科技股份有限公司
申请日： 2022-12-23 - 公布日： 2023-04-14 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种老片退化数据的生成方法及设备，属于深度学习数据集生成领域，包括步骤：定义种类多样丰富的退化核集合，将退化核的顺序以及数量任意更改；使用一个训练好的退化模型对已有的退化核进行随机动态调整，生成的新的退化核；使用动态调整后的退化核作用于现有的高清素材，生成退化后对应的老片素材。本发明通过一个高度随机性的流程，基于已有的高清素材，大量高效的生成随机退化后的老片素材，为老片修复的深度神经网络训练生成了高质量的数据集，极大减少了人工标注的成本，提升了退化空间的大小，增强了深度神经网络模型的泛化能力
一种退化数据生成方法设备

[发明专利]神经网络训练方法、装置及电子设备-CN202110838140.6在审
发明人：刘行 -专利权人：维沃移动通信（杭州）有限公司
申请日： 2021-07-23 - 公布日： 2021-11-26 - 主分类号： G06T5/00 文献下载
摘要：本申请公开了一种神经网络训练方法、装置及电子设备，属于图像处理与深度学习领域。能够解决相关技术中的深度学习网络对图像的处理效果差的技术问题。该方法包括：根据获取的M张第一图像的M个环境参数，确定N个退化程度，一个退化程度对应至少一个环境参数，一个退化程度对应至少一张第一图像，M、N均为正整数；基于每个退化程度，对每个退化程度对应的第一图像分别进行退化处理，得到每个退化程度对应的第二图像，每个第二图像分别对应一个第一图像；基于每个退化程度对应的第一图像和第二图像，分别生成一个样本集，得到N个样本集；基于N个样本集，分别对Q个神经网络进行训练，一个样本集对应至少一个神经网络
神经网络训练方法装置电子设备

[发明专利]基于退化复四元数卷积神经网络的图像去噪方法及系统-CN202211036627.3在审
发明人：盖杉;聂博凡 -专利权人：南昌航空大学
申请日： 2022-08-29 - 公布日： 2022-11-25 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种基于退化复四元数卷积神经网络的图像去噪方法及系统，包括：获取目标图像；将所述目标图像输入训练好的图像去噪模型中，得到目标图像对应的去噪图像；其中，训练好的图像去噪模型采用退化复四元数卷积神经网络模型，退化复四元数卷积神经网络模型是将实值神经网络模型除首、尾之外的卷积层替换为退化复四元卷积层得到的，退化复四元卷积层的运算方法为四元卷积核的每个轴与特征图的每个轴分别一一进行卷积运算的方法。采用退化复四元卷积层代替普通的实值卷积层，在卷积过程中，融合了图片的多维特征，考虑了多个通道之间的相关性。使得图片在去噪中有更丰富的特征被提取和学习，能够更好的与噪声点进行区分。
基于退化复四元数卷积神经网络图像方法系统

[发明专利]一种基于卷积神经网络和混合分辨率的视频超分辨方法-CN201910373987.4有效
发明人：傅志中;敬琳萍;徐莉娟;李晓峰;徐进;刘洪盛 -专利权人：电子科技大学
申请日： 2019-05-07 - 公布日： 2022-05-31 - 主分类号： G06T3/40 文献下载
摘要：本发明属于计算机视觉技术领域，具体提供一种基于卷积神经网络和混合分辨率的视频超分辨方法；首先，在视频序列中周期保留部分帧作为高分辨率帧数据，而其他帧则经过退化处理作为低分辨率图像帧，二者结合组成混合分辨视频；然后，基于卷积神经网络训练退化网络提取退化因子的特征信息，并用训练好的模型得到低分辨率图像帧的退化特征图；再然后，将低分辨率图像帧和与其相关的高分辨率帧、退化特征图作为输入数据，基于卷积神经网络训练得到超分辨网络模型本发明将卷积神经网络和混合分辨率模型相结合，能够有针对性地分析图像纹理细节和退化因子，从而提高了超分辨的准确性。
一种基于卷积神经网络混合分辨率视频分辨方法

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