“ann”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534个，建议您升级VIP下载更多相关专利

[发明专利]存储器中的人工神经网络-CN202080040243.1在审
发明人： R·C·墨菲;G·E·胡申;H·孙 -专利权人：美光科技公司
申请日： 2020-06-05 - 公布日： 2022-01-07 - 主分类号： G06N3/04 文献下载
摘要：与存储器中的多个人工神经网络ANN相关的系统、设备和方法。此类ANN可以不同粒度在存储器系统(包含若干存储器装置)内实施。例如，多个ANN可在单个存储器装置内实施和/或单个ANN可在多个存储器装置上实施(使得多个存储器装置被配置为单个ANN)。具有多个ANN的所述存储器系统可彼此独立地操作每个ANN，使得可同时执行多个ANN操作。
存储器中的人工神经网络

[发明专利]基于容错技术的WLAN室内三层ANN智能定位方法-CN201010108448.7无效
发明人：马琳;徐玉滨;孙颖;沙学军;彭浪 -专利权人：哈尔滨工业大学
申请日： 2010-02-10 - 公布日： 2010-09-01 - 主分类号： H04W24/04 文献下载
摘要：基于容错技术的WLAN室内三层ANN智能定位方法，它涉及复杂系统辨识领域。它解决了现有的三层ANN中隐藏层节点个数难以确定而使三层ANN的容错性不稳定及定位精度不理想的问题，本发明首先将接入点AP的个数作为ANN输入层的节点数，将位置信息的维数作为ANN输出层的节点数，然后利用参考点RSS矩阵和相应参考点的位置坐标组成ANN训练集，根据所述ANN训练集并选择不同的ANN隐藏层的节点数训练ANN，获得容错满意度最高的ANN隐藏层的节点数，保存此ANN容错结构，最后。将待测点的测试点RSS矩阵导入所述ANN容错结构，获得待测点的定位坐标。本发明适用于复杂系统中定位。
基于容错技术 wlan 室内三层 ann 智能定位方法

[发明专利]由低差异序列生成的人工神经网络-CN202210156811.5在审
发明人： A·凯勒;M·J·范·基尔斯布里克 -专利权人：辉达公司
申请日： 2022-02-21 - 公布日： 2022-09-06 - 主分类号： G06N3/08 文献下载
摘要：人工神经网络(ANN)是通过考虑示例学习执行任务来模仿人脑的计算系统。这些ANN通常是通过使用连接连接几层神经单元来创建的，其中每个神经单元直接或间接地连接到每个其他神经单元，以在ANN内创建全连接层。然而，通过使用从ANN的输入到ANN的输出的路径来表示人工神经网络，与ANN内的全连接层相比，可以降低ANN的复杂性，并且可以以更快的方式训练和实现ANN。更具体地说，可以从头开始对ANN进行稀疏训练，以便避免训练ANN并在之后对其进行压缩的更昂贵的过程。
差异序列生成人工神经网络

[发明专利]提高人工神经网络定位性能的方法和装置-CN201580069876.4有效
发明人：李安俭;崔杰;韩静;李红 -专利权人：华为技术有限公司
申请日： 2015-05-22 - 公布日： 2020-02-14 - 主分类号： H04W64/00 文献下载
摘要：本发明实施例提供一种提高人工神经网络定位性能的方法和装置，该方法包括：建立初始ANN；使用PSO算法对初始ANN进行优化，得到优化后的初始ANN；对优化后的初始ANN进行训练，得到训练后的ANN。本发明实施例提供的定位方法和装置，通过使用PSO算法对ANN中各神经元的权重和偏移量进行优化，提高了采用ANN进行定位的性能。
提高人工神经网络定位性能方法装置

[发明专利]基于人工神经网络数据局部性的人工神经网络存储器系统-CN202111291378.8在审
发明人：金錄元 -专利权人：蒂普爱可斯有限公司
申请日： 2021-11-01 - 公布日： 2022-05-06 - 主分类号： G06N3/063 文献下载
摘要：一种人工神经网络(ANN)的存储器系统包括：处理器，其用于处理人工神经网络模型；以及ANN存储器控制器，其被配置为控制存储在存储器中的ANN模型的数据的重新排列并且基于ANN模型的ANN数据局部性信息以读取突发模式操作存储在存储器中的ANN模型的数据。ANN存储器控制器可以接收预先生成的ANN数据局部性信息，或者处理器可以按顺序生成多个数据访问请求，使得ANN存储器控制器可以通过监控多个数据访问请求来生成ANN数据局部性信息。ANN存储器控制器基于人工神经网络数据局部性在接收来自处理器的请求之前准备数据，以减少存储器向处理器提供数据的延迟。
基于人工神经网络数据局部性存储器系统

[发明专利]利用网络中的路径来表示神经网络以提高神经网络的性能-CN201910231721.6有效
发明人： A·凯勒;G·莫尔迪多;N·甘博亚;M·V·基尔斯布里克 -专利权人：辉达公司
申请日： 2019-03-26 - 公布日： 2023-10-10 - 主分类号： G06N3/082 文献下载
摘要：人工神经网络(ANN)是一种通过考虑例子学习执行任务来模拟人脑的计算系统。通过利用分别将ANN的输入连接到ANN的输出的各个路径表示人工神经网络，可以降低ANN的复杂性，与使用全连接的ANN图的实现相比，ANN可以以快得多的方式被训练和实现。
利用网络中的路径表示神经网络提高性能

[发明专利]NPU、边缘设备及其运行方法-CN202111311760.0在审
发明人：金錄元 -专利权人：蒂普爱可斯有限公司
申请日： 2021-11-08 - 公布日： 2022-10-18 - 主分类号： G06N3/063 文献下载
摘要：一种神经处理单元(NPU)包括：内部存储器，其用于存储关于多个人工神经网络(ANN)模型的组合的信息，所述多个ANN模型包括第一ANN模型和第二ANN模型；多个处理元件(PE)，其用于依次或并行处理所述多个ANN模型的第一操作和第二操作，所述多个PE包括第一组PE和第二组PE；以及调度器，其用于基于与关于所述多个ANN模型的操作次序相关的信息的指令或者进一步基于ANN数据局部性信息，将所述第一ANN模型的所述第一操作的一部分分配给所述第一组PE，并且将所述第二ANN模型的所述第二操作的一部分分配给所述第二组PE。
npu 边缘设备及其运行方法

[发明专利]一种基于ANN的污泥灰混凝土材料配合比的设计方法-CN202311002324.4在审
发明人：时金娜;张文秀;李伟;冯欢 -专利权人：内蒙古工业大学
申请日： 2023-08-10 - 公布日： 2023-09-15 - 主分类号： G16C60/00 文献下载
摘要：本发明公开一种基于ANN的污泥灰混凝土材料配合比的设计方法，包括如下步骤：采集构建污泥灰混凝土原材料配合比和力学性能参数的初始数据集；将初始数据集随机划分为训练集和测试集；基于训练集进行迭代训练构建得到ANN模型，并根据测试集对ANN模型进行验证，若验证通过则输出构建的ANN模型，若验证不通过则重新执行训练过程优化ANN模型，直至ANN模型通过验证；将待配制污泥灰混凝土材料的性能指标输入基于验证通过的ANN模型中，通过ANN模型输出污泥灰混凝土原材料的配合比。
一种基于 ann 污泥混凝土材料配合设计方法

[发明专利]人工神经网络旁路-CN202180082068.7在审
发明人： S·蒂库;P·卡利 -专利权人：美光科技公司
申请日： 2021-11-18 - 公布日： 2023-08-15 - 主分类号： G06N3/063 文献下载
摘要：设备和方法可与编译用于实施人工神经网络(ANN)旁路的指令相关。旁路路径可用于绕过所述ANN的一部分，以使得所述ANN产生具有特定置信度水平的输出，同时利用比尚未绕过所述ANN的所述部分的情况更少的资源。编译器可确定将所述旁路路径放置在ANN中的何处。
人工神经网络旁路

[发明专利]基于人工神经网络的自动化数据切片-CN202010473418.X在审
发明人： R·博瑞尔;E·法尔彻;O·拉兹;A·兹罗尼克 -专利权人：国际商业机器公司
申请日： 2020-05-29 - 公布日： 2021-01-05 - 主分类号： G06N3/04 文献下载
摘要：一种用于基于人工神经网络(ANN)进行自动化数据切片的方法、装置和计算机程序产品。该方法包括：获得ANN，其中ANN被配置为提供对数据实例的预测、其中ANN包括在节点之间具有互连的节点集合；基于ANN的节点的子集确定属性向量；基于属性向量，确定多个数据切片；获得包括测试数据实例的测试数据集；对于每个数据切片，计算ANN在该数据切片上的性能测量，其中所述计算基于ANN在映射到数据切片的每个测试数据实例上的应用；以及基于数据切片的性能测量的至少一部分来执行动作。
基于人工神经网络自动化数据切片

[发明专利]人工神经网络旁路-CN202180077337.0在审
发明人： S·蒂库;P·卡利 -专利权人：美光科技公司
申请日： 2021-10-18 - 公布日： 2023-07-21 - 主分类号： G06N3/063 文献下载
摘要：设备及方法可与在ANN中实施旁路路径相关。所述旁路路径可用来绕过所述ANN的一部分，使得所述ANN产生具有特定置信度水平的输出，同时利用比未绕过所述ANN的所述一部分时更少的资源。
人工神经网络旁路

[发明专利]人工神经网络完整性验证-CN201980014959.1在审
发明人： A·特罗亚;A·蒙代洛;M·皮萨萨莱 -专利权人：美光科技公司
申请日： 2019-01-25 - 公布日： 2020-10-16 - 主分类号： G06N3/08 文献下载
摘要：一种示例方法包括接收针对采用人工神经网络ANN的系统的多个输入，其中所述ANN包括多个ANN分区，每个ANN分区具有存储在存储器中的与其相对应的相应权重矩阵数据和偏差数据。所述方法包含：确定所述多个输入所对应的ANN分区；从所述存储器中读取以下：对应于所确定的ANN分区的权重矩阵数据和偏差数据；以及对应于所述所确定的ANN分区的第一密码代码；使用从所述存储器中读取的所述权重矩阵数据和所述偏差数据来生成对应于所述所确定的ANN分区的第二密码代码；确定所述第一密码代码和所述第二密码代码是否匹配；以及响应于确定所述第一密码代码与所述第二密码代码之间的错配而向所述系统的控制器发出所述错配的指示。
人工神经网络完整性验证

[发明专利]一种基于量化ANN的脉冲神经网络转化训练方法、装置及芯片-CN202310599401.2在审
发明人：郑乾;潘纲;胡扬帆 -专利权人：浙江大学
申请日： 2023-05-25 - 公布日： 2023-08-22 - 主分类号： G06N3/0495 文献下载
摘要：本发明公开了一种基于量化ANN的脉冲神经网络转化训练方法、装置及芯片，其中，训练方法包括：(1)采用量化训练的方法来训练量化ANN；(2)构建量化ANN和脉冲神经网络SNN之间的等价映射，通过量化ANN训练对阈值和权重的优化来最小化ANN到SNN转化过程中的量化误差；(3)构建有符号IF神经元模型，对错误发放的脉冲进行检测并以负脉冲的形式进行补偿，以降低ANN到SNN转化过程中每层的序列误差；(4)使用逐层微调方法，以降低ANN到SNN转化过程中逐层传递累积的序列误差。利用本发明，在保证SNN精度与ANN精度相当的前提下大幅降低SNN的推断延迟，提高了潜在SNN应用的实时性以及能效。
一种基于量化 ann 脉冲神经网络转化训练方法装置芯片

[发明专利]一种基于随机因子改进CSA的海上短期风速预测方法-CN202110541563.1在审
发明人：张建平;孙雷;唐征歧;俞晓峰;任浩翰;张智伟 -专利权人：上海理工大学;上海绿色环保能源有限公司
申请日： 2021-05-18 - 公布日： 2021-08-13 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于随机因子改进CSA的海上短期风速预测方法，包括以下步骤：获取数据集，对数据集进行预处理，对预处理后的数据集进行划分得到训练集和测试集；构建ANN模型，用预处理后的训练集作为ANN模型的输入，用风速作为ANN模型的输出，建立ANN模型；通过引入随机因子[R]改进CSA得到RCSA，采用RCSA对ANN模型进行训练，优化ANN模型中的权值与偏置参数，建立RCSA‑ANN短期风速预测模型。
一种基于随机因子改进 csa 海上短期风速预测方法

[发明专利]将三元矩阵合并到神经网络中-CN202111229309.4在审
发明人： A·凯勒;G·F·托尔卡托·莫尔迪多;M·J·范·基尔斯布里克 -专利权人：辉达公司
申请日： 2021-10-21 - 公布日： 2022-05-17 - 主分类号： G06N3/063 文献下载
摘要：人工神经网络(ANN)是受人脑启发的计算系统，它通过考虑示例来学习执行任务。这些ANN通常是通过使用连接来连接几层人工神经元而创建的，其中每个人工神经元直接或间接地连接到每个其他人工神经元，以在ANN内创建全连接层。通过用三元矩阵代替ANN内的一个或更多个全连接层，可以降低ANN的复杂性和资源使用，同时提高ANN的性能。
三元矩阵合并神经网络

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 534 条