“dbn”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574个，建议您升级VIP下载更多相关专利

[发明专利]DBN的优化方法及装置、存储介质及电子设备-CN202211048113.X在审
发明人：刘淑贤 -专利权人：中国银行股份有限公司
申请日： 2022-08-30 - 公布日： 2022-11-25 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了DBN的优化方法及装置、存储介质及电子设备，可应用于神经网络领域或金融领域，方法包括：获取训练集、测试集和验证集；确定DBN中的RBM层数；执行DBN对应的训练过程，包括：应用训练集及PSO算法对每个RBM进行寻优处理；基于测试集、各个已处理的RBM以及BP算法对DBN进行反向微调；计算反向微调后DBN的模型误差下降率；当模型误差下降率大于误差阈值时，重新执行训练过程，反之，得到DBN的隐藏层的神经网络状态信息；应用验证集及所述神经网络状态信息对DBN进行性能评估；当评估结果符合评估要求，完成对述DBN的优化过程。应用本发明提供的方法，可以优化DBN，提高DBN的精度。
dbn 优化方法装置存储介质电子设备

[发明专利]基于CSO优化DBN模型的电力业扩项目时长预测方法-CN202210268779.X在审
发明人：林镜星;谢志炜;许斌斌;林其雄;周鑫;姚汉星 -专利权人：广东电网有限责任公司广州供电局
申请日： 2022-03-18 - 公布日： 2022-07-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于CSO优化DBN模型的电力业扩项目时长预测方法，包括：根据项目费用的分布，确定待预测项目的目标DBN预测模型；将待预测项目数据输入至训练好的目标DBN预测模型中，得到待预测的项目时长；训练DBN预测模型包括：根据历史项目费用将电力业扩历史项目分类得到四个项目的费用区间；动态选择每个费用区间的历史数据，建立对应类别的DBN预测模型；根据DCCSO对DBN预测模型的初始权值优化，得到目标初始权值；对DBN预测模型的目标初始权值进行微调，得到训练好的DBN预测模型。本申请在训练的早期利用DCCSO优化DBN预测模型的权值并通过联合初始权值的正则项作为目标适应度函数，通过优化后的DBN模型对业扩时长进行预测，能够快速得到精确的业扩时长。
基于 cso 优化 dbn 模型电力项目预测方法

[发明专利]一种基于SBR-DBN模型的系统故障诊断与状态预测方法-CN202310412923.7在审
发明人：苏艳;邢翔宇 -专利权人：南京航空航天大学
申请日： 2023-04-18 - 公布日： 2023-07-11 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于SBR‑DBN模型的系统故障诊断与状态预测分析方法，所述方法包括：S1、利用叠加多层稀疏贝叶斯正则化受限波尔兹曼机(SBR‑RBM)结构和输出端的BP神经网络形成稀疏贝叶斯正则化深度置信(SBR‑DBN)模型；S2、通过输入系统标签化监测数据对SBR‑DBN模型进行分析训练并实现SBR‑DBN模型的收敛过程；S3、向训练后的SBR‑DBN模型输入刹车系统历史监测参数信息，进行SBR‑DBN模型故障诊断并输出故障诊断结果；S4、通过输入实时故障状态监测飞参数据进行SBR‑DBN模型状态预测，实现基于SBR‑DBN模型状态预测与真实运行状态的误差判断；本发明实现较高SBR‑DBN模型故障诊断精度和较快的训练收敛速度
一种基于 sbr dbn 模型系统故障诊断状态预测方法

[发明专利]一种基于深度学习的高性能语音增强方法-CN201810265012.5有效
发明人：张涛;任相赢 -专利权人：天津大学
申请日： 2018-03-28 - 公布日： 2021-08-03 - 主分类号： G10L21/02 文献下载
摘要：一种基于深度学习的高性能语音增强方法：对音频PCM编码信号预处理：对音频PCM编码信号进行分帧、加窗，同时按照设定比例将原始数据集分为训练集和测试集；利用黄金分割法确定DBN隐藏层节点数；利用训练集对DBN的权重和偏置参数进行预训练；利用训练集对DBN的权重和偏置参数进行微调；提取DBN特征，是利用微调得到的DBN权重和偏置参数分别提取DBN训练集特征和DBN测试集特征；利用提取的DBN训练集特征对监督学习语音分离系统进行训练；将提取的DBN的测试集特征作为已训练好的监督学习语音分离系统的输入，监督学习语音分离系统输出即为估计的目标标签，通过语音波形合成可得最终增强后的语音。
一种基于深度学习性能语音增强方法

[发明专利]基于fMRI数据识别脑功能网络的DBN结构构建方法-CN202110888689.6在审
发明人：赵世杰;费瑶;庞天吉;韩军伟;郭雷 -专利权人：西北工业大学
申请日： 2021-08-02 - 公布日： 2021-11-02 - 主分类号： G06F3/01 文献下载
摘要：本发明提供了一种基于fMRI数据识别脑功能网络的DBN结构构建方法。首先，将输入的fMRI数据集随机划分得到训练数据和验证数据；然后，构建由若干RBM层组成的DBN模型，其中，每个RBM层由一个可视层和一个隐藏层构成；再构造DBN模型的结构搜索空间；接下来，对DBN模型的每一个RBM层进行基于Gumbel‑SoftMax策略的联合结构搜索和训练，训练好的多个RBM层即构成最终的DBN模型。本发明能够较好地解决现有DBN结构自动搜索方法的搜索速度低且效率差的问题，通过从整个结构搜索空间抽取备选结构，并且共享备选结构之间的权重，能够极大地节省训练候选结构收敛的时间，提高DBN结构的搜索速度和效率
基于 fmri 数据识别功能网络 dbn 结构构建方法

[发明专利]一种半监督学习的异常检测模型压裂施工风险预警方法-CN202011525451.9在审
发明人：刘辉;刘国臣 -专利权人：汉中科技（北京）有限公司
申请日： 2020-12-22 - 公布日： 2022-06-24 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种半监督学习的异常检测模型的压裂施工风险预警方法包括：采用DBN进行压力异常检测模型的前置网络部分的特征提取，SVVD异常检测模型进行异常分类。由于DBN是半监督网络，可以采用正常样本对DBN网络进行模型训练，后用有限的少量异常样本对整个模型进行训练，最终达到实用的目的。优点是在训练DBN网络时，通过用大量的压裂施工存在的正常样本进行训练，确保了DBN网络的性能精度，然后将DBN网络的输出作为SVVD网络的输入。训练时，将压裂施工异常样本进行SVVD网络训练和整个DBN网络的微调，这样保证了整个压裂施工异常风险预警模型的性能，能最大化提升系统的诊断能力。
一种监督学习异常检测模型施工风险预警方法

[发明专利]一种构建DBN1基因敲除的Vero细胞株的方法及其应用-CN202210041469.4有效
发明人：李彬;吕家煌;朱明君;范宝超;郭容利;李运川 -专利权人：江苏省农业科学院
申请日： 2022-01-14 - 公布日： 2023-02-14 - 主分类号： C12N5/10 文献下载
摘要：本发明提供一种构建DBN1基因敲除的Vero细胞株的方法及其应用，属于分子生物学领域。该构建方法包括：找到Vero细胞DBN1基因靶点，设计靶向sgRNA，包括sgRNA‑DBN1‑F和sgRNA‑DBN1‑R；PX459(pSpCas9(BB)‑2A‑Puro)V2.0载体用Bbs I内切酶酶切，然后与sgRNA‑DBN1‑F和sgRNA‑DBN1‑R序列退火后形成的双链进行连接，得到敲除质粒；将所述敲除质粒与辅助包装质粒PSPXA2、PMD.2G共转染入Vero细胞，经筛选后，得到DBN1基因敲除的Vero细胞株。
一种构建 dbn1 基因 vero 细胞株方法及其应用

[发明专利]DBN与ELM相融合的气动夹具迟滞建模与夹持力的估计方法-CN202310377010.6在审
发明人：党选举;朱望纯;原翰玫;覃创业;李晓;莫太平;伍锡如;张向文;黄品高;张斌 -专利权人：桂林电子科技大学
申请日： 2023-04-10 - 公布日： 2023-07-14 - 主分类号： B25J9/16 文献下载
摘要：本发明公开一种DBN与ELM相融合的气动夹具迟滞建模与夹持力的估计方法，借助于DBN模型结构所具有的随机不确定性特性，描述气动夹持系统的由于可压缩性和蠕变性将导致的特有迟滞特性所表现出的输出多值对应的不确定性为了增强DBN对正、逆程强非线性特性描述，提高气动夹持力的建模估计精度，本发明引入具有强非线性特性描述能力的ELM，替换DBN中的回归层，将DBN与ELM对接融合，构建DBN与ELM相融合的气动夹具迟滞模型
dbn elm 融合气动夹具迟滞建模夹持估计方法

[发明专利]基于融合HOG特征和深度信念网络的人脸识别算法-CN201710961353.1在审
发明人：张宝华;李腾;郝逸夫;赵艳峰;侯海鹏;高子翔;郭佩瑜 -专利权人：内蒙古科技大学
申请日： 2017-10-17 - 公布日： 2018-03-20 - 主分类号： G06K9/00 文献下载
摘要：所述算法将融合的HOG特征与深度信念网络DBN相结合，选择融合的HOG特征作为DBN网络的输入，以帮助DBN网络了解图像特征的分布，提高DBN的表征能力；利用DBN训练提取的特征，减少人为干预，实现人脸识别自动化所述算法包括如下步骤将源图像划分为单元格、计算图像的融合特征、训练DBN网络、学习图像的高层特征和抽象特征、实现图像分类和识别。本发明利用HOG特征对方向和光线的不敏感性、全局特征能够提取人脸轮廓的整体特征、局部特征能很好地适应人脸的局部变化等特点，提取图像的全局与局部融合的HOG特征用于识别，同时利用DBN网络的深度学习能力，
基于融合 hog 特征深度信念网络识别算法

[发明专利]一种基于DBN-RLSSVM的航煤闪点预测方法-CN201910881446.2在审
发明人：赵超;王延峰 -专利权人：福州大学
申请日： 2019-09-18 - 公布日： 2019-12-27 - 主分类号： G06F17/50 文献下载
摘要：本发明涉及一种基于DBN‑RLSSVM的航煤闪点预测方法，包括以下步骤：步骤S1:采集航煤闪点的测量数据，并进行预处理得到训练样本；步骤S2：对训练样本进行DBN特征提取，得到训练样本的特征向量；步骤S3:构建RLSSVM模型；步骤S4:采用GWO算法优化参数摆动因子C和核参数σ,得到DBN‑RLSSVM软测量预测模型；步骤S5:将待测分馏装置的历史航煤闪点测量数据经过预处理和DBN特征提取后，输入DBN‑RLSSVM本发明采用DBN网络，通过逐层特征变换和抽取，能够提取更深刻的特征信息，克服了PCA和PLS无法提取非线性特征信息的不足，从而使得DBN‑RLSSVM模型具有较高的预测精度，能够满足航煤闪点的软测量要求
闪点训练样本软测量预处理测量数据特征提取预测模型非线性特征分馏装置闪点预测算法优化特征变换特征向量特征信息核参数摆动预测构建抽取采集网络

[发明专利]一种基于改进DBN网络的冬枣产量预测方法-CN202111355153.4在审
发明人：陈花贞 -专利权人：滨州市沾化区泊头镇农业综合服务中心
申请日： 2021-11-16 - 公布日： 2022-01-21 - 主分类号： G06Q10/04 文献下载
摘要：一种基于改进DBN网络的冬枣产量预测方法，该方法包括以下步骤：步骤1，将获取的数据进行预处理；步骤2，建立影响冬枣产量预测的特征数据库；步骤3，设计改进的DBN冬枣产量预测网络；步骤4，训练改进的DBN冬枣产量预测网络；步骤5，通过不断调整改进DBN冬枣产量预测网络参数达到最佳的预测效果。本发明将历年的月值气象信息和种植面积作为数据源，构建冬枣产量预测数据集，并对不同量纲的样本数据进行归一化处理，为增加重要特征对冬枣产量预测的贡献，在DBN网络中融合卷积层和激活函数，提升DBN网络的特征提取能力，同时在DBN网络的输出端增加BP神经网络结构以实现冬枣的产量预测。
一种基于改进 dbn 网络产量预测方法

[发明专利]网络水军的检测方法及装置-CN201410027720.7有效
发明人：孙卫强;牛温佳;赵卫中;管洋洋;黄超;李倩;胡玥;刘萍;郭莉 -专利权人：中国科学院信息工程研究所
申请日： 2014-01-21 - 公布日： 2017-01-25 - 主分类号： H04L12/26 文献下载
摘要：其中，网络水军的检测方法包括步骤一，将原始的用户描述信息表示为归一化的用户描述向量，从用户描述向量中筛选出已分类数据，将该已分类数据的a%作为深度信念网络DBN模型的训练数据，将该已分类数据的b%作为DBN模型的检测数据；步骤二，用训练数据训练DBN模型，输出训练得到的DBN模型；步骤三，检验输出DBN模型的收敛性和判定准确率，根据检验结果调整所述步骤一和步骤二中的相关参数，直至所述输出DBN模型达到预设收敛条件或终止条件；步骤四，使用最终DBN模型对网络水军进行检测。
网络水军检测方法装置

[发明专利]基于SAR图像统计分布和DBN的SAR图像分类方法-CN201810031937.3有效
发明人：侯彪;焦李成;梁亚敏;马晶晶;马文萍;王爽;白静 -专利权人：西安电子科技大学
申请日： 2018-01-12 - 公布日： 2022-05-17 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于SAR图像统计分布和DBN的SAR图像分类方法，主要解决传统的深度置信网络DBN用于SAR图像分类，易产生区域一致性差和边缘信息不完整的问题。其实现过程为：对待分类SAR图像进行预处理，得到DBN的输入矩阵；设计由3个受限玻尔兹曼机组成的DBN；用输入矩阵预训练设计的网络，得到训练好的DBN；从SAR图像类别标记图的标签中，随机选取部分带类别标签的像素集，并使用反向传播算法对训练好的DBN进行微调整；使用微调整后DBN，对待分类图像进行逐像素的分类，得到分类结果并上色输出。
基于 sar 图像统计分布 dbn 分类方法

[发明专利]基于粒子群算法和DBN的高压电缆局部放电模式识别方法-CN202011026799.3在审
发明人：王干军;吴毅江;林洪栋;戴泽雄;董芝春;黄源辉;杨劲松;周慧彬 -专利权人：广东电网有限责任公司中山供电局
申请日： 2020-09-25 - 公布日： 2021-01-05 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种基于粒子群算法和DBN的高压电缆局部放电模式识别方法，包括以下步骤：S1：获取高压电缆局部放电脉冲信号，并进行预处理；S2：将信号划分为训练样本和测试样本；S3：建立DBN，并采用粒子群算法优化DBN的初始权重，得到最优初始权重；S4：输入训练样本对DBN进行离线训练,得到训练后的DBN模型；S5：将测试样本输入到训练后的DBN模型中进行测试，得到高压电缆多源局部放电的识别结果。本发明提供一种基于粒子群算法和DBN的高压电缆局部放电模式识别方法，利用深度置信网络模型良好的特征筛选分析能力,有效提高了局部放电模式的识别精度和识别准确度，解决了目前在高压电缆局部放电模式上存在识别准确度不够高的问题
基于粒子算法 dbn 高压电缆局部放电模式识别方法

[发明专利]用于双转子不对中故障识别的DBN参数选取方法-CN202110140696.8在审
发明人：杨大炼;李仁杰;张帆宇;沈意平;王平 -专利权人：湖南科技大学
申请日： 2021-02-02 - 公布日： 2021-06-25 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种用于双转子不对中故障识别的DBN参数选取方法，包括步骤获取双转子不对中故障的原始振动加速度数据；根据原始振动加速度数据获得输入数据集；利用DBN网络对训练集进行训练，以构建DBN网络的特征提取能力评估指标；根据DBN网络的特征提取能力评估指标及不同迭代次数下RBM的振动信号特征提取能力获取最优的迭代次数；根据DBN网络的特征提取能力评估指标及不同隐含层节点数目下RBM的振动信号特征提取能力获取最优隐含层节点数目；根据DBN网络的特征提取能力评估指标及不同学习率和动量项下RBM的振动信号特征提取能力获取最优的学习率和动量项。相对于现有技术中利用试错方式进行参数选取的方式相比，上述方法有效地提高了DBN参数的选取效率。
用于转子不对故障识别 dbn 参数选取方法

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 574 条