公开(公告)号：CN105637539B

公开(公告)日：2018-03-27

申请号：CN201480054405.1

申请日：2014-08-21

申请人： 高通股份有限公司

发明人： A·莎拉 ,  R·H·金博尔

IPC分类号： G06N3/04

CPC分类号： G06N3/049 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06N3/082 ,  G06N99/005

摘要： 一种用于改进神经动态的方法包括获取原型神经元动态。该方法还包括修改神经元模型的参数以使得该神经元模型与原型神经元动态相匹配。该神经元动态包括膜电压和/或尖峰定时。

公开(公告)号：CN107688849A

公开(公告)日：2018-02-13

申请号：CN201710629391.7

申请日：2017-07-28

申请人： 北京深鉴科技有限公司

发明人： 李鑫 ,  孟通

IPC分类号： G06N3/04 ,  G06N3/08 ,  G10L15/16

CPC分类号： G06N3/0445 ,  G06N3/0454 ,  G06N3/0481 ,  G06N3/063 ,  G06N3/08 ,  G06N3/082 ,  G06N3/084 ,  G06N7/005 ,  G10L15/16

摘要： 本申请公开一种用于深度神经网络的基于动态定点参数的定点训练方法及装置。更具体地，针对深度神经网络(例如，LSTM神经网络)的计算结构，提出一种相应的定点训练方法，在神经网络的训练过程中，使用定点的方式进行前向计算，在若干训练周期之内，将网络精度达到浮点计算的水平。

公开(公告)号：CN107657314A

公开(公告)日：2018-02-02

申请号：CN201710883220.7

申请日：2017-09-26

申请人： 济南浪潮高新科技投资发展有限公司

发明人： 张旭 ,  段成德 ,  于治楼

IPC分类号： G06N3/04 ,  G06N3/08

CPC分类号： G06N3/04 ,  G06N3/082

摘要： 本发明公开一种基于区间算法的神经网络卷积层设计方法，涉及人工智能领域；利用区间算法，将卷积层的输入值，卷积核参数，以及输出值，定义成区间数据类型，从而形成区间卷积层，该区间卷积层能够处理不确定的有一定范围的输入值，并输出可靠的区间值，弥补了神经网络无法处理区间数据的不足，同时避免了有些高精度浮点数值无法被计算机精确表达的情况发生，也解决了某些技术上的参数没有确定值的问题，提高可靠性。

公开(公告)号：CN107423813A

公开(公告)日：2017-12-01

申请号：CN201710642392.5

申请日：2017-07-31

申请人： 南京晓庄学院

发明人： 王燕清 ,  郑豪

IPC分类号： G06N3/04 ,  G06N3/08

CPC分类号： G06N3/0454 ,  G06N3/082

摘要： 本发明涉及一种基于深度学习技术的状态空间分解和子目标创建方法。根据领域指定的奖励机制,典型的强化学习(RL)代理学习完成指定的任务。为了解决这个问题，开发了一个框架，一个深度RL代理可以使用一个重复的注意机制，从更小的、更简单的域，到更复杂的域。任务以图像和指定目标的指令呈现给代理。这个元控制器通过在状态空间中设计一个较小的子任务序列来引导代理实现它的目标，从而有效地分解目标。

公开(公告)号：CN106650928A

公开(公告)日：2017-05-10

申请号：CN201610887709.7

申请日：2016-10-11

申请人： 广州视源电子科技股份有限公司

发明人： 张玉兵

IPC分类号： G06N3/08

CPC分类号： G06N3/082

摘要： 本发明实施例公开了一种神经网络的优化方法及装置。该方法包括：获取符合设定精度条件的初始神经网络，确定所述初始神经网络中相邻两层单元节点间的权重参数矩阵；根据设定的删除阈值处理所述权重参数矩阵，确定所述初始神经网络中待删除的单元节点；删除所述单元节点形成优化后的目标神经网络。利用该方法，能够简单高效的对神经网络进行压缩，实现神经网络的优化，由此在基于优化的后神经网络进行人脸识别时，能够达到加快识别处理速度，缩短识别处理时间，降低存储、运行内存以及显存等空间占用的目的。

公开(公告)号：CN106529713A

公开(公告)日：2017-03-22

申请号：CN201610953120.2

申请日：2016-11-03

申请人： 华北电力大学(保定)

发明人： 李牡丹 ,  王印松

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/08

CPC分类号： G06Q10/04 ,  G06N3/082 ,  G06Q50/06

摘要： 本发明公开了一种基于灰色GMDH网络组合模型的风速预测方法及系统。该方法包括：采集风电场连续N天的风速数据，由所述连续N天的风速数据构成历史风速数据序列；建立灰色费尔哈斯模型，将所述历史风速数据序列输入所述灰色费尔哈斯模型，拟合得到模拟风速值；从所述模拟风速值中选取1到N-1天的模拟风速值作为灰色GMDH网络组合模型的输入，从所述历史风速数据序列中选取第N天的风速数据作为灰色GMDH网络组合模型的输出，构建灰色GMDH网络组合模型；利用所述灰色GMDH网络组合模型对风电场风速进行预测，计算并输出风速预测值。本发明相对于单一预测模型，提高了预测的精度和稳定性。

公开(公告)号：CN105787592A

公开(公告)日：2016-07-20

申请号：CN201610109989.9

申请日：2016-02-26

申请人： 河海大学

发明人： 许昌 ,  魏媛 ,  李涛 ,  蒋泽阳 ,  雷鸣 ,  赵青

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/08

CPC分类号： G06Q10/04 ,  G06N3/082 ,  G06Q50/06

摘要： 本发明公开了一种基于改进RBF网络的风电机组超短期风功率预测方法，采用风电机组运行统计资料，合理选择对风功率输出有着密切影响的参数，如前一段时间的风速、风向、桨距角、风功率等物理量，使用人工神经网络——径向基函数网络(RBF)建立相关参数与风功率输出对应关系的模型；采用改进RBF网络方法对该模型进行修改，判断当前隐含层节点数是否满足精度要求，判断某个隐含层节点的输出在连续一段的学习中是否均小于某一值，实时在线修改隐含层节点个数，随预测进行不断增加新的学习样本，这种风功率预测方法精度高、速度快。

公开(公告)号：CN105637539A

公开(公告)日：2016-06-01

申请号：CN201480054405.1

申请日：2014-08-21

申请人： 高通股份有限公司

发明人： A·莎拉 ,  R·H·金博尔

IPC分类号： G06N3/04

CPC分类号： G06N3/049 ,  G06N3/04 ,  G06N3/063 ,  G06N3/08 ,  G06N3/082 ,  G06N99/005

摘要： 一种用于改进神经动态的方法包括获取原型神经元动态。该方法还包括修改神经元模型的参数以使得该神经元模型与原型神经元动态相匹配。该神经元动态包括膜电压和/或尖峰定时。

公开(公告)号：CN105580031A

公开(公告)日：2016-05-11

申请号：CN201480052142.0

申请日：2014-10-17

申请人： 高通股份有限公司

发明人： M·坎伯斯 ,  C·M·维任斯基 ,  B·F·贝哈巴迪

IPC分类号： G06N3/04 ,  G06N3/08

CPC分类号： G06N3/082 ,  G06N3/04 ,  G06N3/049 ,  G06N3/10 ,  G06N3/105 ,  G08B17/005

摘要： 人工神经网络可被配置成测试特定输入参数的影响。为改进测试效率以及避免可能不会更改系统性能的测试运行，输入参数对神经元或神经元群的影响可被确定，以便基于特定参数对各群的影响来将神经元归类到那些群中。可以基于群的互连性质以及一个群中的神经元的输出是否会影响另一群的操作来将群串行和/或并行地排序。在运行系统测试之前，可以修剪不影响群性能的参数以不作为至该特定群的输入，由此节省测试期间的处理资源。

公开(公告)号：CN105528638A

公开(公告)日：2016-04-27

申请号：CN201610045337.3

申请日：2016-01-22

申请人： 沈阳工业大学

发明人： 张志佳 ,  李媛媛 ,  唐岩 ,  钟玲 ,  于雅洁

IPC分类号： G06N3/08 ,  G06K9/00

CPC分类号： G06N3/08 ,  G06K9/00818 ,  G06N3/082 ,  G06N3/084

摘要： 本发明涉及一种灰色关联分析法确定卷积神经网络隐层特征图个数的方法，以交通标志的二值图像作为图像数据库，使用卷积神经网络的方法对其进行识别，在网络训练过程中引入灰色关联分析法以自动选择对识别结果影响更大的隐藏层特征图从而优化网络结构，并以交通标志为对象进行识别和对CNN网络结构优化。实验表明使用此方法能够自适应确定特征图个数，完成对CNN网络结构的优化，与实验法相比，提高确定网络的效率。