基于遗传算法的多阶段神经网络模型训练方法

    公开(公告)号:CN105303252A

    公开(公告)日:2016-02-03

    申请号:CN201510657269.1

    申请日:2015-10-12

    Abstract: 本发明涉及一种基于遗传算法的多阶段神经网络模型训练方法,其技术特点是包括以下步骤:对数据进行预处理以消除字段的量纲影响;根据输入层、隐含层、输出层节点数,构建多输入层网络结构;采用遗传算法训练初始权重和阈值;利用迭代算法更新权重;根据迭代次数及模型误差判断是否满足模型终止条件:如果满足,则模型结束,否则重新更新权重。本发明针对过程控制中参数分阶段影响输出的问题,构建一个多阶段神经网络结构,根据遗传算法具有全局搜索的特点,采用其为网络结构选择一组较合理的初始权重,从而尽可能地防止网络训练进行局部极小点,解决了只有一个输入层的神经网络结构无法解决工程控制中具有前后顺序的参数影响产品加工的问题。

    藏语方言识别方法及系统

    公开(公告)号:CN104036774A

    公开(公告)日:2014-09-10

    申请号:CN201410280868.1

    申请日:2014-06-20

    Abstract: 本发明公开了一种藏语方言识别方法及系统,该方法包括:预先训练语种识别模型,所述语种识别模型包括:多方言DNN并行音素识别器模型、多方言语言模型;接收待识别藏语方言语音信息;提取所述语音信息的声学特征;利用所述多方言DNN并行音素识别器模型获得对应所述声学特征的音素序列;计算各音素序列在每个语言模型上的似然得分;将似然得分最高的语言模型对应的方言作为所述语音信息对应的方言种类。利用本发明,可以提高藏语方言识别效果。

    数据流处理方法和系统
    89.
    发明公开

    公开(公告)号:CN102761487A

    公开(公告)日:2012-10-31

    申请号:CN201210242506.4

    申请日:2012-07-12

    Abstract: 本发明公开了一种数据流处理方法和系统,该方法用于借助众核处理器的多个处理核心对数据流进行解码处理,其中,多个处理器核心被划分为多个资源组,该方法包括:将数据流分配给多个资源组中的部分或全部;以及每个资源组对被分配到该资源组的数据流进行解码处理。本发明通过将数据流分配给多个处理核心划分得到的多个资源组中的部分或全部,并在每个资源组中对被分配到该资源组的数据流进行解码处理,从而能够对多个数据流进行并行处理,并且减少各个流的各个片段输入产生的响应延迟以及整个流的响应延迟,提高了处理效率,优化了处理器资源的使用。

    一种基于重复检测优化的体育视频中多目标跟踪方法

    公开(公告)号:CN115439786A

    公开(公告)日:2022-12-06

    申请号:CN202211085097.1

    申请日:2022-09-06

    Abstract: 本发明公开了一种基于重复检测优化的体育视频中多目标跟踪方法,包括如下步骤:S1,将某训练轮次的某帧图像输入到网络模型中,以获得初步的检测结果;S2,对检测结果的包围盒信息采用所述网络模型的自检测,以得到原检测损失;S3,再对检测结果的包围盒信息采用预设方法检测,以得到复检损失;S4,将复检损失和原检测损失合并为总检测损失,反向传播给所述网络模型进行权重优化,以获得新网络模型;S5,将所述图像再次输入到所述新网络模型中,得到无重复检测的检测结果,解决了现有多目标跟踪方法在体育视频中重复检测的问题,同时能够大幅减少现有多目标跟踪方法的模型在行人视频中的训练时长并保持跟踪质量,提升训练效率。

Patent Agency Ranking