一种神经网络模型优化方法、装置、电子设备及存储介质

    公开(公告)号:CN116108894A

    公开(公告)日:2023-05-12

    申请号:CN202310230121.4

    申请日:2023-03-10

    Abstract: 本发明公开了一种神经网络模型优化方法、装置、电子设备及存储介质,属于深度学习技术领域,方法包括:根据神经网络模型的特征,构建增广拉格朗日目标函数;根据所述增广拉格朗日目标函数,确定所述神经网络模型中每个优化变量对应的优化子问题的目标函数;对所述神经网络模型的各参数进行初始化设置;根据所述优化子问题的目标函数,对所述神经网络模型进行优化变量的更新,以实现对所述神经网络模型的优化。该方法能够弥补基于梯度优化器所涉及的对初始数据敏感和梯度消失的缺陷,解决ADMM算法对非严格凸目标函数表现不好且优化效率低的问题。

    一种基于孪生神经网络的书法字骨架匹配方法及系统

    公开(公告)号:CN113920516A

    公开(公告)日:2022-01-11

    申请号:CN202111487332.3

    申请日:2021-12-08

    Inventor: 徐占洋 徐益鸣

    Abstract: 本发明公开了一种基于孪生神经网络的书法字骨架匹配方法及系统,获取待匹配的两张书法字图像;分别对两张书法字图像进行预处理后得到两张预处理图像;对两张预处理图像进行细化,得到两张书法字图像骨架;利用预先训练好的基于孪生神经网络的书法字骨架匹配模型对两张书法字图像骨架进行相似度判断,若相似度大于预先设定的阈值则判定为同一个书法字,若相似度不大于预先设定的阈值则判定为不同的书法字。优点:通过书法字骨架提取与孪生神经网络结合的策略,对两张图片上的书法字进行精准高效相似度匹配;有效区分每个汉字骨架的图像特征,在对海量书法字数据基于内容检索时,检索样本和被检索数据库中的数据进行匹配可以达到更快更精准的效果。

    基于优化簇相关矩阵的聚类融合方法

    公开(公告)号:CN106991433A

    公开(公告)日:2017-07-28

    申请号:CN201710131334.6

    申请日:2017-03-07

    CPC classification number: G06K9/6223 G06K9/6288

    Abstract: 本发明公开了基于优化簇相关矩阵的聚类融合方法,主要针对一般二进制簇相关矩阵的稀疏性和离散性特点,对矩阵进行优化。从得到的M个聚类成员出发,计算聚类成员间簇与簇的关系、聚类成员内簇与簇的关系和簇的稳定度,用数据所在簇与其它簇的关系代表数据出现在其它簇的概率,改善二进制簇相关矩阵的离散性和稀疏性,减少0值的出现,同时加入簇的稳定度,对基本的二进制簇相关矩阵进行优化,从而更好的利用聚类成员的特征,提高聚类融合的准确度和精度。

    一种基于语义嵌入和混合神经网络的日志异常检测方法

    公开(公告)号:CN118467489A

    公开(公告)日:2024-08-09

    申请号:CN202410574463.2

    申请日:2024-05-10

    Abstract: 本发明公开了一种基于语义嵌入和混合神经网络的日志异常检测方法,包括:获取实时日志数据并利用固定解析树结构解析实时日志数据,提取获得日志事件模板;对日志事件模板进行序列化处理形成日志模板序列;基于预训练的RoBERTa模型和改进平滑逆频率算法由日志模板序列提取日志事件模板的语义特征;使用多尺度卷积神经网络、高效通道注意力机制和形变门控循环单元构建所述混合神经网络模型;将日志事件模板的语义特征输入至训练后的混合神经网络模型获得日志检测结果;本发明能够更好地解析变长日志,提取语义特征,并通过混合神经网络模型提高异常检测的准确性和鲁棒性。

Patent Agency Ranking