本发明属于对抗样本检测领域，公开了一种基于量子模糊卷积神经网络的对抗样本检测方法及系统，方法包括：将输入模型中的数据分别传入量子卷积神经网络和模糊神经网络中，将两种网络提取到的特征图通过融合层进行融合，融合层中的融合数据作为预测器输入，最后由预测器输出结果。本发明采用量子模型和模糊系统结合训练量子模糊卷积神经网络训练作为对抗样本检测方法，利用量子卷积神经网络特有的捕获数据全局属性和模糊系统处理不确定性的优势，一定程度上提高了检测率。不仅可以识别原有攻击方法生成的对抗样本，而且对采用同一攻击手段中不同超参数生成的对抗样本以及不同方法生成的对抗样本也有一定的预测和防御作用，模型泛化性优于一般模型。
📄 2022113608166
📂 G06N3_0464
👤 成都信息工程大学
📅 2022-11-02
本发明公开了一种基于关系图的DNN鲁棒模型加固方法，构建目标模型数据集，目标模型训练，构建模型关系图，约束关键路径，最后重构目标模型。本发明通过在DNN模型的关系图上来查找和构建神经网络中的关键路径，从而对该路径上的传播过程和节点行为计算新的损失函数，并将提取关键路径后的关系图结合新的损失函数重构回模型，提高模型的鲁棒性。
📄 2021110124212
📂 G06N3_0464
👤 浙江工业大学
📅 2021-08-31
一种基于循环切割和重排的现场可编程门阵列卷积层的动态优化方法，使用高层次综合工具在现场可编程门阵列平台上进行开发，基于卷积循环切割和重排对卷积层的进行优化，调整其资源占用及处理性能，充分发挥现场可编程门阵列的并行处理能力，提升卷积神经网络网络性能。本发明提供一种基于循环切割和重排的现场可编程门阵列卷积层的动态优化方法，其可极大地提升内部计算速率和效率，从而缩短计算时间，提升效能。
📄 2018112017177
📂 G06N3_0464
👤 浙江工业大学
📅 2018-10-16
本发明公开了基于卷积网络注意力机制的茶叶杀青参数智能调控方法，包括构建茶叶加工数据库，划分数据样本，构建多因子茶叶杀青参数智能调控模型，模型训练和测试等步骤。多因子茶叶杀青参数智能调控模型基于卷积层提取茶叶特征，再输入两个堆叠的注意力机制层调整特征重要性，通过两层全连接输出多因子杀青参数。其中，注意力机制层先引入不同的池化函数挖掘茶叶因子的特征，并使用多层感知机来计算不同卷积通道的权重，然后将权重加权到卷积后的茶叶特征，以达到特征重要性调整，提升网络性能的目的。本发明通过注意力机制和卷积神经网络关注到茶叶加工因子的重要特征，构建茶叶特征和加工参数之间的关系，实现茶叶加工参数的智能调控。
📄 2023112605362
📂 G06N3_0464
👤 浙江工业大学
📅 2023-09-27
本发明公开了一种基于时间卷积网络的运动心率预测方法，包括：步骤1：采集学生运动过程中心率及经纬度的历史数据，进行运动速度及加速度数据转化、异常值处理，并对其做归一化处理及数据集划分。步骤2：构建时间卷积网络模型。使用划分后的训练数据集训练网络模型，利用测试数据集选取预测结果最好的模型进行保存。步骤3：采集近期学生运动的心率及经纬度数据，进行预处理后，输入训练好的神经网络模型，对模型输出值进行逆归一化后得到运动心率预测结果。本发明使用时间卷积网络接收多序列的速度及加速度输入，避免循环神经网络中经常出现的梯度爆炸或消失的问题，且并行的特点使其处理效率更高、速度更快。
📄 2023101613971
📂 G06N3_0464
👤 浙江工业大学
📅 2023-02-24
本发明公开了一种基于改进MICN的光伏功率预测方法，首先采集光伏电厂的历史光伏功率数据和气象数据，并进行数据预处理；利用自适应啁啾模态分解ACMD把历史光伏功率序列分解成N个子序列；其次，利用相关性分析将得到的多变量气象特征和N个子序列输入到多尺度等距卷积网络MICN模型中；然后，利用改进的原子轨道搜索算法MAOS优化MICN模型的参数，并建立复合损失函数，将准确率、稳定度和合格率三个优化目标同时加入到损失函数中，综合提升模型的预测性能；最后，通过最小二乘支持向量机模型LSSVM对MICN模型的光伏功率预测结果和LSSVM模型的预测误差进行校正，得到光伏功率最终预测输出。本发明可以对光伏电厂的光伏功率实现更精准的预测。
📄 2023106850352
📂 G06N3_0464
👤 淮阴工学院
📅 2023-06-09
本发明涉及农作物叶面图像病害分类识别技术领域，尤其涉及一种面向农作物叶面病害识别的神经网络构建方法。解决了通过卷积神经网络提取农作物叶面病害的细节特征提取存在不足问题。其技术方案为：步骤一、构建金字塔多尺度卷积特征提取模块；步骤二、构建通道和空间维度联合注意力机制模块；步骤三、构建多尺度特征关系建模与自适应特征选取模块；步骤四、各模块组合成多尺度自适应特征提取模块；步骤五、组合成识别模型。本发明的有益效果为：本发明利用通道和空间联合注意力信息自适应地微调和选择有用多尺度特征，显著提升了神经网络对农作物叶面病害的识别准确率。
📄 2023109633988
📂 G06N3_0464
👤 南通大学
📅 2023-08-02
本发明公开了一种用于理解DQN模型的可视分析方法，包括如下步骤：步骤一，定义参数集合，选取DQN模型的运行环境；步骤二，训练所述DQN模型，测试训练好的所述DQN模型，保存中间数据；步骤三，设计Q值分布视图，展示不同的所述Q值数据对应的不同运行环境的情况，分析所述Q值数据的计算规律；步骤四，设计卷积层分析视图，用于呈现训练过程中感受野范围和影响所述智能体做出相应动作的重要因素；步骤五，设计时间序列视图，用于展示测试过程中的运行过程。
📄 2020103113204
📂 G06N3_0464
👤 杭州电子科技大学
📅 2020-04-20
本发明涉及通信技术，特别涉及一种卷积神经网络加速器的前向传播计算加速方法，所述加速器包括上位机和FPGA模块，其中FPGA模块设置有两个端口，这两个端口分别按照奇数行、偶数行的规则读取上位机训练得到的M×M个权重、以及图片大小为M×M像素的像素信息；本发明与现有技术相比抛开数据上传云端的限制，减轻计算压力，并且本发明采用的FPGA模块作为可编程逻辑器件，拥有丰富计算逻辑、高灵活性和可扩展性、开发周期短、低能耗以及易修改等优势。
📄 2020104845093
📂 G06N3_0464
👤 北京安云软件有限公司
📅 2020-06-01
本发明公开了一种基于DQN的时空众包任务分配方法。本发明旨在为时空众包任务提供分配策略。根据众包发起者和工作者的历史记录，提取出特征向量，然后在基于DQN设计的神经网络结构中不断训练，从而能够更好地识别出众包发起者和工作者的特点和偏好，以完成时空众包任务的分配。
📄 2021114047588
📂 G06N3_0464
👤 杭州电子科技大学
📅 2021-11-24
本发明属于车联网和通信安全技术领域，涉及基于Hybrid EfficientNet模型的车辆入侵检测系统及方法，所述系统是通过对Hybrid EfficientNet模型进行训练得到；其中，Hybrid EfficientNet模型包括初始卷积层、主干网络、自适应全局池化层、Flatten层、丢弃层、隐藏层、分类层；主干网络由1个FusedMBConv模块和15个MBConv模块组成，MBConv模块包括扩展层、深度可分离卷积模块、通道和空间注意力机制、投影层；MBConv模块内部使用残差连接；该系统具有出色的检测异常流量的能力，实现了高准确率，以及高效的处理能力和快速的响应速度，满足车辆环境中的便捷操作需求，有效解决现有入侵检测模型复杂不便捷，无法直接部署到资源受限的车载网络环境中的技术难题。
📄 2024115474771
📂 G06N3_0464
👤 长春大学
📅 2024-11-01
本发明属于量子计算与人工智能交叉技术领域，具体涉及一种量子神经网络架构搜索优化方法、系统及其在农业图像分类上的应用。本发明采用量子粗筛‑经典精调的方法，通过Grover量子预筛选高效排除搜索空间中性能低劣或不符合资源约束的架构，将搜索漏斗快速收窄至潜在高性能区域，避免经典进化算法在巨大空间内的盲目搜索，大幅缩短整体搜索周期。本发明可以对多目标，如精度、延时以及资源消耗等进行精细优化，得到的模型架构可以有效平衡搜索过程中的“全局探索”与“局部开采”的问题，使模型架构具有高精度与低延迟的特点；同时通过预设值轻量化约束保证架构的轻量化和高性能，具有良好的兼容性，可以完全兼容现有的农业IT基础设施和边缘设备。
📄 2025114564008
📂 G06N3_0464
👤 安徽科技学院
📅 2025-10-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台