本发明公开了一种面向深度学习模型的动态测试方法，包括如下步骤：S1、获取图片数据集与深度学习模型；S2、将图片数据集划分为训练集和测试集，利用训练样本训练深度学习模型得到分类模型；S3、从测试集中随机选取图片作为测试种子样本；S4、将测试种子样本输入分类模型中，若分类模型输出的分类结果与测试种子样本的标签不一致，则将测试种子样本作为测试样本，否则进入步骤S5；S5、基于测试种子样本在分类模型中的交叉熵损失和神经元覆盖率计算梯度；S6、根据梯度上升算法修改测试种子样本；S7、循环执行步骤S4～S6，直到所有测试种子样本都成为测试样本并输出；S8、利用测试样本评判模型的分类性能。
📄 202010600845X
📂 G06N3_084
👤 浙江工业大学
📅 2020-06-28
本发明提供了一种基于强化学习的多智能体容错一致性方法及系统，本发明方法：S1：建立系统网络拓扑，设计奖励函数；S2：智能体之间交互：根据设计的奖励函数，逐步调整相邻智能体权重，直至正常智能体状态达成一致。本发明通过引入MARL的试错思想，即不断地尝试，并采用一种可应用于解决多智能体容错一致性问题的算法D‑OPDPG，结合MARC系统的自然特性来解决现有技术的一些问题，根据设计的奖励函数，逐步调整相邻智能体权重，从而减轻故障智能体的影响，进而逐渐识别出故障智能体。本发明在不给系统增加额外的能耗下，对噪声有着极高的容忍度。此外，采用基于强化学习的分布式方法，放宽了网络拓扑的限制条件，其仅需网络拓扑满足连通图要求。
📄 2021111849500
📂 G06N3_084
👤 浙江理工大学
📅 2021-10-11
本发明提出一种图像持续学习识别方法、装置及设备，利用该持续学习方法可以实现无限种图像识别学习任务，主要包括特征提取共享和知识迁移学习两大步骤，其中，特征提取共享由无监督预训练和有监督调优组成，知识迁移学习由知识仓库构建、知识迁移、更新知识库、模型学习和接受反馈组成。本发明利用知识迁移技术可以做到利用一个模型进行图像识别持续训练学习，最终可做到使用一个模型实现任意种类图像的识别任务，并通过实验验证了本发明的效果。
📄 2022112878651
📂 G06N3_084
👤 武汉纺织大学
📅 2022-10-20
本发明提供一种接触网覆冰预警方法，该方法通过构建多层次结构的神经网络模型，利用其中的预处理层得到中间最优权重和中间最优阈值，能够避免神经网络反向传递过程陷入反向优化和局部最优的困境，缩短神经网络优化的时间，提高接触网覆冰预警的精度和速度，以及抗环境干扰的能力；将各数据传感器的维度数据通过神经网络模型的输入层进行归一化处理，以得到各维度数据所对应的预处理修正序列集，能够减小环境因素对传感器数据的扰动，降低系统报警信号误触概率；利用梯度下降法进行神经网络反向传递，进一步优化神经网络模型的权值和阈值，缩短了接触网覆冰的预测时间，提高模型预测结果的正确率。
📄 2023105873821
📂 G06N3_084
👤 华东交通大学
📅 2023-05-24
本发明公开了一种基于不对称动量优化的不平衡性标记分布学习方法，涉及机器学习技术领域。本申请为主导损失设置主导动量缓冲变量和主导损失动量系数，为辅助损失设置辅助动量缓冲变量以及辅助损失动量系数，在对不平衡性标记分布学习网络的训练过程中，依据当前epoch中主导动量缓冲变量、主导损失动量系数、辅助动量缓冲变量和辅助损失动量系数更新下一个epoch中的网络参数θ。本申请所述方法能够有效确保主导损失和辅助损失的动量缓冲变量在更新过程中不会相互干扰，并通过设置主导损失动量系数大于辅助损失动量系数控制主导损失的动量缓冲变量在梯度更新中的主导性。
📄 2025108839304
📂 G06N3_084
👤 齐鲁工业大学(山东省科学院)
📅 2025-06-30
本发明公开了一种基于不对称动量优化的不平衡性标记分布学习方法，涉及机器学习技术领域。本申请为主导损失设置主导动量缓冲变量和主导损失动量系数，为辅助损失设置辅助动量缓冲变量以及辅助损失动量系数，在对不平衡性标记分布学习网络的训练过程中，依据当前epoch中主导动量缓冲变量、主导损失动量系数、辅助动量缓冲变量和辅助损失动量系数更新下一个epoch中的网络参数θ。本申请所述方法能够有效确保主导损失和辅助损失的动量缓冲变量在更新过程中不会相互干扰，并通过设置主导损失动量系数大于辅助损失动量系数控制主导损失的动量缓冲变量在梯度更新中的主导性。
📄 2025108839304
📂 G06N3_084
👤 齐鲁工业大学(山东省科学院)
📅 2025-06-30
本发明提供一种融合多层信息的花粉图像合成方法、装置及电子设备，该方法包括：获取通过扫描同一花粉内容得到的与焦平面对应的多层花粉图像；计算多层花粉图像各自的真实感知分数，将多层花粉图像分为多对图像，在每对图像中进行真实感知分数大小的对比，并将对比结果作为标签；将每对图像和标签输入孪生神经网络进行处理，得到多层花粉图像的质量分数排序信息；将多层花粉图像及其质量分数排序信息输入条件生成对抗网络进行处理，得到合成的花粉图像。本发明达到了在合成过程中充分融合图像的深度信息、保留重要信息和提高多层信息利用率的目的。
📄 2021109083832
📂 G06N3_084
👤 北京工业大学
📅 2021-08-09
本申请公开了一种确定模型的可执行程序的方法、装置、设备及存储介质，属于计算机技术领域。所述方法包括：获取用于指示模型的多个算子之间的依赖关系的模型架构信息；基于搜索空间包括的多个算子的代码优化方式、模型架构信息和算子逻辑库，确定模型的可执行程序，每个算子对应至少一种代码优化方式；每确定出模型的一个可执行程序，基于当前确定出的可执行程序进行一次模型训练迭代，并确定该可执行程序对应的训练迭代时长；当当前的模型训练迭代满足停止寻优条件时，从已确定出的所有可执行程序中选择训练迭代时长最短的可执行程序作为模型的目标可执行程序。如此，将确定可执行程序和模型训练迭代结合在一起，加快了模型的训练速度。
📄 2020102470435
📂 G06N3_084
👤 广东高航知识产权运营有限公司
📅 2020-03-31
本发明涉及一种基于多尺度池化膨胀金字塔网络的干涉解缠方法，以真实相位图像、结合其对应的包裹相位图像，构建样本数据集，针对设计包含多尺度池化模块MSPM和膨胀金字塔模块DCPM的待训练网络，执行网络训练，获得相应相位图像解缠模型，实现低信噪比情况下的干涉相位解缠，具有收敛速度快、实时性强、鲁棒性强的优点，在实际应用中，能够有效提高合成孔径雷达干涉测量精度。
📄 2024118031987
📂 G06N3_084
👤 南京信息工程大学
📅 2024-12-10
本发明公开半导体照明领域中的一种基于BP神经网络的大功率LED寿命预测方法，设置N组恒定温度‑电流双应力组合，温度为Tn，电流为In，依次按照N组温度‑电流双应力组合进行加速寿命试验，每组加载P个小时，测量出每次加速寿命试验后的LED的光通量φn；将温度Tn、电流In以及测得光通量φn作为输入，将LED寿命作为输出，建立BP神经网络预测模型，并训练该模型；将LED实际的环境温度T、工作电流I以及光通量φ为0.7输入到训练好的BP神经网络模型，预测出LED寿命；本发明将LED所受到的共性应力即温度和电流作为神经网络的输入，考虑到了环境应力参数的不同、本身属性的不同，将环境应力关系和实际寿命相对应，能更加准确合理地对LED寿命进行预测。
📄 2020103958249
📂 G06N3_084
👤 江苏大学
📅 2020-05-12
柿子坊 · 知识产权运营
柿子坊知识产权运营平台