本发明公开了一种基于卷积神经网络的单图像去雨方法。本发明首先，我们并未使用导向滤波或者其他滤波分离图像以尽可能地保留图像的原始信息。其次，我们提出了我们的RK块来代替残差块以更高效地提取特征。最后，我们提出了特征转换连结操作来处理多尺度雨线。此外，批正则化操作假设了特征都有着相同的分布，然而不同的雨线有着不同的方向、颜色和形状，因此我们移除了网络中所有的批正则化操作。本发明的有益效果：以卷积神经网络为基础，设计一类较为简洁、高效的单步单流去雨网络模型，以便更好地修复带雨图像，同时保持修复质量和模型大小之间的平衡。
📄 2019110955242
📂 G06T5_00
👤 苏州科技大学
📅 2019-11-11
本说明书实施例提供了一种基于固定时间自适应神经网络的直升机系统控制方法，其中，方法包括：根据拉格朗日力学模型，建立在实际工程应用中直升机系统的动力学模型；定义跟踪误差变量，设计辅助控制变量；采用径向基函数神经网络估计直升机非线性系统中的不确定项；设计直升机系统的控制器和自适应律，并通过对李亚普诺夫函数的建立和分析，证明了系统是最终一致有界的。不仅为系统提供了更快的收敛速度，在固定的时间内保持直升机系统的跟踪效果和闭环稳定性，而且实现了系统沉降时间与系统的初始条件无关，取得更好的性能。
📄 2023103980104
📂 G05B13_04
👤 广州大学
📅 2023-04-13
本发明公开了一种基于异质图神经网络的兴趣点推荐方法、系统及介质，其中方法包括：构建基于异质图卷积的兴趣点推荐模型，所述兴趣点推荐模型包括用户图模块和兴趣点模块；对所述用户图模块中的三种分向量进行拼接，获得用户的嵌入表达向量；对所述兴趣点模块中的两种分向量进行拼接，获得兴趣点的嵌入表达向量；根据用户的嵌入表达向量和兴趣点的嵌入表达向量进行预测，获取用于推荐的兴趣点。本发明通过异质图卷积的方式，获取用户和兴趣点的嵌入表达信息，从而预测用户可能感兴趣的地点并向用户进行推荐，可广泛应用于计算机技术领域。
📄 2021106864534
📂 G06F16_9536
👤 广东交通职业技术学院
📅 2021-06-21
本发明公开了一种基于图坍缩卷积神经网络的数据推荐方法、系统及介质，其中方法包括：将用户数据进行密度聚类坍缩，获得K个簇坍缩子图；对所述簇坍缩子图进行卷积处理，获得所述簇坍缩子图的局部特征；对所述局部特征进行堆叠处理，实现从簇坍缩子图到全局图结构的图卷积计算，获得用户数据特征和物品数据特征；根据所述用户数据特征和所述物品数据特征获取推荐结果。本发明能够解决图结构数据在计算时数据量庞大的问题，对于用户数据的更新，也只需要将新增用户划分到对应的用户子图，更新用户子图的特征数据即可，避免了全局模型的重训练消耗，可广泛应用于信息推荐技术领域。
📄 2020115187340
📂 G06N3_04
👤 广东交通职业技术学院
📅 2020-12-21
本发明公开了一种基于FPGA的Tiny‑yolo卷积神经网络硬件加速方法及系统，其通过分析Tiny‑yolo网络并行特征，结合硬件的并行处理能力，对Tiny‑yolo卷积神经网络进行硬件加速。加速方案从3个方面对Tiny‑yolo网络进行加速改进:(1)通过多通道并行输入提升Tiny‑yolo网络的处理速度，(2)通过并行计算提升Tiny‑yolo网络卷积计算的速度，(3)通过池化嵌入减少Tiny‑yolo网络的池化过程时间。其大大提高了Tiny‑yolo卷积神经网络的检测速度。
📄 2018105236199
📂 G06N3_063
👤 重庆大学
📅 2018-05-28
本发明公开了一种用于卷积神经网络硬件加速的数据处理方法，其通过分析卷积神经网络并行特征，结合硬件的并行处理能力，对卷积神经网络进行硬件加速，加速方案从3个方面对Tiny‑yolo网络进行加速改进:(1)通过多通道并行输入提升Tiny‑yolo网络的处理速度，(2)通过并行计算提升Tiny‑yolo网络卷积计算的速度，(3)通过池化嵌入减少Tiny‑yolo网络的池化过程时间。其大大提高了卷积神经网络的检测速度。
📄 201810523617X
📂 G06N3_04
👤 重庆大学
📅 2018-05-28
本发明提供了一种基于密度聚类和循环模糊神经网络的涡轮机组预测方法，属于技术领域。解决了现有的预测方法中未考虑到历史输入数据的分布密度和聚类特性导致非线性系统输出的预测精度下降的问题。其技术方案为：包括以下步骤：S1：构建超临界锅炉涡轮机组非线性系统；S2：利用DBSCAN聚类算法自动确定聚类数、局部线性子模型数和模糊规则数，并设计模糊规则；S3：构建循环模糊神经网络。本发明的有益效果是：本发明利用DBSCAN聚类算法自动确定模糊神经网络中最优模糊集数目，在降低计算复杂度的同时获得更高的系统建模预测精度，从而提高超临界锅炉涡轮机组输出的控制性能。
📄 2023101739170
📂 G06N3_08
👤 南通大学
📅 2023-02-28
本发明提供一种基于有向图的深度学习神经网络构建方法和机器人系统，该方法包括：获取初始深度学习神经网络的每个输入节点对应的输入变量之间的连接关系，得到有向图；确定各个输入节点与待改造隐层的隐层节点之间的匹配关系；根据有向图的所述匹配关系确定待改造隐层的各个隐层节点之间的连接关系，得到目标深度学习神经网络。此外，还提供了一种深度学习神经网络构建装置、一种机器人系统和计算机可读存储介质。
📄 2018100100582
📂 G06N3_08
👤 华南师范大学
📅 2018-01-05
本发明提供一种深度学习神经网络方法，该方法包括：对第一深度学习神经网络进行测试得到第一输出正确率，将第一深度学习神经网络的输入层的每个输入变量作为一个输入变量组合组成尝试删除输入变量组合的集合，尝试删除输入变量组合的集合中选取一个输入变量组合，根据输入变量组合得到第二深度学习神经网络，对得到的第二深度学习神经网络进行测试得到第二输出正确率，根据第一输出正确率和第二输出正确率生成了可选删除输入变量组合的集合，在可选删除输入变量组合的集合中选取优选删除的输入变量组合，根据优选删除的输入变量组合得到第三深度学习神经网络。此外，还提供了一种深度学习神经网络装置、一种计算机设备、一种机器人系统和计算机可读存储介质。
📄 2017113310688
📂 G06N3_04
👤 华南师范大学
📅 2017-12-13
本申请涉及一种神经网络深度学习方法、系统、计算机可读存储介质和计算机设备。所述方法包括获取目标初始化神经网络的特征信息，将目标初始化神经网络的特征信息在预设神经网络大数据或数据库中进行分析，得到分析结果，根据分析结果确定目标初始化神经网络，通过训练数据训练目标初始化神经网络，得到深度学习的目标神经网络。本申请的方案通过特征信息分析，将预先存储的深度学习神经网络来作为将来深度学习神经网络初始化的基础，从而优化深度学习神经网络初始化的结果，使得深度学习神经网络在更优初始化的情况下进行训练，从而能够缩短训练时间，提高神经网络的训练速度，同时也能保证神经网络深度学习的效果。
📄 2017112599968
📂 G06N3_08
👤 华南师范大学
📅 2017-12-04
本发明涉及一种残缺数据深度学习神经网络方法、装置、计算机设备及存储介质，方法包括：获取预先训练好的深度学习神经网络；从待预测数据中获取输入数据；根据所述输入数据和所述预先训练好的深度学习神经网络的输入变量确定至少一个缺少数据的输入变量；将对所述缺少数据的输入变量进行赋值获得的数据，与从所述待预测数据中获取的输入数据进行组合，生成多组完整输入数据；将所述多组完整输入数据输入到所述预先训练好的深度学习神经网络中，计算得到多组输出数据。通过这种方式，能够在输入数据缺少数据的情况，仍然能够通过神经网络输出预测的输出变量，为研究工作提供数据支持，减少了输入数据检测和采集的成本。
📄 2017112051934
📂 G06N3_08
👤 华南师范大学
📅 2017-11-27
本发明涉及一种深度学习神经网络进化方法、装置、介质和计算机设备。该方法包括：将输入数据输入调取的已训练的深度学习神经网络得到输出数据，记录使用时间及获取对应的真实结果数据；按照预设的抽查规则选取使用过程中的输入数据、输出数据、使用时间和真实结果数据；将选取的输入数据及对应的输出数据、真实结果数据和使用时间组成数据组；计算数据组中输出数据与真实结果数据的差异值，统计预设时间段内所有数据组中差异值大于预设阈值的差异组的组数；若组数大于或等于存储的组数阈值，根据差异组的输入数据和真实结果数据对已训练的深度学习神经网络进行训练得到进化后的深度学习神经网络。如此可纠正深度学习神经网络的偏差，提高准确率。
📄 2017111358875
📂 G06N3_08
👤 华南师范大学
📅 2017-11-16
柿子坊 · 知识产权运营
柿子坊知识产权运营平台