公开(公告)号：CN107209874A

公开(公告)日：2017-09-26

申请号：CN201480084568.4

申请日：2014-12-16

申请人： 巴鲁夫公司

发明人： 佐尔坦·坎特 ,  佐尔坦·波利克 ,  阿提拉·萨博

IPC分类号： G06N3/10 ,  G06N3/04

CPC分类号： G06N3/063 ,  G06N3/0454 ,  G06N3/061 ,  G06N3/10 ,  H01L43/06

摘要： 本发明涉及一种用于确定目标对象的距离、空间定向、材料属性等的非接触式位置和/或距离传感器，并且就一种用于根据本发明的操作非接触式位置和/或距离传感器的方法而言，设有具体地是至少两个传感器元件，所述至少两个传感器元件形成传感器模块(100)，并且借助至少一个人工神经网络(110)共同评估由所述至少两个传感器元件提供的信号(103)。

公开(公告)号：CN107193895A

公开(公告)日：2017-09-22

申请号：CN201710319420.X

申请日：2017-05-09

申请人： 四川师范大学

发明人： 杨娟 ,  白云

IPC分类号： G06F17/30 ,  G06N3/08 ,  G06N3/10

CPC分类号： G06F17/30684 ,  G06F17/30705 ,  G06N3/08 ,  G06N3/10

摘要： 本发明涉及数据分析领域，其公开了一种提取语言认知模型隐藏知识的新方法，包括如下步骤：（A）通过非监督学习将结论部分的模式进行分类；（B）分析前提模式的共同特征域；（C）识别前提模式特征空间以及结论部分特征空间；（D）构建推理规则。本发明的有益效果是：通过对语言认知模型的前提模式和结论模式进行了特征抽取，使该特征比以往的规则更准确；通过增加解释器，使特征空间具备了可解释性，从而解决了语言认知模型的非分类规则提取问题。

公开(公告)号：CN106709570A

公开(公告)日：2017-05-24

申请号：CN201611236844.1

申请日：2016-12-28

申请人： 浙江大学

发明人： 葛志强 ,  李雨绅

IPC分类号： G06N3/10 ,  G06F17/50

CPC分类号： G06N3/10 ,  G06F17/5009

摘要： 本发明公开了一种基于时间维度拓展局部加权极限学习机的软测量建模方法，本发明基于局部加权极限学习机的方法，该方法针对非线性过程，具有良好的精读和较快的运算速度，但是工业过程的数据量往往在应用极限学习机时会产生泛化性能不足问题。应用的改进方法是采用即时学习的思想，对样本在时间维度上进行时间维度拓展，再在新空间上进行局部加权，以针对工业过程动态性的特点。本发明结合了即时学习思想和极限学习机的优点并克服了各自的主要缺点，得到了高速度高精度的工业过程软测量建模方法。

公开(公告)号：CN106709133A

公开(公告)日：2017-05-24

申请号：CN201611018378.X

申请日：2016-11-16

申请人： 东南大学

发明人： 朱小良 ,  景亚杰 ,  陆彬 ,  羊冰清 ,  姜懿纯 ,  沈维

IPC分类号： G06F17/50 ,  G06N3/10

CPC分类号： G06F17/5009 ,  G06N3/10

摘要： 本发明公开了基于神经网络曲面拟合的核电站堆芯温度场软测量方法，首先通过研究堆芯通道模型、堆芯节块划分和功率分布、堆芯冷却剂流量分配、堆芯热传导和传输模型，建立堆芯温度计算模型；接着基于冷却剂出口的离散温度数据，利用径向基函数(RBF)神经网络曲面拟合的方法，对压水堆堆芯冷却剂出口截面的二维温度场进行初步重构；然后利用换热公式计算得到各冷却剂通道的流量；最后将计算所得的出口温度和通道流量带入堆芯温度计算模型实现了对堆芯冷却剂和堆芯燃料组件的三维温度分布的软测量。本发明能够可用于为堆芯设计提供安全性指导，同时利用计算模型分析冷却剂温度分布规律，为堆芯结构设计参数提供参考。

公开(公告)号：CN106557811A

公开(公告)日：2017-04-05

申请号：CN201611032114.X

申请日：2016-11-22

申请人： 广西大学

发明人： 艾矫燕 ,  刘刚 ,  吴思知 ,  雷增强 ,  梁奎 ,  周永华 ,  李修华 ,  林春焕 ,  李鑫飞

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06N3/10 ,  G06F17/50

CPC分类号： Y02E60/76 ,  Y04S40/22 ,  G06N3/04 ,  G06F17/5009 ,  G06N3/08 ,  G06N3/10

摘要： 本发明揭示了一种溶解氧均衡性改善方法，其包括如下步骤：1、潜水泵产生水平方向上的淹没射流；2、对该水域进行多次推流实验，利用极限学习机对推流试验所得数据进行建模，得到溶解氧离散系数与初始溶解氧离散系数、时间、水泵参数之间的关系，其网络结构为ELM神经网络结构；3、某次需要推流之前测量初始溶解氧离散系数；4、将初始溶解氧离散系数代入模型确定推流时间；5、对该水域进行推流，推流时间达到步骤四所确定的时间则结束推流。本发明利用潜水泵推流改善溶解氧均衡性，并利用人工神经网络建立推流与溶解氧均衡指标之间关系，利用这个关系预测推流时间，指导推流。

公开(公告)号：CN106503791A

公开(公告)日：2017-03-15

申请号：CN201610772116.6

申请日：2016-08-30

申请人： 百度(美国)有限责任公司

发明人： 克里斯托弗·丰纳 ,  布赖恩·卡坦扎罗

IPC分类号： G06N3/02

CPC分类号： G06N3/10 ,  G06F9/4843 ,  G06F9/5027 ,  G06N3/063 ,  G06N3/08 ,  H04L41/16 ,  G06N3/02

摘要： 公开了对于诸如神经网络部署的计算密集型任务实现有效引擎的系统和方法。提供本发明各实施方式，以针对在诸如实时语音转录的高流量应用中提高串流数据吞吐量的高吞吐量分批。在实施方式中，通过动态聚集成分批以及共同处理在未知定时下随机到达的用户请求来提高吞吐量，使得并非所有数据在进行分批时便立即呈现。一些实施方式允许利用预处理来执行流分类。性能增益允许更有效地使用计算引擎并且极大降低了大规模部署大型神经网络的成本，同时满足严格的应用要求并使增加的计算延迟相对较小，从而保持令人满意的应用体验。

公开(公告)号：CN105913123A

公开(公告)日：2016-08-31

申请号：CN201610224971.3

申请日：2016-04-12

申请人： 西北工业大学

发明人： 张艳宁 ,  刘学工 ,  张磊 ,  严杭琦 ,  丁晨 ,  魏巍 ,  韩琳 ,  佘红伟 ,  季万才

IPC分类号： G06N3/10 ,  G06N3/08

CPC分类号： G06N3/10 ,  G06N3/08 ,  G06N3/084

摘要： 本发明公开了一种基于自动编码器和多层感知器网络的黄河主溜光谱建模方法，用于解决现有建模方法自适应性差的技术问题。技术方案是综合考虑水分子的吸收系数和散射系数，泥沙颗粒的吸收系数和散射系数，光的入射角，水层向上散射角等诸多因素；采用自动编码器后接多层感知器形成的神经网络结构，利用训练数据进行学习，最终获得黄河主溜光谱模型。自动编码器具有去除冗余信息，对噪声鲁棒的特点，因此有利于获得鲁棒的参数估计结果。本发明建立的黄河主溜光谱模型结合主溜成因，综合考虑了水体、泥沙、光照等方面的因素，采用自动编码器和多层感知器网络作为模型参数估计方法，能够更具数据自动获得具体模型参数，具有良好的可扩展性和自适应性。

公开(公告)号：CN105893329A

公开(公告)日：2016-08-24

申请号：CN201610249068.2

申请日：2016-04-20

申请人： 中国水利水电科学研究院

发明人： 李传哲 ,  刘佳 ,  王洋 ,  于福亮 ,  严登华 ,  田济扬 ,  史婉丽 ,  穆文彬

IPC分类号： G06F17/14 ,  G06F17/18 ,  G06N3/10

CPC分类号： G06F17/18 ,  G06F17/148 ,  G06N3/10

摘要： 本发明涉及一种基于月尺度的潮位资料一致性修正方法，建立了实测潮位系列与趋势项、周期项和随机因子项之间的关系，通过对比不同尺度小波检验的残差以及计算两个小波尺度下小波分解系数的模的期望，确定异常点和突变点出现的位置，运用平均值代替该异常值消除随机因子项的干扰。通过滑动平均处理消除周期项的干扰。对趋势项、消除周期项后的潮位资料以及实测资料建立相关关系，选取近5年月潮位资料训练BP神经网络，运用训练得到的网络计算得到修正值。解决了月尺度的潮位资料一致性修正的问题，在修正过程中消除了随机因子项的干扰，通过训练的BP神经网络模型计算修正后的潮位资料，提高了修正的可靠性和精度。

公开(公告)号：CN105580031A

公开(公告)日：2016-05-11

申请号：CN201480052142.0

申请日：2014-10-17

申请人： 高通股份有限公司

发明人： M·坎伯斯 ,  C·M·维任斯基 ,  B·F·贝哈巴迪

IPC分类号： G06N3/04 ,  G06N3/08

CPC分类号： G06N3/082 ,  G06N3/04 ,  G06N3/049 ,  G06N3/10 ,  G06N3/105 ,  G08B17/005

摘要： 人工神经网络可被配置成测试特定输入参数的影响。为改进测试效率以及避免可能不会更改系统性能的测试运行，输入参数对神经元或神经元群的影响可被确定，以便基于特定参数对各群的影响来将神经元归类到那些群中。可以基于群的互连性质以及一个群中的神经元的输出是否会影响另一群的操作来将群串行和/或并行地排序。在运行系统测试之前，可以修剪不影响群性能的参数以不作为至该特定群的输入，由此节省测试期间的处理资源。

公开(公告)号：CN104620236A

公开(公告)日：2015-05-13

申请号：CN201380025107.5

申请日：2013-03-15

申请人： 美国高通技术公司

发明人： B·绍特马里 ,  E·M·伊日科维奇

IPC分类号： G06F15/18 ,  G06N3/02 ,  G06N3/04

CPC分类号： G06N3/10 ,  G06N3/04

摘要： 用于使用标记实现高级神经元形态网络描述(HLND)的装置和方法。框架可被用于定义节点类型，定义节点至节点连接类型，实例化针对不同节点类型的节点实例，和/或生成这些节点之间的连接类型的实例。HLND格式可被用于定义节点类型，定义节点至节点连接类型，实例化针对不同节点类型的节点实例，使用标记来动态地标识和/或选择网络子集、和/或使用此类子集来生成这些节点之间的一个或多个连接的实例。为了促成HLND操作和歧义性消除，网络的个体元素(例如，节点、扩展、连接、I/O端口)可被指派至少一个唯一性标记。该标记可被用于标识和/或引述相应网络元素。HLND内核可包括至元素式网络描述的接口。