-
公开(公告)号：CN109063831A
公开(公告)日：2018-12-21
申请号：CN201810849491.5
申请日：2017-10-30
Applicant: 上海寒武纪信息科技有限公司
CPC classification number: G06F7/5443 , G06F9/30007 , G06F9/30029 , G06F9/30036 , G06F9/30181 , G06F9/382 , G06F9/3826 , G06F9/3867 , G06F13/28 , G06F17/153 , G06F17/16 , G06F17/2809 , G06K9/00268 , G06K9/00288 , G06K9/627 , G06N3/0454 , G06N3/063 , G06N3/08 , G06N3/084 , G06Q30/0251 , G06Q30/0271 , G06Q30/0631 , G06T1/20 , G06T1/60 , G06T3/0012 , G06T3/4053 , G06T5/009 , G06T2200/28 , G10L15/16 , G10L15/26 , G10L15/285
Abstract: 本发明提供一种人工智能处理器及人工智能处理器执行向量加和指令方法，所述处理器设置于计算装置内，所述计算装置用于神经网络运算指令，本申请提供的技术方案具有能耗低的优点。
-
公开(公告)号：CN109063713A
公开(公告)日：2018-12-21
申请号：CN201810800080.7
申请日：2018-07-20
Applicant: 中国林业科学研究院木材工业研究所
CPC classification number: G06K9/6256 , G06K9/46 , G06N3/0454 , G06N3/08
Abstract: 本发明实施例涉及一种基于构造特征图像深度学习的木材鉴别方法和系统，所述方法包括：采集木材横切面构造图像数据；将所述图像数据分割为多个大小一致的图像块；根据多个所述图像块建立所述图像数据对应的训练集和测试集；构建木材图像鉴别多层卷积神经网络；采用所述训练集对所述木材图像鉴别多层卷积神经网络进行深度学习；采用所述测试集对深度学习的模型进行测试，根据测试结果优化模型参数，生成木材图像鉴别深度学习算法模型；根据所述图像识别深度学习算法模型对待鉴别木材图像数据进行识别。由此，可以实现对待鉴别木材树种的准确快速识别。
-
公开(公告)号：CN109063687A
公开(公告)日：2018-12-21
申请号：CN201810997081.5
申请日：2018-08-29
Applicant: 长江大学
CPC classification number: G06K9/00496 , G06K9/6256 , G06N3/0454 , G06N3/08
Abstract: 本发明提供一种基于深度卷积神经网络的微地震P波识别方法及系统，通过建立包含微地震有效信号和噪音的训练集完成深度卷积神经网络的训练，再通过训练后的网络识别微地震P波，所述方法提高了有效信号识别的效率和精度。
-
公开(公告)号：CN109063456A
公开(公告)日：2018-12-21
申请号：CN201810873961.1
申请日：2018-08-02
Applicant: 浙江大学
CPC classification number: G06F21/36 , G06K9/6256 , G06N3/08
Abstract: 本发明公开了一种图像型验证码安全性检测方法及系统，方法包括以下步骤：从目标网站收集原始图像型验证码数据，分割出其文字标签并进行人工标注，构建标签训练集；根据文字标签的类别收集对应的图片，构建子图训练集；构建卷积神经网络，分别采用标签训练集和子图训练集进行训练，分别得到标签识别模型和子图识别模型；使用标签识别模型和子图识别模型分别识别图像型验证码的文字标签和子图，识别结果记为A和B；若某子图满足：(A∈B)∩(P(A)＞λ)，则认为该子图属于文字标签A；根据其识别准确率评判该目标网站图像型验证码的安全性。本发明的图像型验证码安全性检测方法为图像型验证码的安全性评估提供量化的参考依据。
-
公开(公告)号：CN109061705A
公开(公告)日：2018-12-21
申请号：CN201810686584.0
申请日：2018-06-27
Applicant: 千寻位置网络有限公司
Inventor： 林利瓦
CPC classification number: G01S19/46 , G06N3/0454 , G06N3/08
Abstract: 本发明适用于卫星定位技术领域，提供了一种基于tensorflow的数据处理方法及终端、差分定位平台，所述数据处理方法包括：提取用户的轨迹信息；基于所提取的轨迹信息在平面地图上描点，形成对应的轨迹图片集合；将所述轨迹图片集合输入tensorflow卷积神经网络模型中训练，得到训练数据。本发明中，采用tensorflow卷积神经网络模型对用户数据进行迭代处理，可提高数据的准确度。
-
Patent Agency Ranking
公开(公告)号：CN109059912A
公开(公告)日：2018-12-21
申请号：CN201810858920.5
申请日：2018-07-31
Applicant: 太原理工大学
CPC classification number: G01C21/165 , G01S19/49 , G06N3/08
Abstract: 本发明公开了一种基于小波神经网络的GPS/INS集成定位方法，模糊强跟踪无迹卡尔曼FUZZY‑STSUKF具有强大的鲁棒性和出色的实时跟踪能力，当GPS工作良好时，WNN将使用FUZZY‑STSUKF提供的估计先验位置误差作为输入，并将估计的当前位置误差作为输出进行训练，因此INS的位置误差应能够基于之前的输出进行建模；在GPS被遮挡期间，当前的INS测量误差可以由模型补偿，有效的解决了GPS中断期间INS测量误差积累的问题，因此所提出的GPS/INS融合算法更适应于城市峡谷等高动态环境。
-
公开(公告)号：CN109039534A
公开(公告)日：2018-12-18
申请号：CN201810635535.4
申请日：2018-06-20
Applicant: 东南大学
CPC classification number: H04L1/0052 , G06N3/0454 , G06N3/08 , H04L1/0048
Abstract: 本发明公开了一种基于深度神经网络的稀疏码分多址信号检测方法，首先将用户与资源的关系表示成因子图形式，接着将因子图上信息的迭代传递转化成神经网络的前向传递，然后进行信号检测误差估计并将估计值作为神经网络的输入数据，之后使用梯度下降法训练该网络得到更优的系数，最后使用训练好的网络来进行SCMA信号检测。由于使用了神经网络的架构，因此该方法可以在相应的AI芯片上实现。与传统方法相比，该方法在获得一定的性能提升同时可以将相关计算转移到高速并行处理的AI芯片上，有效减小SCMA信号检测带来的时延。
-
公开(公告)号：CN109035339A
公开(公告)日：2018-12-18
申请号：CN201810916821.8
申请日：2018-08-13
Applicant: 重庆金山医疗器械有限公司
CPC classification number: G06T7/73 , G06K9/6267 , G06N3/0454 , G06N3/08 , G06T2207/10068 , G06T2207/20081 , G06T2207/30092
Abstract: 本发明公开了一种胶囊内镜系统及其运行区域检测图片的位置识别方法,该位置识别方法的步骤为：选取图像数据；将选取的图像进行分类，并对分类后的图像添加表示其不同位置的标记；对位置识别网络模型进行预训练和逐层调节得到当前深度网络模型；利用训练集对当前深度网络模型进行训练，通过判断当前深度网络模型的识别精度、灵敏度、特异性是否符合预设要求，若是，则确定训练后的当前网络模型为完成训练的深度网络模型；使用胶囊进行检查时，利用训练完成的深度网络模型得到图片对应的位置。本发明能够对磁控胶囊采集到的图片位置进行自动识别，对胶囊是否完成整个运行区域检查提供依据。
-
公开(公告)号：CN109034389A
公开(公告)日：2018-12-18
申请号：CN201810871336.3
申请日：2018-08-02
Applicant: 黄晓鸣
CPC classification number: G06N3/08 , G06K9/6253
Abstract: 本申请公开了一种信息推荐系统的人机交互式修正方法、装置、设备和介质。其中，方法包括：接收用户在信息推荐系统的操作，对操作进行分析，得到用户的第一正数据，其中，第一正数据包括用户去过的景点数据；在景点数据库中选取若干个景点数据，基于该景点数据集合生成第一交互活动并发送给用户，接收用户对第一互动活动的第一反馈结果，基于第一反馈结果得到第一负数据，其中，第一负数据包括用户可能不想去的景点；和利用第一正数据和第一负数据对信息推荐系统进行训练，以便修正信息推荐系统。该方法能够通过与用户互动的方式让用户主动标记数据，从而使得信息推荐系统的推荐结果更加符合用户需要。
-
公开(公告)号：CN109034383A
公开(公告)日：2018-12-18
申请号：CN201810849488.3
申请日：2017-10-30
Applicant: 上海寒武纪信息科技有限公司
CPC classification number: G06F7/5443 , G06F9/30007 , G06F9/30029 , G06F9/30036 , G06F9/30181 , G06F9/382 , G06F9/3826 , G06F9/3867 , G06F13/28 , G06F17/153 , G06F17/16 , G06F17/2809 , G06K9/00268 , G06K9/00288 , G06K9/627 , G06N3/0454 , G06N3/063 , G06N3/08 , G06N3/084 , G06Q30/0251 , G06Q30/0271 , G06Q30/0631 , G06T1/20 , G06T1/60 , G06T3/0012 , G06T3/4053 , G06T5/009 , G06T2200/28 , G10L15/16 , G10L15/26 , G10L15/285
Abstract: 本发明提供一种神经网络处理器及神经网络处理器执行矩阵相乘指令方法，所述处理器设置于计算装置内，所述计算装置用于神经网络运算指令，本申请提供的技术方案具有能耗低的优点。
-
-
-
-
-
-
-
-
-
Search Results
2319
records
(took 0.042 seconds)
