一种基于区间算法的神经网络卷积层设计方法

    公开(公告)号:CN107657314A

    公开(公告)日:2018-02-02

    申请号:CN201710883220.7

    申请日:2017-09-26

    IPC分类号: G06N3/04 G06N3/08

    CPC分类号: G06N3/04 G06N3/082

    摘要: 本发明公开一种基于区间算法的神经网络卷积层设计方法,涉及人工智能领域;利用区间算法,将卷积层的输入值,卷积核参数,以及输出值,定义成区间数据类型,从而形成区间卷积层,该区间卷积层能够处理不确定的有一定范围的输入值,并输出可靠的区间值,弥补了神经网络无法处理区间数据的不足,同时避免了有些高精度浮点数值无法被计算机精确表达的情况发生,也解决了某些技术上的参数没有确定值的问题,提高可靠性。

    一种基于区间算法的神经网络池化层设计方法

    公开(公告)号:CN107506826A

    公开(公告)日:2017-12-22

    申请号:CN201710881248.7

    申请日:2017-09-26

    IPC分类号: G06N3/04 G06N3/08

    CPC分类号: G06N3/0454 G06N3/08

    摘要: 本发明公开一种基于区间算法的神经网络池化层设计方法,涉及人工智能领域;利用区间算法,将池化层的输入值以及输出值,定义成区间数据类型,从而形成区间池化层,该区间池化层能够处理不确定的有一定范围的输入值,即区间数据类型,避免了有些高精度浮点数值无法被计算机精确表达的问题,并输出可靠的区间值,提高可靠性,通过该区间池化层以及相应的区间神经网络技术搭建区间神经网络,可以弥补神经网络无法处理区间数据的不足,使区间数据也能够利用卷积神经网络的技术解决实际问题,应用于实际的场景中。

    一种Softmax层的设计方法及基于该Softmax层的神经网络

    公开(公告)号:CN107491808A

    公开(公告)日:2017-12-19

    申请号:CN201710890630.4

    申请日:2017-09-27

    IPC分类号: G06N3/02

    CPC分类号: G06N3/02

    摘要: 本发明公开了一种Softmax层的设计方法及基于该Softmax层的神经网络,其设计过程为:首先为神经网络的Softmax层中提供输入值、输出值,这里的输入值、输出值为区间数值;通过区间算法,将Softmax层的输入值以及输出值,定义成区间数据类型,从而形成区间Softmax层。本发明的一种Softmax层的设计方法及基于该Softmax层的神经网络与现有技术相比,弥补了神经网络无法处理区间数据的不足,通过在设备上嵌入该神经网络,实现鲁棒性强的区间数据应用,能够使深度神经网络适用于区间数据类型的计算,实用性强,适用范围广泛,易于推广。

    一种基于机器学习的电梯内儿童识别方法

    公开(公告)号:CN107473030A

    公开(公告)日:2017-12-15

    申请号:CN201710959549.7

    申请日:2017-10-16

    IPC分类号: B66B1/06 B66B1/34 B66B5/00

    摘要: 本发明公开了一种基于机器学习的电梯内儿童识别方法,属于人工智能机器学习技术领域,包括电梯控制系统、摄像设备、电梯监控管理平台、图像分类服务器和警报设备,摄像设备安装在电梯内顶部,连接电梯监控管理平台和电梯控制系统;电梯监控管理平台连接图像分类服务器、警报设备以及电梯控制系统;图像分类服务器配置有训练好的电梯图像分类模型。通过关门信号触发摄像设备拍摄当前电梯内乘客情况,摄像设备将采集的图像发送至电梯监控管理平台;电梯监控管理平台将图像发送给图像分类服务器,当识别结果为只有儿童时,触发报警提醒。本发明智能化的监控电梯内情况,实时识别儿童独自乘坐电梯情况,并通过警报设备提醒以避免电梯事故发生。

    一种神经网络初始化方法、装置、可读介质及存储控制器

    公开(公告)号:CN107506829A

    公开(公告)日:2017-12-22

    申请号:CN201710756629.2

    申请日:2017-08-29

    IPC分类号: G06N3/08

    摘要: 本发明提供了一种神经网络初始化方法、装置、可读介质及存储控制器,该方法包括:根据待训练神经网络的结构以及权重值数量,构建离散神经网络,并确定所述离散神经网络对应的权重值的取值范围;在确定出的所述取值范围内,确定当前离散训练值;利用所述离散神经网络,确定与所述当前离散训练值对应的梯度值;确定所述梯度值是否不大于预设第一阈值;如果是,根据所述当前离散训练值,确定全局最优离散权重参数;将确定出的所述最优离散权重参数赋值给所述待训练神经网络,利用所述全局最优离散权重参数,对所述待训练神经网络进行训练。本方案能缩短神经网络的训练时间。

    一种基于边缘计算的话单计算系统及方法

    公开(公告)号:CN107800545A

    公开(公告)日:2018-03-13

    申请号:CN201710897096.X

    申请日:2017-09-28

    IPC分类号: H04L12/14 H04M15/00

    摘要: 本发明公开了一种基于边缘计算的话单计算系统及方法,包括网络节点MME,生成话单;边缘计算网关服务器EC-GW,配置有TPM应用;计费网关CG,与边缘计算网关服务器EC-GW相连接;核心侧业务网元S-GW,连接上述边缘计算网关服务器EC-GW;归属签约用户服务器HSS,连接并接收来自边缘计算网关服务器EC-GW的注册信息。本发明的一种基于边缘计算的话单计算系统及方法与现有技术相比,能够保障用户呼叫的计费数据的安全性,同时提高整个计费的服务器系统的可靠性,实用性强,适用范围广泛,易于推广。