-
公开(公告)号：CN111695678A
公开(公告)日：2020-09-22
申请号：CN202010493422.2
申请日：2020-06-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于忆阻模块阵列的图像标题生成方法，涉及人工智能技术领域。该方法基于忆阻器的阻值可塑性，设计忆阻模块构成忆阻阵列，搭载多层卷积网络模型VGG-16，并将其与片外LSTM连接，实现图像标题生成。该方法搭载卷积网络解决了普通忆阻阵列的权值不连续问题，可以实现高精度的图像特征识别，同时，采用硬件实现神经网络，大幅度降低了神经网络的处理时间和能耗，效率高。本发明提出的忆阻模块阵列，为大规模神经网络提供了一种硬件解决方案的思路，使得大规模神经网络系统可以高速、低能耗地解决现实问题。
-
公开(公告)号：CN110991633B
公开(公告)日：2022-11-08
申请号：CN201911228365.9
申请日：2019-12-04
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于忆阻网络的残差神经网络模型及其应用方法，基于忆阻器构建的忆阻网络结构，能够进行大规模并行处理，同时拥有巨大的存储量。忆阻器可通过调节两端的施加电压，灵活地改变其阻值状态，从而实现突触可塑性。基于忆阻器的忆阻网络具有功耗低，速度快和模块化等优势，可根据开发者的需求构建多种神经网络。由忆阻器所搭建的忆阻网络作为残差神经网络的硬件支撑，在此基础之上构建残差神经网络模型，进而实现残差神经网络模型的训练、测试等功能，通过在忆阻器两边施加电压控制忆阻器的阻值，从而实现残差神经网络模型中各种所需算术运算。
-
公开(公告)号：CN112037745B
公开(公告)日：2022-06-03
申请号：CN202010946590.2
申请日：2020-09-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于神经网络模型的音乐创作系统，涉及音乐及计算机信息处理领域。该系统包括服务器和设置于个人电脑终端的Web客户端，相较于Magenta开源项目，本发明利用web客户端和服务器提供给用户可视化界面，用户不用下载脚本文件和搭建脚本环境即可使用神经网络模型进行音乐创作，方便非相关专业的人员体验前沿的技术；相较于其他利用Magenta开源项目开发的web应用，本系统集成了Magenta全部而非某个或几个与音乐创作有关的神经网络模型，并附有详细的介绍和使用说明，用户可以对这些模型有更清晰的对比和认识。
-
Patent Agency Ranking
公开(公告)号：CN112037745A
公开(公告)日：2020-12-04
申请号：CN202010946590.2
申请日：2020-09-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于神经网络模型的音乐创作系统，涉及音乐及计算机信息处理领域。该系统包括服务器和设置于个人电脑终端的Web客户端，相较于Magenta开源项目，本发明利用web客户端和服务器提供给用户可视化界面，用户不用下载脚本文件和搭建脚本环境即可使用神经网络模型进行音乐创作，方便非相关专业的人员体验前沿的技术；相较于其他利用Magenta开源项目开发的web应用，本系统集成了Magenta全部而非某个或几个与音乐创作有关的神经网络模型，并附有详细的介绍和使用说明，用户可以对这些模型有更清晰的对比和认识。
-
公开(公告)号：CN111339858A
公开(公告)日：2020-06-26
申请号：CN202010096021.3
申请日：2020-02-17
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于神经网络的油气管道标志物识别方法，该方法包括步骤：构建模型，获取训练集、验证集和测试集，经过训练得到最优模型，采用测试集进行测试，得到检测结果并计算检测精度。本发明使用参数少的Mobilenet作为基础网络，在多尺度特征映射上直接回归的SSD算法作为目标检测算法，实现了多尺度的目标检测，且检测模型小、检测速度快，使检测模型部署在移动端，对油气管道的标志物进行实时检测；并通过CBAM注意力机制从全局和局部范围突出标志物的显著特征，获得更好的检测效果；同时注意力机制嵌入在基础网络的每层后面，可以从第一层逐层增强特征表达能力，有效剔除干扰信息，提高检测精度。
-
公开(公告)号：CN111339858B
公开(公告)日：2022-07-29
申请号：CN202010096021.3
申请日：2020-02-17
Applicant: 电子科技大学
IPC: G06V10/774 , G06V20/17 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于神经网络的油气管道标志物识别方法，该方法包括步骤：构建模型，获取训练集、验证集和测试集，经过训练得到最优模型，采用测试集进行测试，得到检测结果并计算检测精度。本发明使用参数少的Mobilenet作为基础网络，在多尺度特征映射上直接回归的SSD算法作为目标检测算法，实现了多尺度的目标检测，且检测模型小、检测速度快，使检测模型部署在移动端，对油气管道的标志物进行实时检测；并通过CBAM注意力机制从全局和局部范围突出标志物的显著特征，获得更好的检测效果；同时注意力机制嵌入在基础网络的每层后面，可以从第一层逐层增强特征表达能力，有效剔除干扰信息，提高检测精度。
-
公开(公告)号：CN111695678B
公开(公告)日：2022-05-03
申请号：CN202010493422.2
申请日：2020-06-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于忆阻模块阵列的图像标题生成方法，涉及人工智能技术领域。该方法基于忆阻器的阻值可塑性，设计忆阻模块构成忆阻阵列，搭载多层卷积网络模型VGG‑16，并将其与片外LSTM连接，实现图像标题生成。该方法搭载卷积网络解决了普通忆阻阵列的权值不连续问题，可以实现高精度的图像特征识别，同时，采用硬件实现神经网络，大幅度降低了神经网络的处理时间和能耗，效率高。本发明提出的忆阻模块阵列，为大规模神经网络提供了一种硬件解决方案的思路，使得大规模神经网络系统可以高速、低能耗地解决现实问题。
-
公开(公告)号：CN110991633A
公开(公告)日：2020-04-10
申请号：CN201911228365.9
申请日：2019-12-04
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于忆阻网络的残差神经网络模型及其应用方法，基于忆阻器构建的忆阻网络结构，能够进行大规模并行处理，同时拥有巨大的存储量。忆阻器可通过调节两端的施加电压，灵活地改变其阻值状态，从而实现突触可塑性。基于忆阻器的忆阻网络具有功耗低，速度快和模块化等优势，可根据开发者的需求构建多种神经网络。由忆阻器所搭建的忆阻网络作为残差神经网络的硬件支撑，在此基础之上构建残差神经网络模型，进而实现残差神经网络模型的训练、测试等功能，通过在忆阻器两边施加电压控制忆阻器的阻值，从而实现残差神经网络模型中各种所需算术运算。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
