利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

2319 条记录 (耗时 0.069 秒)

    一种基于深度卷积神经网络的快速磁共振成像方法及装置
    2.
    发明授权
    一种基于深度卷积神经网络的快速磁共振成像方法及装置 有权

    公开(公告)号：CN107182216B

    公开(公告)日：2019-06-14

    申请号：CN201580001261.8

    申请日：2015-12-30

    申请人： 中国科学院深圳先进技术研究院

    发明人： 梁栋 ,  王珊珊 ,  谭莎 ,  苏正航 ,  彭玺 ,  刘新 ,  郑海荣

    IPC分类号： G01R33/56 ,  G06N3/08 ,  G06T5/50

    CPC分类号： A61B5/055 ,  G06N3/08

    摘要： 本发明提供了一种基于深度卷积神经网络的快速磁共振成像方法及装置。所述方法包括：步骤S1，构建深度卷积神经网络；步骤S2，获取离线磁共振图像数据，训练所述深度卷积神经网络，学习欠采样磁共振图像与全采图像之间的映射关系；步骤S3，利用所述步骤S2中学习到的深度卷积神经网络重建磁共振图像。本发明实施例的基于深度卷积神经网络的快速磁共振成像方法及装置，通过使用大量采集到的磁共振数据学习一个离线的深度卷积神经网络，学习欠采样磁共振图像与全采图像之间的映射关系，从而充分利用线下大量的磁共振图像，开发其先验信息，使其离线网络可从欠采磁共振数据里恢复更多的精细结构和图像特征，并使磁共振欠采倍数和成像精度有所提高。

    神经网络模型分块压缩方法、训练方法、计算装置及系统
    3.
    发明公开
    神经网络模型分块压缩方法、训练方法、计算装置及系统 有权

    公开(公告)号：CN109791628A

    公开(公告)日：2019-05-21

    申请号：CN201780042629.4

    申请日：2017-12-29

    申请人： 清华大学

    发明人： 张悠慧 ,  季宇 ,  张优扬

    IPC分类号： G06N3/08 ,  G06N3/063

    CPC分类号： G06N3/063 ,  G06N3/08

    摘要： 一种用于神经网络的网络模型分块压缩方法，包括：权重矩阵获得步骤，获得经过训练得到的神经网络的网络模型的权重矩阵；权重矩阵分块步骤，按照预定阵列大小将权重矩阵划分成由若干初始子块组成的阵列；待裁剪权值元素集中步骤，根据子块中的矩阵元素的权值绝对值和值，通过行列交换，将权值较小的矩阵元素集中到待裁剪子块中，使得该待裁剪子块中的矩阵元素的权值绝对值和值相对于不是待裁剪子块的其他子块中的矩阵元素的权值绝对值和值更小；子块裁剪步骤，将上述待裁剪子块中的矩阵元素的权值裁剪掉，获得最终的权重矩阵，以实现对神经网络的网络模型的压缩。实现能够节省资源开销，在有限资源的条件下布置规模巨大的神经网络。

    具有训练生成式对抗网络的模块化基础结构的计算系统
    5.
    发明公开
    具有训练生成式对抗网络的模块化基础结构的计算系统 无效

    公开(公告)号：CN109754088A

    公开(公告)日：2019-05-14

    申请号：CN201811301455.1

    申请日：2018-11-02

    申请人： 谷歌有限责任公司

    发明人： 乔尔·肖尔 ,  塞尔吉奥·瓜达拉马·科塔多

    IPC分类号： G06N20/00 ,  G06N3/08

    CPC分类号： G06K9/6253 ,  G06F9/448 ,  G06K9/6273 ,  G06N3/0454 ,  G06N3/0472 ,  G06N3/08 ,  G06N3/082 ,  G06N3/084

    摘要： 本申请涉及具有用于培训训练生成式对抗网络的模块化基础结构的计算系统。本公开的示例方面涉及提供用于训练生成式对抗网络(GAN)的模块化基础结构的计算系统。例如，模块化基础结构可以包括轻量级库，其被设计为使训练和评估GAN变得容易。用户可以与模块化基础结构交互和/或依赖于模块化基础结构来轻松地训练GAN。根据本公开的一个方面，模块化基础结构可以包括处理在GAN训练过程的各个阶段和其中的操作的多个不同代码集。代码集可以是模块式的。也就是说，代码集可以被设计为独立存在，但是可容易地且直观地组合。因此，用户可以采用一些或所有代码集，或者可以用自定义代码集替换某个代码集，同时仍然生成可行的组合。

    执行解卷积的神经网络的方法和装置
    6.
    发明公开
    执行解卷积的神经网络的方法和装置 有权

    公开(公告)号：CN109754064A

    公开(公告)日：2019-05-14

    申请号：CN201811024492.2

    申请日：2018-09-03

    申请人： 三星电子株式会社

    发明人： 宋准镐 ,  李世焕 ,  张准祐

    IPC分类号： G06N3/04

    CPC分类号： G06N3/08 ,  G06N3/04 ,  G06N3/0454

    摘要： 一种被配置为执行解卷积操作的神经网络装置，包括：存储器，被配置为存储第一内核；以及处理器，被配置为：从所述存储器获取所述第一内核；通过调整包括在所述第一内核中的矩阵元素的排列来计算第二内核；通过划分第二内核来生成子内核；使用卷积运算符来执行输入特征映射与子内核之间的卷积操作；并且通过合并卷积操作的结果来生成输出特征映射作为输入特征映射的解卷积。

    基于生成对抗网络的雾计算工业协议构建方法及构建系统
    9.
    发明公开
    基于生成对抗网络的雾计算工业协议构建方法及构建系统 有权

    公开(公告)号：CN109685200A

    公开(公告)日：2019-04-26

    申请号：CN201811374686.5

    申请日：2018-11-19

    申请人： 华东师范大学 ,  上海工业控制安全创新科技有限公司

    发明人： 刘虹 ,  陆楚

    IPC分类号： G06N3/04 ,  G06N3/08 ,  G05B19/418

    CPC分类号： G06N3/0454 ,  G05B19/4186 ,  G06N3/08

    摘要： 本发明公开了一种基于生成对抗网络的雾计算工业协议构建方法，与传统的防御方法不同，采用一种雾计算的工控系统模型，利用深度卷积对抗生成网络构建可部署到蜜罐系统的仿真协议，进而将基于蜜罐技术的主动防御与被动防御相结合来保护工业系统。部署在系统外部的蜜罐不仅能用于了解攻击者的恶意行为捕获漏洞，还能在一定程度上阻止和防御黑客的攻击，所以类似于蜜罐这样的主动防御技术对安全性较低的雾计算工业系统是很有必要的。在蜜罐中部署实际的工业协议会耗时耗力，且会暴露协议信息，带来安全隐患，这并不切实际，而直接模拟低交互的静态协议流并不能很好地达到欺骗攻击者的目的。因此，构建逼真的仿真协议来欺骗攻击者就显得尤为重要。