文档详情

域自适应的神经网络实现的装置和方法.pdf

发布：2023-06-10约3.75万字共34页下载文档

文本预览下载声明

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112990427 A (43)申请公布日 2021.06.18 (21)申请号 202011468409.8 (22)申请日 2020.12.14 (30)优先权数据

显示全部

相似文档

光学神经网络装置、芯片及神经网络计算的光学实现方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114565091 A (43)申请公布日 2022.05.31 (21)申请号 202210140961.7 (22)申请日 2022.02.16 (71)申请人武汉光谷信息光电子创新中心有限
2023-05-06 约2.25万字 17页立即下载
神经网络方法和装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号CN110443347A (43)申请公布日 2019.11.12 (21)申请号20191
2024-03-30 约2.42万字 21页立即下载
神经网络的构建方法和装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116090512 A (43)申请公布日 2023.05.09 (21)申请号 202111271593.1 (22)申请日 2021.10.29 (71)申请人华为技术有限公司地址 5181
2023-05-08 约3.7万字 29页立即下载
神经网络处理装置、神经网络处理方法和神经网络处理程序.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112930543 A (43)申请公布日 2021.06.08 (21)申请号 201980066531.1 (74)专利代理机构中科专利商标代理有限责任
2023-06-07 约2.09万字 19页立即下载
自适应滤波算法的神经网络实现.pdf
2018-08-02 约小于1千字 7页立即下载
神经网络批标准化层硬件实现方法、装置、设备及介质.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114462585 A (43)申请公布日 2022.05.10 (21)申请号 202111616640.1 G06F 7/52 (2006.01)
2023-05-06 约1.45万字 13页立即下载
基于类脑脉冲神经网络的自适应及分类方法及计算装置.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114881198 A (43)申请公布日 2022.08.09 (21)申请号 202210287881.4 (22)申请日 2022.03.22 (71)申请人清华大学苏州汽车研究院（相城）地址
2023-05-16 约1.39万字 11页立即下载
基于自适应神经网络的谐波检测方法.doc 基于自适应神经网络的谐波检测方法目录摘要 Abstract 第一章绪论 1 1.1 谐波概述及意义 1 1.2 国内外谐波检测方法 2 1.3 本文的研究内容 2 第二章传统谐波检测技术介绍 2.1 谐波的概述 2.2 有源电力滤波器与谐波检测 2.3 瞬时无功功率理论谐波电流检测方法 2.4 小结第三章基于自适应神经网络的谐波检测方法 2 3.1 人工神经网络 3.2 基于自适应噪声对消原理神经元网络谐波电流检测方法 3.3 自适应神经网络谐波检测原理 3.4 小结…………. 第四章仿真结论 4.1仿真软件介绍 4.2系统仿真 4.3 小结结
2018-05-22 约2.71万字 43页立即下载
一种自适应神经网络边界减振控制方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114460844 A (43)申请公布日 2022.05.10 (21)申请号 202210029773.7 (22)申请日 2022.01.12 (71)申请人山东科技大学地址 266590
2023-05-07 约1.25万字 13页立即下载
一种可扩展的自适应宽度神经网络学习方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112966761 A (43)申请公布日 2021.06.15 (21)申请号 202110278923.3 (22)申请日 2021.03.16 (71)申请人长安
2023-06-10 约1.72万字 15页立即下载
卷积神经网络的处理方法及装置.docx PAGE 1- 卷积神经网络的处理方法及装置一、卷积神经网络的基本原理卷积神经网络（ConvolutionalNeuralNetworks，CNN）是一种特殊的神经网络架构，它在图像、语音和其他信号处理领域中具有广泛的应用。卷积神经网络的核心思想是利用卷积层对输入数据进行特征提取，通过权值共享减少模型参数，从而降低计算复杂度。在卷积层中，每个神经元只关注输入数据的局部区域，通过对局部区域进行特征提取，可以捕捉到图像中的边缘、纹理等局部特征。卷积层的基本操作是将一个小的滤波器（也称为卷积核或滤波器）在输入数据上滑动，每次滑动都会产生一个特征图。这种操作称为局部连接或共享权重连接，即同一滤波
2025-01-18 约2.95千字 6页立即下载
基于卷积神经网络的帧内编码优化方法及装置.docx PAGE 1- 基于卷积神经网络的帧内编码优化方法及装置第一章帧内编码技术概述 (1)帧内编码技术是视频压缩领域的一项关键技术，其主要目的是减少视频数据中冗余信息，从而降低数据传输和存储的负担。帧内编码通过去除帧内像素之间的空间冗余性来实现压缩，它不依赖于帧与帧之间的时间冗余信息。这种编码方式在视频编码标准如H.264/AVC和HEVC中扮演着重要角色，对于提高视频传输效率和质量具有显著影响。 (2)帧内编码技术主要包括预测编码和变换编码两个主要步骤。预测编码通过分析帧内像素间的空间相关性，预测当前像素值；而变换编码则将预测误差或残差进行变换，以提取能量集中的系数，进一步实现压缩。随着深度学
2025-01-21 约2.95千字 6页立即下载
一种神经网络模型生成方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836819 A (43)申请公布日 2021.05.25 (21)申请号 202110103858.0 (22)申请日 2021.01.26 (71)申请人北京奇艺世纪科技有限公司
2023-06-05 约2.88万字 26页立即下载
用于神经网络量化的方法和装置.docx PAGE 1- 用于神经网络量化的方法和装置 第一章神经网络量化概述 (1)神经网络量化作为深度学习领域的关键技术之一，其主要目的是通过降低神经网络模型的参数精度，从而减少模型的存储空间和计算量，提高模型的实时性能。随着神经网络在各个领域的广泛应用，如何有效地对神经网络进行量化成为了一个亟待解决的问题。量化方法主要包括定点量化、浮点量化以及混合量化等，每种方法都有其独特的优势和局限性。 (2)在量化过程中，一个重要的考量是量化精度对模型性能的影响。通常，量化精度越高，模型的精度和性能越能得到保障，但同时也意味着更大的存储空间和计算量。因此，如何在保证模型性能的前提下，合理地选择量化精度，成为量
2025-01-19 约2.63千字 5页立即下载
一种神经网络模型的训练方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836792 A (43)申请公布日 2021.05.25 (21)申请号 202110058851.1 (22)申请日 2017.12.29 (62)分案原申请数据 2017114
2023-06-06 约3.14万字 26页立即下载