检索结果-内蒙古大学图书馆

商场现代化 2008年第12期 364-365页

作者：沈虹周建南京审计学院金审学院

Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的动态的Spike神经元作为计算单元,进行信息的编码和处理。文中给出了基于粒子群算法的Spiking神经网络学习模型,并运用于上证指数的趋势预测,结果表明其用于股市预测是... 详细信息

Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的动态的Spike神经元作为计算单元,进行信息的编码和处理。文中给出了基于粒子群算法的Spiking神经网络学习模型,并运用于上证指数的趋势预测,结果表明其用于股市预测是有效性。

关键词：神经网络学习模型股市预测股票市场市场分析

来源：评论

学校读者我要写书评

暂无评论

一种基于浅度学习的神经网络迁移方法

一种基于浅度学习的神经网络迁移方法

引用

作者：牛新征刘鹏飞徐畅李柯江朱家辉陈加伟朱戈潘袁湘 611731 四川省成都市高新区(西区)西源大道2006号

本发明公开了一种基于浅度学习的神经网络迁移方法，方法步骤为：步骤1、分类划分目标任务数据集并进行标记，存储标记数据作为浅度神经网络的训练数据x0；步骤2、输入x0至浅度神经网络，逐层训练得到预训练的浅度神经网络模型，x0经预... 详细信息

标准号: CN109558942B

本发明公开了一种基于浅度学习的神经网络迁移方法，方法步骤为：步骤1、分类划分目标任务数据集并进行标记，存储标记数据作为浅度神经网络的训练数据x₀；步骤2、输入x₀至浅度神经网络，逐层训练得到预训练的浅度神经网络模型，x₀经预训练神经网络模型后输出数据为x₂；步骤3、将得到的预训练浅度神经网络模型的输出数据x₂作为目标任务的深度神经网络模型的输入，以目标任务的带标记数据训练整个深度神经网络，对整个网络参数进行微调，完成神经网络迁移。本发明使用逐层训练的浅度神经网络学习模型作为任务迁移的基础模型，使迁移任务简单高效，扩展性强，解决了传统端到端深度神经网络迁移效果波动不定，甚至适得其反的问题。

关键词：神经网络浅度神经网络模型迁移输出数据神经网络学习模型训练神经网络标记数据存储标记基础模型任务迁移任务数据训练数据整个网络扩展性端到端微调分类学习

来源：评论

学校读者我要写书评

暂无评论

一种面向配网稳定保护的电力5G低时延抖动实现方法

一种面向配网稳定保护的电力5G低时延抖动实现方法

引用

作者：陈端云林彧茜陈锦山谢石木林苏素燕黄见虹夏炳森陈泽文黄莘程张翔赵训威王志刚蔡伟洲赵国锋付海旋郭光明 350003 福建省福州市鼓楼区五四路257号

本发明涉及一种面向配网稳定保护的电力5G低时延抖动实现方法。针对5G电力精准授时需求，设计跨域条件下的精确时钟同步机制，提出扁平化授时机制，基于归并策略一致性时钟同步算法和自适应重建机制，对于跨域环境进行精确快速时钟同步... 详细信息

标准号: CN114827195B

本发明涉及一种面向配网稳定保护的电力5G低时延抖动实现方法。针对5G电力精准授时需求，设计跨域条件下的精确时钟同步机制，提出扁平化授时机制，基于归并策略一致性时钟同步算法和自适应重建机制，对于跨域环境进行精确快速时钟同步，实现分布式一致性同步，加快算法的收敛速度，并且通过自适应的主时钟切换机制提升多域系统的鲁棒性，保障在电力通信网络范围内紧急故障时，高精度时钟同步系统的可靠性。同时针对电力5G网络中具备差异化时延抖动需求业务，提出基于门控循环单元神经网络学习模型的流量智能预测机制，和基于网络能力开放的网络端到端切片编排与质量监控技术，实现具备低时延抖动网络稳定性的切片动态化、自主化、智能化管理。有效地支撑电力通信网的时间敏感型应用，保障电力网络稳定性并提高网络资源利用率。

关键词：低时延抖动自适应切片跨域神经网络学习模型网络资源利用率电力通信网络时钟同步算法策略一致性电力通信网高精度时钟网络稳定性智能化管理电力网络紧急故障快速时钟时间敏感时延抖动时钟同步同步系统网络能力循环单元智能预测质量监控扁平化差异化动态化鲁棒性网络端有效地主时钟多域门控配网归并算法收敛编排重建支撑应用网络开放

来源：评论

学校读者我要写书评

暂无评论

心脏再同步评估方法、装置、设备及介质

心脏再同步评估方法、装置、设备及介质

引用

作者：刘竑石思远崔晨 200120 上海市浦东新区张东路1601号1幢1702室(实际楼层15号)

本发明提供了一种心脏再同步评估方法、装置、设备及介质，涉及图像处理技术领域，该方法包括：获取目标患者的超声心动图，所述超声心动图包括心超频谱区域图像和心电区域图像，利用训练好的深度神经网络学习模型对目标患者的超声心动... 详细信息

标准号: CN116468723A

本发明提供了一种心脏再同步评估方法、装置、设备及介质，涉及图像处理技术领域，该方法包括：获取目标患者的超声心动图，所述超声心动图包括心超频谱区域图像和心电区域图像，利用训练好的深度神经网络学习模型对目标患者的超声心动图进行频谱分析，得到心功能参数；根据心功能参数得到目标患者的心脏再同步评估结果，其中，所述训练好的深度神经网络学习模型是利用参考患者的超声心动图作为训练数据，以及所述参考患者的超声心动图的标注数据作为标签训练生成的。该方法用以提升心脏再同步化评估效果。

关键词：超声心动图再同步神经网络学习模型心功能参数心脏图像处理技术标签训练获取目标频谱分析频谱区域评估结果评估效果区域图像训练数据参考心电标注图像评估

来源：评论

学校读者我要写书评

暂无评论

一种激光笔交互方法

一种激光笔交互方法

引用

作者：金明录王志华郝育闻 116024 辽宁省大连市甘井子区凌工路2号

本发明公开了一种激光笔交互方法，解决现有技术在激光笔交互系统中背景切换时的激光点误检、坐标映射误差大和交互命令易误判问题。交互方法由自适应背景切换的激光点检测方法、非线性坐标映射方法和分区域的交互方法组成。其中通过一... 详细信息

标准号: CN104615283B

本发明公开了一种激光笔交互方法，解决现有技术在激光笔交互系统中背景切换时的激光点误检、坐标映射误差大和交互命令易误判问题。交互方法由自适应背景切换的激光点检测方法、非线性坐标映射方法和分区域的交互方法组成。其中通过一种在线背景字典创建与更新方法，以及一种稀疏重构方法以实时鲁棒的检测出运动激光点，可以很好的解决交互过程中幻灯片换页或绘图等功能造成的背景突变问题；通过一种神经网络学习模型训练出坐标映射系数提高了坐标映射的精度；并通过一种将投影屏幕划分成绘图交互区域和控制交互区域的方法解决了交互命令易误判的问题。本发明可以实时鲁棒的完成激光笔交互功能，可广泛应用于会议、演讲、教学等多媒体演示系统中。

关键词：坐标映射激光笔激光点背景切换交互命令实时鲁棒误判绘图神经网络学习模型多媒体演示系统非线性坐标幻灯片交互功能交互过程交互区域交互系统控制交互投影屏幕稀疏重构字典创建分区域自适应检测映射换页误检突变演讲更新教学应用会议

来源：评论

学校读者我要写书评

暂无评论

一种基于双光谱图像的加固计算机风扇控制系统

一种基于双光谱图像的加固计算机风扇控制系统

引用

作者：李萌杨凯文 102211 北京市昌平区未来科学城鲁疃路5号B栋一层局部及三、四层

本发明提出一种基于双光谱图像的加固计算机风扇控制系统，利用摄像机无接触的采集加固计算机机身及附近环境的可见光和红外图像，构建神经网络学习模型对加固计算机正常工作的机箱表面图像分布特性和变化规律进行建模，自动分析加固计... 详细信息

标准号: CN115407857A

本发明提出一种基于双光谱图像的加固计算机风扇控制系统，利用摄像机无接触的采集加固计算机机身及附近环境的可见光和红外图像，构建神经网络学习模型对加固计算机正常工作的机箱表面图像分布特性和变化规律进行建模，自动分析加固计算机自身及工作环境温度是否存在异常；如果判断出现异常，则控制散热系统加大功率运转，并发出警告指示，起到性能预警、自动控制和节能增效的作用。

关键词：加固计算机神经网络学习模型风扇控制系统可见光变化规律光谱图像红外图像机箱表面加大功率散热系统图像分布自动分析无接触构建机身建模增效摄像机预警采集节能运转警告

来源：评论

学校读者我要写书评

暂无评论

基于改进DTW算法的车险欺诈预测方法及其相关设备

基于改进DTW算法的车险欺诈预测方法及其相关设备

引用

作者：陈奕宇付园园 518000 广东省深圳市福田区益田路5033号平安金融中心12、13、38、39、40层

本申请实施例属于人工智能技术领域，应用于车险应用模型训练领域中，涉及一种基于改进DTW算法的车险欺诈预测方法及其相关设备，包括获取车险欺诈案件中若干车辆的欺诈性驾驶轨迹数据，构建训练集；将所述训练集输入基于改进DTW算法的... 详细信息

标准号: CN116681534A

本申请实施例属于人工智能技术领域，应用于车险应用模型训练领域中，涉及一种基于改进DTW算法的车险欺诈预测方法及其相关设备，包括获取车险欺诈案件中若干车辆的欺诈性驾驶轨迹数据，构建训练集；将所述训练集输入基于改进DTW算法的神经网络学习模型，进行模型训练，获得欺诈性识别模型；获取输入到所述欺诈性识别模型中的待进行欺诈预测的驾驶轨迹数据，通过所述欺诈性识别模型处理，获得模型识别结果；根据所述模型识别结果和预设的预测方式，预测所述待进行欺诈预测的驾驶轨迹数据是否为车险欺诈数据。通过改进DTW算法使得预测方更加科学合理的结合驾驶行为数据进行车险欺诈性识别，提升预测准确率，降低因车险骗保而造成的损失。

关键词：车险欺诈预测轨迹数据算法模型识别训练集驾驶神经网络学习模型驾驶行为数据人工智能技术改进模型处理模型训练应用模型预测方式准确率构建预设申请应用案件

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的加密流量分类方法

基于深度神经网络的加密流量分类方法

引用

作者：祝远鉴李祥马小玥汪晓猛朱灿鹏张瑶 210019 江苏省南京市建邺区云龙山路88号烽火科技大厦A栋26F

本发明公开了一种基于深度神经网络的加密流量分类方法。本发明首次将分类目标瞄准应用软件内部的用户上网行为的识别分类，采集基于目标应用的数据集、创新性的将获得的眀密文对应信息应用于用户行为的精准打标，将提取到的待进行深度... 详细信息

标准号: CN116232696A

本发明公开了一种基于深度神经网络的加密流量分类方法。本发明首次将分类目标瞄准应用软件内部的用户上网行为的识别分类，采集基于目标应用的数据集、创新性的将获得的眀密文对应信息应用于用户行为的精准打标，将提取到的待进行深度神经网络学习的输入信息进行图像化处理后，再进行深度神经网络学习的抽象信息提取，输出基于深度神经网络学习的高辨别识别模型，不仅有效解决了深度神经网络学习过程中打标用户行为流量不精确的问题，经过改进的深度神经网络学习方法提升了模型对加密流量类型的抽象辨别力，使得深度神经网络学习模型可以过滤出网络加密流量中对区分细粒度流量有效的特征，从而可以更加有效地学习到网络流量中存在的可辨别特征。

关键词：神经网络学习辨别加密流量用户行为打标神经网络学习模型用户上网行为抽象信息分类目标目标应用神经网络输入信息网络加密网络流量信息应用应用软件有效解决创新性数据集图像化细粒度有效地分类密文过滤抽象采集瞄准输出改进学习

来源：评论

学校读者我要写书评

暂无评论

一种基于浅度学习的神经网络迁移方法

一种基于浅度学习的神经网络迁移方法

引用

作者：牛新征刘鹏飞徐畅李柯江朱家辉陈加伟朱戈潘袁湘 611731 四川省成都市高新区(西区)西源大道2006号

标准号: CN109558942A

本发明公开了一种基于浅度学习的神经网络迁移方法，方法步骤为：步骤1、分类划分目标任务数据集并进行标记，存储标记数据作为浅度神经网络的训练数据x₀；步骤2、输入x₀至浅度神经网络，逐层训练得到预训练的浅度神经网络模型，x₀经预训练神经网络模型后输出数据为x₂；步骤3、将得到的预训练浅度神经网络模型的输出数据x₂作为目标任务的深度神经网络模型的输入，以目标任务的带标记数据训练整个深度网络，对整个网络参数进行微调，完成神经网络迁移。本发明使用逐层训练的浅度神经网络学习模型作为任务迁移的基础模型，使迁移任务简单高效，扩展性强，解决了传统端到端深度神经网络迁移效果波动不定，甚至适得其反的问题。

关键词：浅度神经网络神经网络模型迁移输出数据神经网络学习模型训练神经网络标记数据存储标记基础模型任务迁移任务数据训练数据整个网络扩展性端到端微调分类网络学习

来源：评论

学校读者我要写书评

暂无评论

一种基于流程数据与智能网络模型的就医满意度评估方法

一种基于流程数据与智能网络模型的就医满意度评估方法

引用

作者：王亚军顾斌 100036 北京市海淀区复兴路28号

本发明公开了一种基于流程数据与智能网络模型的就医满意度评估方法，包括以下步骤：步骤一：神经网络学习模型训练；步骤二：采集就医流程关键节点的数据，并对其进行分；步骤三：就医状态评估。本发明利用医院信息化基础设施的各个节... 详细信息

标准号: CN114550860B

本发明公开了一种基于流程数据与智能网络模型的就医满意度评估方法，包括以下步骤：步骤一：神经网络学习模型训练；步骤二：采集就医流程关键节点的数据，并对其进行分；步骤三：就医状态评估。本发明利用医院信息化基础设施的各个节点采集进行评估所需的真实物理世界的客观数据，并对就医流程所包含的各类数据进行汇总、分类、评估，能够有效且客观的实现对患者就医满意度的评估，仅在建模样本训练时需要一定的患者手动输入，在模型建立完毕后，实际使用时并不需要用户手动输入，通过在就医流程的关键节点（如挂号、缴费等）捕捉患者的表情，由设计了专门的算法自主判断患者在当时的心理状态。

关键词：评估关键节点满意度神经网络学习模型基础设施节点采集客观数据流程数据模型建立物理世界心理状态样本训练智能网络状态评估信息化建模算法表情捕捉采集分类

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：