[发明专利]多维可视化的多源异构数据多层DRNN深度融合方法有效
| 申请号： | 201910788720.1 | 申请日： | 2019-08-26 |
| 公开（公告）号： | CN110516736B | 公开（公告）日： | 2022-02-22 |
| 发明（设计）人： | 罗晓东 | 申请（专利权）人： | 沈阳瑞初科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06V10/80;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 沈阳智龙专利事务所(普通合伙) 21115 | 代理人： | 宋铁军 |
| 地址： | 110167 辽宁省*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于人工智能教育领域，特别涉及多维可视化的多源异构数据多层DRNN深度融合方法。该方法步骤包括：步骤一：建立DRNN神经网络；多源异构数据输入DRNN神经网络，形成DRNN训练模板；步骤三：建立DRNN网络的单层神经元个体的前向输出；其中单层网络作为激活的融合函数；步骤四：建立DRNN网络的权值重构及修正；其中修正作为融合函数存在；步骤五：在DRNN网络的数据融合层通过数据特征融合,获得特征输出。本发明提出一种融合架构，可以针对不同多源异构数据，进行特征级别融合。 | ||
| 搜索关键词： | 多维 可视化 多源异构 数据 多层 drnn 深度 融合 方法 | ||
【主权项】：
1.多维可视化的多源异构数据多层DRNN深度融合方法，其特征在于：该方法步骤包括：/n步骤一：建立DRNN神经网络；/n步骤二：多源异构数据输入DRNN神经网络，形成DRNN训练模板；/n步骤三：建立DRNN网络的单层神经元个体的前向输出；其中单层网络作为激活的融合函数；/n步骤四：建立DRNN网络的权值重构及修正；其中修正作为融合函数存在；/n步骤五：在DRNN网络的数据融合层通过数据特征融合,获得特征输出。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳瑞初科技有限公司，未经沈阳瑞初科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910788720.1/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
