“古来”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网_中国专利网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]一种基于python的CAN报文周期一致性分析方法及装置-CN202211297185.8在审
发明人：古来;黄亮;严钦山;苏琳珂 -专利权人：重庆长安新能源汽车科技有限公司
申请日： 2022-10-21 - 公布日： 2023-04-07 - 主分类号： H04L43/06 文献下载
摘要：本发明涉及一种基于python的CAN报文周期一致性分析方法，包括：使用python工具分别解析整车CAN通讯协议文件和在一定时间段内采集的整车CAN报文数据文件。基于解析得到的报文实际周期和设计周期进行偏差分析，判断哪些报文存在怎样的周期异常，并得到报文周期不一致的分析结果。
一种基于 python can 报文周期一致性分析方法装置

[发明专利]一种日志报表的统计方法及装置-CN201911423087.2在审
发明人：董泽奎;郑彬;陈亮;梁大祥;古来 -专利权人：北京神州绿盟信息安全科技股份有限公司;北京神州绿盟科技有限公司
申请日： 2019-12-31 - 公布日： 2020-05-15 - 主分类号： G06F16/18 文献下载
摘要：本发明公开了一种日志报表的统计方法及装置，在该方法中，首先以统计业务中被作为统计对象的概率较低的字段作为归并点，对该多个日志进行归并处理，然后在归并后的日志上根据第一统计业务的需求，查询与该第一统计业务的统计对象对应的字段，从而得到与第一统计业务对应的日志报表。由于对日志进行归并处理后，可以减少日志的数量，这样，在获取与统计业务对应的日志报表时，可以减少所需要查询的日志的数量，从而可以保证该统计方式的时延较小，且该统计方式可以在任意的存储系统中使用，即不需要配置分布式存储系统，可以降低成本，实现了提供一种成本低且时延较小的日志报表的统计方式。
一种日志报表统计方法装置

[发明专利]一种基于隐语义模型的个性化推荐方法-CN201710519604.0在审
发明人：黄俊;古来;刘科征 -专利权人：重庆邮电大学
申请日： 2017-06-30 - 公布日： 2017-11-07 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种基于隐语义模型的个性化推荐方法，步骤如下(1)选取一段时间内的用户对商品评分，以评分，用户社交网络特征和用户属性作为数据集；(2)构建用户‑商品评分矩阵，从中随机选取80％的数据作为训练数据，20％作为测试数据；(3)分析用户社交网络特征数据、用户属性信息，分别得到用户u对物品i的预测评分，(4)将三种评分数据加权，得到最后的预测评分；(5)采用测试集数据，测试算法的准确性，选用平均绝对误差(MAE)作为衡量标准。本发明在隐语义模型的基础上，融入用户社交网络特征和用户属性信息，有效提高对新用户的推荐准确度，有效地缓解冷启动和数据稀疏等问题。
一种基于隐语模型个性化推荐方法

1
共 3 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top