专利名称
主分类
A 农业
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
G 物理
H 电学
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
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
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
清华大学
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
更多 »
钻瓜专利网为您找到相关结果40个,建议您升级VIP下载更多相关专利
  • [外观设计]带有IP检索图形用户界面的显示屏幕面板-CN202330049642.0有效
  • 陈可佳 - 上海右云信息技术有限公司
  • 2023-02-14 - 2023-10-20 - 14-04
  • 1.本外观设计产品的名称:带有IP检索图形用户界面的显示屏幕面板。2.本外观设计产品的用途:用于显示图形用户界面。3.本外观设计产品的设计要点:在于图形用户界面中的界面内容。4.最能表明设计要点的图片或照片:主视图。5.不涉及设计要点,省略后视图、俯视图、仰视图、左视图、右视图等。6.图形用户界面的用途:该图形用户界面用于手机、个人电脑、平板电脑,主视图所展示的图形用户界面为通过IP进行案件检索的交互界面,当前界面左侧呈现该应用的多个选项,在界面右侧中显示多个区域的框图,并在该界面中呈现IP检索的可移动框图,该IP检索的可移动框图包括对应分类(如图中+号按钮)、搜索(如图中放大镜按钮)及收藏(如图中星星按钮)功能,当点击搜索功能时,在框图中呈现对应IP输入栏;若用户在主视图1的可移动框图的输入栏中输入待检索的IP地址时,可进入界面变化状态图1,在该可移动框图的下方呈现该待检索IP地址关联搜索到的一个或多个IP地址,用户可以选中下方搜索到的IP地址进行相关案件的查看;若获取到用户在界面变化状态图1中关于分类按钮的点击操作,则进入界面变化状态图2,在对应可移动框图中呈现添加的分类项,并将搜索到的IP地址信息中至少一个IP地址添加至该分类项中;若获取到用户关于界面变化状态图2中选中的至少一个IP地址的收藏按钮的点击操作,则进入界面变化状态图3,将至少一个IP地址添加至收藏栏并在该至少一个IP地址的左上角呈现已收藏样式,如左上角呈现星星图标;后续进行IP搜索时若检索到收藏夹中已收藏的IP地址,则搜索页面的前1‑N项呈现该已收藏的IP地址;若获取到用户在界面变化状态图2或界面变化状态图3中,关于某搜索到的IP地址的点击操作,可以进入该IP地址的案件搜索页面,如参考界面变化状态图4,若确定具体的IP地址进行案件检索时,可以该IP地址将作为初级线索/正式线索在案件搜索页面呈现相应的多个案件搜索结果,其中,初级线索用于对包含该IP地址的所有案件进行搜索,正式线索用于对包含该IP地址的已授权案件进行搜索。
  • 带有ip检索图形用户界面显示屏幕面板
  • [发明专利]一种基于社会平衡理论的符号图增强学习方法-CN202310630004.7在审
  • 纪雅铭;曲悠然;许楚函;陈可佳 - 南京邮电大学
  • 2023-05-30 - 2023-08-11 - G06F16/901
  • 本发明公开了一种基于社会平衡理论的符号图增强学习方法,包括确定符号图和邻接矩阵;构建符号图增强模型;重复执行迭代步骤直至达到预设的重复次数,在每次迭代步骤执行后,计算符号图增强模型的损失函数,根据损失使用随机梯度下降方法更新符号图增强模型的模型参数;迭代步骤包括:通过编码器对符号图及其邻接矩阵进行编码,生成符号图中各节点平衡和不平衡的嵌入表示;将嵌入表示输入MLG分类器,获取链接预测结果;通过解码器对嵌入表示进行解码,获取符号图的概率矩阵;基于概率矩阵对符号图进行插值处理、采样处理以及融合处理,生成新邻接矩阵;本发明针对符号图进行图增强,并在增强中加入社会平衡理论进行去噪,能够提高链接预测效果。
  • 一种基于社会平衡理论符号增强学习方法
  • [发明专利]一种基于层不平衡的多层网络嵌入计算方法-CN202310619712.0在审
  • 陈可佳;邱寅初 - 南京邮电大学
  • 2023-05-30 - 2023-08-08 - G06N3/042
  • 本发明公开了一种基于层不平衡的多层网络嵌入计算方法,属于图神经网络领域,方法包括:获得目标层的基准层嵌入;基于所述目标层的基准层嵌入,使用相似度函数sigmoid计算目标层上节点间的相似度;使用所述相似度作为采样概率对辅助层的边进行欠采样,得到欠采样后的辅助层;基于欠采样后的辅助层应用注意力机制获得节点的公共嵌入,将公共嵌入和基准层嵌入结合得到节点最终嵌入;根据节点最终嵌入计算损失函数并更新节点嵌入。本发明在图数据增强的过程中引入相似度计算,对辅助层的边进行欠采样,改善多层网络表示学习过程中目标层的稀疏性和层间的不平衡性问题。
  • 一种基于不平衡多层网络嵌入计算方法
  • [发明专利]基于词向量和句法特征的评论分析方法及可视化交互界面-CN201910343337.5有效
  • 吕奇;沈楠楠;胡新春;陈可佳 - 南京邮电大学
  • 2019-04-26 - 2023-07-11 - G06F40/242
  • 本发明提出了数据分析领域内的一种基于词向量和句法特征的评论分析方法,包括:获取电商网站商品页面评论数据;将获取的目标数据集进行预处理;提取Hownet和NTU提供的褒贬词集组成基础情感词典;将所得到的经过预处理的数据集合通过Word2Vec工具进行词向量训练;使用语义相似度矩阵建立概率转移矩阵;将获取的商品评论文本,进行基于核心句规则的处理;将所得到的去除冗余的文本进行预处理;对所得依存关系对通过词性提取商品属性,否定词,程度词,情感词评价搭配对;将所得评价搭配对结合情感词典,对评价对象进行褒贬值计算、优劣排序,最终通过可视化交互界面实现,实现对商品评论数据进行准确、实时、自动、便利的处理与分析,可用于电商平台中。
  • 基于向量句法特征评论分析方法可视化交互界面
  • [发明专利]基于知识图谱的急诊问答系统构建方法-CN202010000527.X有效
  • 陈可佳;冯子恩;刘羿;万晓娴;乔凯 - 南京邮电大学
  • 2020-01-02 - 2023-06-02 - G06F16/36
  • 本发明提出了一种基于知识图谱的急诊分诊问答系统,其主要功能为对急诊进行分级,分诊及其他一般问题应答。首先通过结合网络上垂直类医疗网站的数据,医疗类专家知识和专业医学文献构建了一个实体类型超过2.4万的知识图谱,其次基于字符串匹配算法实现了问答系统。该问答系统的构建包括以下步骤:根据关键词对用户问题进行分类;根据分类结果,获取领域词及实体类型;在构建好的知识图谱中进行查询并给出回答。目前急诊的分诊分级系统大多采用人工实现,而本发明利用知识图谱,提高了目前急诊问答系统的速度和准确性;增添了一般问题应答使得系统更完善和人性化;并且使用没有专业知识门槛,可以帮助最大限度的挽救急诊患者的生命。
  • 基于知识图谱急诊问答系统构建方法
  • [外观设计]带有案件检索图形用户界面的显示屏幕面板-CN202230778706.6有效
  • 陈可佳 - 上海右云信息技术有限公司
  • 2022-11-17 - 2023-05-05 - 14-04
  • 1.本外观设计产品的名称:带有案件检索图形用户界面的显示屏幕面板。2.本外观设计产品的用途:用于显示图形用户界面。3.本外观设计产品的设计要点:在于图形用户界面中的界面内容。4.最能表明设计要点的图片或照片:主视图。5.不涉及设计要点,省略后视图、俯视图、仰视图、左视图、右视图。6.图形用户界面的用途:该图形用户界面用于手机、个人电脑、平板电脑,主视图所展示的图形用户界面为案件检索的交互界面,当前界面左侧呈现该应用的多个选项,当选择案件管理选项时可以进入右侧的案件检索页面,该界面上方呈现检索条件的输入栏及下方的结果展示栏,对应检索输入栏中包含检索条件框,该检索条件框右侧设置有功能控件;参考界面变化状态图1,若用户将鼠标移动至对应功能控件或者点击对应功能控件时,在对应位置呈现该功能控件对应功能,对应功能依次为条件关联、条件组合、条件添加以及条件删除;参考界面变化状态图2,若获取到用户关于条件添加的触控操作,则在该检索输入栏中添加新的检索条件框;参考界面变化状态3,若获取到用户关于条件关联的触控操作,则呈现该条件关联的多个关联功能,如AND、OR、NOT以及返回等功能,基于用户选中的关联功能,及条件关联当前的条件框及待选中检索条件框可以建立两个检索条件框之间的条件关联;参考界面变化状态图4、5,当存在多个检索条件时,通过触控对应条件组合功能,在每个检索条件框后面呈现对应选中框,通过选中对应检索条件框,可以实现用户选中的检索条件框之间的条件组合,其中,组合后的检索条件组合也可以看作一个整体,在其右侧呈现功能控件,进行其他条件关联或组合等。其中,在界面变化状态图1‑5的条件组合关联过程中,对应搜索结果栏中基于当前检索条件的组合和关联关系等实时呈现对应案件搜索结果。
  • 带有案件检索图形用户界面显示屏幕面板
  • [发明专利]基于小样本学习的梅派手势识别方法-CN202011050686.7有效
  • 张伶俐;陈可佳 - 南京邮电大学;梅兰芳纪念馆
  • 2020-09-29 - 2022-10-14 - G06V40/10
  • 本发明揭示了一种基于小样本学习的梅派手势识别方法,包括如下步骤:S1、收集梅派手势数据以及利用手势表示0~10的手势数据、形成数据集;S2、对数据集内的数据进行预处理并对数据进行划分;S3、构建网络模型,利用构建的网络模型对预处理后的数据进行特征提取;S4、利用损失函数对网络模型的参数进行训练优化、得到优化后的网络模型;S5、使用优化后的网络模型进行梅派手势识别。本发明首次将人工智能技术中的元学习技术应用到了我国京剧艺术表演的梅派手势识别中,使得手势识别的准确率得到了显著地、大幅度地提升,为梅派手势的传承和发展提供了强有力的技术支持。
  • 基于样本学习手势识别方法
  • [发明专利]基于R-CNN的眼底图像微动脉瘤识别方法-CN201910524945.6有效
  • 王子豪;陈可佳;张伶俐;李孝展 - 南京邮电大学
  • 2019-06-18 - 2022-09-06 - G06T7/00
  • 一种基于R‑CNN架构的眼底微动脉瘤目标检测模型,实现对眼底微动脉瘤病灶的检测与识别,所述方法包括:对眼底图像进行预处理;对预处理图像进行血管分割;对预处理图像经局部自适应阈值分割、去除血管以及面积筛选三个步骤得到真正的微动脉瘤候选区域;采用数据增强扩充训练样本数量;采用迁移学习的方法,使用预训练的VGG16网络对样本进行特征提取,并在特征提取网络之后添加微动脉瘤分类器进行联合训练;上述的方案,为糖尿病视网膜图像眼底微动脉瘤目标检测提供了一种新的方法。
  • 基于cnn眼底图像微动识别方法
  • [发明专利]一种基于SRCNN的交通标志识别方法-CN201910499090.6有效
  • 曹宇;孔金迪;张绩成;陈可佳 - 南京邮电大学
  • 2019-06-10 - 2022-08-30 - G06V20/58
  • 本发明公开了一种基于SRCNN的交通标志识别方法,包括以下步骤:步骤一:对输入的交通标志图像进行图像预处理:将输入的交通标志图像的像素与处理分界点像素进行比较,对于像素小于处理分界点像素的图像,利用基于SRCNN的超分辨率重建算法将输入图像重建为处理分界点像素的图像;对于像素不小于处理分界点像素的图像,利用双线性插值算法缩小为处理分界点像素的图像;步骤二:对Lenet‑5卷积神经网络进行训练,得到Lenet‑5卷积神经网络模型;步骤三:将步骤一预处理后的交通标志图像输入步骤二得到的Lenet‑5神经网络模型进行识别,得到交通标志图像类别。本发明具有能提高低分辨率图像识别准确率且计算量小的优点。
  • 一种基于srcnn交通标志识别方法
  • [发明专利]一种基于深度学习的多行为迁移推荐方法-CN201911146484.X有效
  • 陈可佳;张慧 - 南京邮电大学
  • 2019-11-21 - 2022-08-26 - G06Q30/06
  • 本发明公开一种基于深度学习的多行为迁移推荐方法,首先,获取用户的多种隐式反馈数据集并进行处理;构建一个基网络Gb和多个行为网络G(k),并利用网络表示学习方法学习用户和物品节点在各个网络中的低维嵌入表示;然后,基于用户的多个隐式行为反馈对用户偏好建模的影响不同,使用注意力机制自动学习各个行为的权重,得到用户和物品的融合低维嵌入表示;最后,将用户和物品的低维嵌入向量自然拼接后送入全连接嵌入层,采用基于深度神经网络的偏好学习方法,并反馈到具有隐藏层的前馈神经网络中,在输出层学习用户对物品的偏好。本发明能够更好地捕获用户的偏好并实现个性化推荐,且具有推荐准确率高、泛化能力强,易于实现等优点。
  • 一种基于深度学习行为迁移推荐方法
  • [发明专利]路面错台修复装置和路面修复方法-CN202210481745.9在审
  • 柳力;潘博洋;刘朝晖;杨程程;黄优;李盛;魏银;陈可佳;牛帅;刘洪利 - 长沙理工大学
  • 2022-05-05 - 2022-08-16 - E01C11/00
  • 本发明涉及路面修复,公开了一种路面错台修复装置,包括装夹组件、调节机构以及压力平衡机构,所述装夹组件包括第一装夹件和第二装夹件,所述第一装夹件与能够调节其位置的所述调节机构连接,所述第二装夹件安装在所述调节机构的下端,所述第一装夹件与所述第二装夹件之间形成用于装夹混凝土板的装夹位,所述第一装夹件一端安装所述压力平衡机构,其另一端为能够承受抬升机构施加作用力的受力端。该装置结构简单,操作便捷,能够将混凝土路板抬起进行路面修复。能够延长混凝土路板的使用寿命。此外,本发明还涉及一种包含该路面错台修复装置的路面修复方法。
  • 路面修复装置方法
  • [发明专利]一种基于动态图神经网络的预训练方法-CN202210102394.6在审
  • 陈可佳;张嘉俊 - 南京邮电大学
  • 2022-01-27 - 2022-05-13 - G06V10/764
  • 一种基于动态图神经网络的预训练方法,从时间,结构及语义三个角度学习节点表示,包括如下步骤:根据实际需求和系统性能,确定采样子图大小,使用时间敏感采样算法对大规模动态图数据进行子图采样得到子图;针对子图,使用时间敏感的边遮盖算法及节点特征遮盖算法对子图进行遮盖处理,得到处理后的新子图;使用动态图生成算法结合GNN模型对子图的遮盖边及遮盖节点特征预测,保存最优参数,结束预训练过程;加载最优参数,根据不同下游任务对预测的图数据进行微调,得到最终结果。本方法可以处理大规模的动态图数据,并且相比与其他预训练方法,本发明的方法表达能力更强,学到的节点表示更精准,可以更好的在各种下游任务中应用。
  • 一种基于动态神经网络训练方法

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

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top