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6个,建议您升级VIP下载更多相关专利
  • [发明专利]一种交通信息的估计方法-CN202310608671.5在审
  • 刘小娟;张翊卓;唐宏安 - 重庆理工大学
  • 2023-05-28 - 2023-10-27 - G08G1/01
  • 本发明提供了一种交通信息的估计方法,方法包括构建累积分布函数生成器,所述累积分布函数生成器包括一个输入层、一个输出层以及一个中间层;所述中间层的神经元分别采用指数分布函数、正态分布函数或对数正态分布函数作为激活函数;利用构建的累积分布函数生成器输出估计的通话时间的累积分布函数,对估计的通话时间的累积分布函数进行求导,从而获得估计的通话时间的概率密度函数;通过估计的通话时间的概率密度函数和蜂窝网络信号的数量估计出交通信息,所述交通信息包括交通流量、车速或交通密度。本发明优点:能够对通话保持时间与下一次通话到达的时间进行更准确预测,有效提升交通数据估计模型估计出的交通信息的准确率。
  • 一种交通信息估计方法
  • [发明专利]一种交通信息估计的优化方法-CN202310608683.8在审
  • 刘小娟;张翊卓;唐宏安 - 重庆理工大学
  • 2023-05-28 - 2023-09-08 - G08G1/01
  • 本发明提供一种交通信息估计的优化方法,方法包括构建用于优化的神经网络模型,神经网络模型包括一个输入层、一个输出层和六个中间层;通过输入层输入所需的参数,且每一个参数均通过一个神经元进行输入,所需的参数包括当前小区的蜂窝网络信号的数量、前一个小区的蜂窝网络信号的数量和后一个小区的蜂窝网络信号的数量以及至少一个估计得到的交通信息,交通信息包括交通流量或车速;通过中间层对输入的参数进行优化;通过输出层输出优化后的估计交通信息。本发明的优点:能够有效降低随机性带来的估计误差,从而确保交通信息估计更加准确。
  • 一种交通信息估计优化方法
  • [发明专利]基于病理学解耦的脑出血伪健康图像生成方法-CN202310599879.5在审
  • 刘小娟;唐宏安;周尚波 - 重庆理工大学
  • 2023-05-25 - 2023-08-22 - G06T7/00
  • 本发明具体涉及基于病理学解耦的脑出血伪健康图像生成方法,包括:构建并训练伪图像生成模型;每次训练迭代时:首先将作为训练数据的病理图像输入分割器,通过分割器从病理图像中分割出病理区域掩膜;然后将病理区域掩膜和病理图像输入生成器,通过生成器生成伪健康图像;随后将伪健康图像和病理区域掩膜输入重建器,通过重建器生成重建病理图像;最后基于分割器、生成器和重建器的损失计算模型总损失来训练伪图像生成模型;通过训练后伪图像生成模型的生成器生成对应的伪健康图像。本发明能够在去除病理区域时保证病理图像的原有身份不变,并且能够在生成重建病理图像过程中实现病理区域的一对一映射。
  • 基于病理学脑出血健康图像生成方法
  • [发明专利]一种基于忆阻器交叉阵列的图像重构系统-CN201811204705.X有效
  • 胡小方;吉勋;周跃;唐宏安;王丽丹;段书凯 - 西南大学
  • 2018-10-16 - 2020-07-31 - G06T11/00
  • 本发明公开了一种基于忆阻器交叉阵列的图像重构系统,包括图像输入处理模块、稀疏编码模块以及图像输出处理模块,其中,稀疏编码模块包括第一忆阻器交叉阵列、计算转换单元以及第二忆阻器交叉阵列,本发明提供的系统通过两个忆阻器交叉阵列实现图像像素字典集,并基于这两个忆阻器交叉阵列进行稀疏编码从而实现图像重构,由于忆阻器功耗极低,因此相比于现有的方案而言降低了系统整体的功耗,此外,由于忆阻器处理数据速度快,同时,纳米忆阻器交叉阵列尺寸小、易于集成,且可高效便捷地实现稀疏编码中重要的向量‑矩阵运算,所以使得编码速度较快,从而提升了系统的工作效率,也为大规模硬件实现提供了有价值的参考方向。
  • 一种基于忆阻器交叉阵列图像系统

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