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123个,建议您升级VIP下载更多相关专利
  • [发明专利]图像分割方法、装置、设备及存储介质-CN202310014842.1有效
  • 黄耀;陈家骏 - 北京阿丘科技有限公司
  • 2023-01-06 - 2023-10-10 - G06T7/10
  • 本发明属于图像处理技术领域,公开了一种图像分割方法、装置、设备及存储介质。该方法包括:在接收到图像分割任务时,获取图像训练集;根据所述图像训练集进行模型训练,得到初始分割模型;根据初始分割模型在所述图像训练集中确定目标训练集;根据所述图像训练集、所述目标训练集以及所述初始分割模型进行更新训练,得到目标分割模型;根据所述目标分割模型完成所述图像分割任务。通过上述方式,在初始分割模型不满足上线要求时,在图像训练集中确定目标训练集,并基于目标训练集和图像训练集对初始分割模型进行更新训练,从而得到满足上线要求且分割性能更好的目标分割模型,基于目标分割模型完成图像分割任务,提高了图像分割任务的分割精度。
  • 图像分割方法装置设备存储介质
  • [发明专利]机器翻译模型的训练方法、装置和存储介质-CN202310244591.6在审
  • 黄书剑;刘子涵;戴新宇;张建兵;陈家骏 - 南京大学
  • 2023-03-14 - 2023-08-01 - G06F40/58
  • 本发明公开了机器翻译模型的训练方法、装置和存储介质,方法为获取第i个词对第t的词的注意力分数;注意力分数和第i个词的词向量加权求和,得隐层向量;计算隐层向量与其对应离散隐变量的每个子属性值距离,距离最近子属性值为离散隐变量原始属性值;注意力分数和原始属性值对第t个词的离散隐变量加权求和,得属性向量;计算属性向量与第i个词的离散隐变量的每个子属性值距离,距离最近子属性值为第i个词离散隐变量的新属性值;损失函数对原始属性值和新属性值约束,得损失LC,新属性值融入隐层向量,得第i个词对应融合向量,利用融合向量计算机器翻译损失Lnmt;损失LC与损失Lnmt相加得最终损失函数,利用最终损失函数训练机器翻译模型。
  • 机器翻译模型训练方法装置存储介质
  • [发明专利]一种复述生成方法、装置、设备及存储介质-CN202310245824.4在审
  • 黄书剑;赵千锋;戴新宇;张建兵;陈家骏 - 南京大学
  • 2023-03-13 - 2023-06-23 - G06F16/33
  • 本发明公开了一种复述生成方法、装置、设备及存储介质,方法包括获取第一复述生成语料并分词处理,将得到的输入词序列X_1和标签词序列Y_1作为预训练数据集来训练神经网络模型M;获取并通过第二复述生成语料和神经网络模型M构建知识库,使包含第一复述生成语料和具有时效性的增量复述生成语料的第二复述生成语料中蕴含的复述生成知识以键值对的形式存在于知识库中,将获取第三复述生成语料分词处理得到的输入词序列X_3输入神经网络模型M进行预测,得到神经网络预测结果和查询向量;使用查询向量检索知识库,得到检索结果;融合神经网络预测结果和检索结果,生成最终的复述文本。知识库使复述系统有效迭代更新,并生成有决策依据的复述文本。
  • 一种复述生成方法装置设备存储介质
  • [发明专利]一种基于强化学习的智能驾驶决策学习方法-CN202211454693.2在审
  • 张建兵;冯帅;黄书剑;戴新宇;陈家骏 - 南京大学
  • 2022-11-21 - 2023-06-23 - G06N3/0464
  • 本发明提供了一种基于强化学习的智能驾驶决策学习方法,本发明通过gate门的输出,对无关连续参数进行遮蔽,能减少训练的整体误差,整个模型考虑了不同参数之间的交互关系,首先由gate门输出离散参数,然后激活对应的连续参数网络,更加准确的增加了参数的相关程度,传统的探索方法使用随机探索,需要设置专门的探索参数,该模型直接根据门控网络输出的值进行探索,能够很好的兼顾探索和未来收益。本发明能够快速的输出混合参数,模型能够及时响应环境的变化,当模型的参数需要迁移时,只需要针对性的改变部分网络模型参数,无需对整个网络进行重新训练。
  • 一种基于强化学习智能驾驶决策学习方法

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