|
|
钻瓜专利网为您找到相关结果 147个，建议您 升级VIP下载更多相关专利
- [发明专利]一种导入自律机器学习模型的神经网络的非线性控制方法-CN202110634841.8在审
-
顾泽苍
-
顾泽苍
-
2021-05-28
-
2022-12-27
-
B60W10/20
- 本发明涉及人工智能领域中的一种导入神经网络的非线性控制方法，其特征在于：人类在驾驶汽车的时候没有想到汽车是由具有生物意识的人设计的。尽管方向盘，油门，以及刹车的操作需要非线性的调节，但是谁也没有感觉到异常。因为从人眼睛那里感知到外界信息，同时通过生物意识自如的指挥手和脚操作方向盘或油门，形成一个非线性的闭环生物控制系统。这是现代控制理论所解决不了的。再有根据组合理论的应用经验，超过40个以上组合要素时就属于NP‑hard问题。因此面对复杂的路况可以认为自动驾驶汽车也是存在控制上的NP‑hard问题。这就是目前自动驾驶汽车不可能达到L4级别的理由。本专利申请提出一个可以模仿人的驾驶的自律学习神经网络的构成方法，可以解决自动驾驶汽车所需的非线性，随机性的控制问题。可以使自动驾驶汽车处于最佳的控制状态。
- 一种导入自律机器学习模型神经网络非线性控制方法
- [发明专利]一种基于自律学习SDL模型的聚类方法-CN202011396635.X在审
-
顾泽苍
-
顾泽苍
-
2020-11-26
-
2022-05-27
-
G06K9/62
- 本发明涉及信息处理领域中的一种基于自律学习SDL模型的聚类方法，其特征在于：被聚类的特征向量之间依照概率空间距离的尺度，每一类的聚类结果依照概率空间的最大概率尺度在函数映射与函数高斯分布的效果上取得聚类的最佳解。本方法的特点是：SDL模型的聚类可以考虑函数映射模型与函数高斯分布模型的融合，可以仿真深度学习的函数映射模型，实现高精度识别图像的能力，同时，又可以实现函数高斯分布模型的高度的泛化能力。本方法没有黑箱问题，不需要大的硬件支持，不需要大数据的标注，仅仅通过小数据的训练就可，因此性能高，导入成本低，便于大量普及。
- 一种基于自律学习sdl模型方法
- [实用新型]一种快速印刷可变信息代码系统-CN202021655339.2有效
-
谢果君;顾泽苍
-
天津市阿波罗信息技术有限公司
-
2020-08-11
-
2021-04-06
-
G06K15/02
- 本实用新型公开了一种快速印刷可变信息代码系统，包括可变信息代码图像生成部分、微处理器部分、中间存储介质部分、印刷部分；所述微处理器部分连接中间存储介质部分进行双向的数据交换与控制；所述微处理器部分连接有印刷部分进行双向的数据交换与控制；所述印刷部分连接中间存储介质部分进行双向的数据交换与控制；所述中间存储介质部分是可变信息代码图像生成部分的部署场所，同时也作为印刷部分的可变信息代码的调用场所。本实用新型有益效果是：简化普通印刷场景中数据的传输方式，提升图像生成与印刷的连续性；中间存储介质作为数据的中转场所屏蔽了可变信息代码与数码印刷机之间的底层差异，降低了连接的复杂性。
- 一种快速印刷可变信息代码系统
- [发明专利]一种机器理解雷达数据处理的方法-CN201910120755.8在审
-
顾泽苍
-
顾泽苍
-
2019-02-02
-
2020-08-11
-
G06K9/00
- 本发明提出一种机器理解雷达数据处理的方法，其步骤是在获得雷达数据步骤中，获取雷达完成一次扫描可以反映周围障碍物的数据，在进行函数插值步骤中将雷达数据进行函数插值，在进行视频变换步骤中得到一个以障碍物的距离为灰度值的雷达视频图像，在图像识别步骤中利用二维空间或三维空间的概率尺度自组织，就可以直接将三维圆椎状分布，或三维矩形分布的障碍物识别出来，供机器理解。本发明的效果是：可以将自动驾驶的路障图像通过距离图像容易的分离出，再通过概率尺度自组织可以快速的无需训练就可直接识别出路障图像。
- 一种机器理解雷达数据处理方法
- [发明专利]新的一种模糊事件概率测度的定义方法-CN201910120828.3在审
-
顾泽苍
-
顾泽苍
-
2019-02-02
-
2020-08-11
-
G06K9/00
- 本发明提出一种新的模糊事件概率测度的定义方法，具体的特点是：模糊事件概率测度中的概率信息是考虑复数特征值的共同概率分布信息的方法，或者是考虑样本特征值处于被登录的特征值的概率分布的位置上的概率分布信息的方法；或者是考虑样本特征值处于被登录的复数特征值的共同概率分布，与被登录的特征值的概率分布的共同的位置上的共同的概率分布信息的方法，或者是考虑样本特征向量与被登录的特征向量之间最大几率的概率信息的方法。本发明的优点和积极效果是：可以提供一个将概率信息模糊信息全部利用起来的精准的尺度公式，可实现深度的图像识别，可实现图像识别的精度的定量评价，可实现识别结果的最佳化。
- 一种模糊事件概率测度定义方法
- [发明专利]一种多目的自动机器学习的方法-CN201910120829.8在审
-
顾泽苍
-
顾泽苍
-
2019-02-02
-
2020-08-11
-
G06K9/00
- 本发明提出一种多目的自动机器学习的方法，是由获得最大几率空间步骤，多目的处理步骤组成。获得最大几率空间步骤：针对给定的一个空间，可以获得该空间的最大几率空间的尺度，用这个尺度就可以获得出最大几率的空间，在得到新的最大几率空间后，又可以在新的最大几率空间中产生新的最大几率空间的尺度，用于下一个迭代产生更大概率的最大几率空间的处理。多目的处理步骤是：在上一步骤中所得到的最大慨率空间中，同时对目标函数进行复数目的的处理。本发明的效果是：可以通过在共同的最大几率空间的需求下，多目的目标函数之间在迭代过程中的相乘效果，在无需训练的情况下，可以实现自动机器学习的效果。
- 一种目的自动机器学习方法
- [发明专利]一种深度人脸识别的方法-CN201910120830.0在审
-
顾泽苍
-
顾泽苍
-
2019-02-02
-
2020-08-11
-
G06K9/00
- 本发明提出一种深度人脸识别方法，包括对样本图像信息进行大规模图像分割，对样本图像进行大规模的图像变换的方法在内的图像信息深度抽出的方法。该方法还包括考虑大规模特征集的各个要素对于识别结果的作用，考虑复数特征值的共同概率分布信息，考虑样本特征值处于被登录的复数特征值的共同概率分布，与被登录的特征值的概率分布在共同的位置上的概率分布信息，考虑样本特征向量与被登录的特征向量之间最大几率值的概率信息等在内的深度图像识别的方法。本发明的效果是：可以定量的对图像识别进行评价，把可利用的信息全部利用上，从而实现人脸识别的最佳化。
- 一种深度识别方法
- [发明专利]一种由大规模特征集的图像识别的方法-CN201910120827.9在审
-
顾泽苍
-
顾泽苍
-
2019-02-02
-
2020-08-11
-
G06K9/00
- 本发明提出一种由大规模特征集的图像识别的方法，包括对样本图像信息进行大规模图像分割；对样本图像进行大规模的图像变换的方法在内的图像信息深度抽出的方法。该方法还包括考虑大规模特征集的各个要素对于识别结果的作用；考虑复数特征值的共同概率分布信息；考虑样本特征值处于被登录的复数特征值的共同概率分布，与被登录的特征值的概率分布的共同的位置上的概率分布信息；考虑样本特征向量与被登录的特征向量之间最大几率的概率信息等在内的深度图像识别的方法。本发明的效果是：可以定量的对人脸识别进行评价，把可利用的信息全部利用上，从而实现人脸识别的最佳化。
- 一种大规模征集图像识别方法
- [发明专利]一种自动机器学习的构成方法-CN201811213227.9在审
-
顾泽苍
-
顾泽苍
-
2018-10-11
-
2020-05-08
-
G06N20/00
- 本发明涉及信息处理领域中的一种自动机器学习的构成方法，其特征在于：基于一种最佳化的尺度，或最大信息量的尺度，或最大概率的尺度，经过迭代可产生一个最佳化，或最大信息量，最大密度，或最大概率的空间。在上述的空间中，由另一个函数逼近模型依赖于这一空间进行函数逼近。由上述反复循环；复数次迭代达到目标函数的最佳逼近，由此所构成一种自动机器学习。本发明实施效果是：具有比传统的机器学习更大的算力，无需训练数据就可以达到最佳的函数逼近效果，同时计算效率高，无黑箱问题，可以组成新型的神经网络，具有无限深入的处理能力，计算复杂度低，可以适于各种工业化的应用。
- 一种自动机器学习构成方法
|
