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11个,建议您升级VIP下载更多相关专利
  • [发明专利]向量化的散列表-CN202180004141.9有效
  • B·斯克勒盖尔;M·塞文尼奇;P·范德;M·布兰特纳;H·查菲 - 甲骨文国际公司
  • 2021-02-22 - 2023-07-04 - H04N19/117
  • 本文描述了用于使用非常高效的增长和插入技术的向量化的散列表的技术。单探测散列表是经由向量化的指令增长的,这些指令将散列表的每个桶拆分为经扩展的散列表的相应上桶和下桶。另外,使用空槽指示符值(例如,“0”)指示空槽,并且所有空槽都紧跟在桶中所有被占用的槽的右侧。向量化的比较指令确定值是否已经在桶中。如果没有,那么向量化的比较指令也被用于基于桶是否包含空槽指示符值来确定桶是否有空槽。为了将值插入到桶中,使用向量化的指令将桶中的值向右移动一个槽并将新值插入到最左边的槽中。
  • 量化列表
  • [发明专利]用于最短路径图搜索的向量化的队列-CN202180024396.1在审
  • B·斯克勒盖尔;M·塞文尼奇;P·范德;M·布兰特纳;H·查菲 - 甲骨文国际公司
  • 2021-02-22 - 2022-11-11 - G06F16/901
  • 描述了用于向量化的队列的技术,该技术实现了确定值是否在队列中的向量化的“contains”函数。三阶段向量化的最短路径图搜索将每个扩展和探测迭代拆分成利用向量化的指令的三个阶段:(1)获取在下一个队列中的节点的邻居并将其写入当前队列。(2)确定目的地节点是否在当前队列中获取的邻居节点中。(3)获取的尚未被访问的邻居节点被放入下一个队列。根据实施例,向量化的复制操作使用向量化的加载和存储指令来执行基于向量的数据复制。具体而言,数据的向量被从源复制到目的地。复制到目的地的任何无效数据都将被附加有效数据的向量或者随机数数据的向量覆写。
  • 用于路径搜索量化队列
  • [发明专利]推断封装和模块内依赖关系-CN202080084469.1在审
  • P·范德;B·斯克勒盖尔;M·布兰特纳;H·卡斯图尔;H·查菲 - 甲骨文国际公司
  • 2020-12-02 - 2022-07-15 - G06F16/25
  • 这里是用于混合语言数据库管理系统(DBMS)的依赖关系检测工具和发现技术。在实施例中,客户端捆绑程序从作为访客模块的一部分的(一个或多个)源文件提取指定访客模块的依赖关系的元数据。产生返回元数据的内省函数。为内省函数产生数据库调用规范。(例如,同一)客户端程序向DBMS发送:作为访客模块的一部分的(所述一个或多个)源文件、依赖关系元数据、内省函数和数据库调用规范。在实施例中,DBMS从在DBMS中的(一种或多种)访客编程语言中定义的(一个或多个)访客模块提取描述(所述一个或多个)访客模块的依赖关系的元数据。产生基于描述依赖关系的元数据的依赖关系的报告。基于该报告,DBMS可识别(一个或多个)特定访客模块所依赖的依赖关系的子集。
  • 推断封装模块依赖关系
  • [发明专利]逐边学习属性图表示-CN201980080282.1在审
  • R·帕特拉;S·洪;J·金;D·希洛林;D·巴托里尼;H·查菲 - 甲骨文国际公司
  • 2019-10-18 - 2021-07-23 - G06N5/02
  • 描述了用于逐边学习属性图表示的技术。输入图包括多个顶点和多个边缘。多个顶点中的每个顶点与相应顶点的顶点属性相关联。生成顶点到属性的映射,该映射将每个顶点映射到多个顶点属性签名中的顶点属性签名。生成多个边缘单词。每个边缘单词对应于一个或多个边缘,每个边缘起始于具有多个顶点属性签名中的特定顶点属性签名的第一顶点,并且终止于具有多个顶点属性签名中的特定顶点属性签名的第二顶点。生成多个句子,每个句子包括沿着输入图中的多个路径中的路径连接的边缘单词。文档向量化模型用于生成表示输入图的机器学习向量。
  • 学习属性图表

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