“代价参数”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果738210个，建议您升级VIP下载更多相关专利

[发明专利]高阶调制线性混合信号频偏初相联合估计方法及装置-CN201910272227.4有效
发明人：魏驰;彭华 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2019-04-04 - 公布日： 2021-10-01 - 主分类号： H04L27/00 文献下载
摘要：本发明属于通信信号处理技术领域，特别涉及一种高阶调制线性混合信号频偏初相联合估计方法及装置，该方法包含：针对两路线性混合信号，按符号周期采样，获取混合离散信号；根据混合离散信号，对频偏与时延联合估计，建立两者的联合估计代价函数；利用神经网络对联合估计代价函数进行预测，通过求解代价函数极值获取频偏与时延的估计值。本发明通过构建频偏与时延的联合代价函数并利用神经网络对代价函数进行预测，进而快速求解代价函数的极值得出频偏与时延估计值；打破传统单参量估计带来性能损失，提高参数估计精度；将神经网络运用到代价函数极值求取，提高参数估计效率，降低求解过程复杂度，性能稳定、高效，具有较强应用价值和发展前景。
调制线性混合信号频偏初相联估计方法装置

[发明专利]一种FPGA芯片布局优化方法-CN202011023797.9有效
发明人：虞健;周洋洋;董志丹;王新晨;刘佩;季振凯 -专利权人：无锡中微亿芯有限公司;中国电子科技集团公司第五十八研究所
申请日： 2020-09-25 - 公布日： 2022-03-22 - 主分类号： G06F30/392 文献下载
摘要：本发明公开了一种FPGA芯片布局优化方法，涉及FPGA技术领域，该方法对至少一项待优化参数对应的代价函数值集合利用对应的过滤函数进行处理映射并将处理后的结果作为子函数值，存在至少一个代价函数值集合包括若干个类别对应的子代价，然后对各项子函数值按照各自对应的权重进行加权相加得到目标函数值用于布局优化，该方法改变了迭代过程中对目标函数中各项待优化参数的影响力的调试方法，利用每个代价函数值集合对应的过滤函数对代价函数值集中的各个子代价分别对应映射处理，而不仅仅利用一个单一的权重数值进行调整，过滤函数具有多样性，可以对不同子代价分别映射，调试过程更灵活、适应性和针对性都更强。
一种 fpga 芯片布局优化方法

[发明专利]一种编码处理方法、装置、电子设备和存储介质-CN202110800274.9在审
发明人：徐琴琴 -专利权人：北京金山云网络技术有限公司
申请日： 2021-07-15 - 公布日： 2023-01-17 - 主分类号： H04N19/119 文献下载
摘要：本申请提出一种编码处理方法、装置、电子设备和存储介质，其中，该方法:结合当前层的待划分编码块的量化参数、大小信息及当前层的层级，确定当前层的待划分编码块的率失真代价阈值，并确定当前层的待划分编码块的率失真代价，比较率失真代价和率失真代价阈值，以确定是否对当前层的待划分编码块继续向下一层划分，由此，在对编码块进行划分的过程中，根据当前层的编码块的量化参数、大小信息及当前层的层级确定待划分编码块的率失真代价阈值，并结合待划分编码块的率失真代价和率失真代价阈值的比较结果，以确定是否对编码块继续向下一层划分，从而实现了编码块的大小信息及层级自适应修改率失真代价，提高编码块的划分效率，节省编码时间。
一种编码处理方法装置电子设备存储介质

[发明专利]一种基于文本信息的波形拼接语音合成方法-CN201410816486.6在审
发明人：徐明星 -专利权人：北京时代瑞朗科技有限公司
申请日： 2014-12-25 - 公布日： 2015-04-29 - 主分类号： G10L13/02 文献下载
摘要：本发明公开了一种基于文本信息的波形拼接语音合成方法，该方法包括以下步骤：通过音段切分，提取原始音频中所有基元的声学参数与文本参数，根据提取的参数训练时长预测模型与训练权重预测模型；采用分层预选方法，进行分层预选，利用文本分析的目标基元、时长预测模型预测的时长对语料库中的基元进行初步预选，获得候选基元；对目标基元、候选基元和权重预测模型预测的权重信息计算，获得目标代价；对相邻两个基元的契合度进行计算，得到拼接代价；用维特比搜索方法对目标代价和拼接代价进行搜索，得到最小代价路径，进而得到最佳基元并经过平滑拼接得到合成语音。
一种基于文本信息波形拼接语音合成方法

[发明专利]电子束参数的确定方法及装置-CN202310745806.2在审
发明人：曹晨乐;陈晨;韩春营 -专利权人：中科晶源微电子技术（北京）有限公司
申请日： 2023-06-21 - 公布日： 2023-10-24 - 主分类号： G03F1/44 文献下载
摘要：本申请提供一种电子束参数的确定方法及装置，涉及半导体技术领域，该方法包括：在版图数据对应的实际掩膜版图中进行测量，以得到量测数据，量测数据包括测量点的量测尺寸；基于点扩散函数形式，构建电子束模型；基于电子束模型，对版图数据进行仿真处理，以确定测量点对应的仿真尺寸；基于所述量测尺寸、所述仿真尺寸及代价函数，确定代价值；判断所述代价值是否满足预设条件；在所述代价值不满足预设条件的情况下，基于所述代价值，调整所述电子束模型当前的参数值，并返回执行所述基于所述电子束模型，对所述版图数据进行仿真处理，以确定所述测量点对应的仿真尺寸的步骤，直至得到电子束模型的目标参数值，从而提高了电子束模型的精度。
电子束参数确定方法装置

[发明专利]算子运算调度方法和装置-CN201910282106.8在审
发明人：李琳;丁皓;杨康;张登程 -专利权人：华为技术有限公司
申请日： 2019-04-09 - 公布日： 2020-10-20 - 主分类号： G06F9/48 文献下载
摘要：本申请算子运算调度方法，包括：获取算子运算对应的算子参数和处理器参数；根据算子参数和处理器参数创建N个调度策略，N个调度策略分类为M个调度策略子集，每个调度策略子集包括至少一个调度策略；根据算子参数和处理器参数分别对M个调度策略子集进行过滤处理，获取K个可行调度策略，K个可行调度策略分别为M个调度策略子集中的K个可行调度子集的最优调度策略，K为小于或等于M的自然数；将算子参数和K个可行调度策略输入代价模型得到K个算子运算代价，K个算子运算代价与K个可行调度策略一一对应；根据目标需求和K个算子运算代价确定用于算子运算的最优调度策略。
算子运算调度方法装置

[发明专利]基于线性时变系统输入输出数据的自适应参数估计方法、系统-CN202211628666.2在审
发明人：黄英博;曾煜轩;那靖;何浩然 -专利权人：昆明理工大学
申请日： 2022-12-18 - 公布日： 2023-06-23 - 主分类号： G05B13/04 文献下载
摘要：本发明公开了一种基于线性时变系统输入输出数据的自适应参数估计方法、系统，方法包括：建立含有未知参数的线性时变系统；对含有未知参数的线性时变系统进行滤波操作，获得滤波变量；设计积分辅助向量；依据滤波变量、积分辅助向量，重构线性时变系统；依据重构的线性时变系统，建立虚拟变量与增广未知参数列向量估计误差关系式；依据虚拟变量与增广未知参数列向量估计误差关系式，构建辅助变量；依据辅助变量，构建代价函数；依据代价函数，获得未知参数的估计值。本发明引入自适应学习最优增益的方式构建代价函数，进而用于获得未知参数的估计值，较比传统梯度法、不带有最优增益的方式，本发明准确率高，具有最优收敛性能。
基于线性系统输入输出数据自适应参数估计方法

[发明专利]基于自然语义理解的模型训练方法及系统-CN202310952773.9在审
发明人：张军 -专利权人：上海京知信息科技有限公司
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06F40/30 文献下载
摘要：本发明实施例提供一种基于自然语义理解的模型训练方法及系统，基于基础训练代价值对自然语义理解网络进行网络权重参数更新，可以引导自然语义理解网络在对参考对话文本进行语义理解时，尽可能将该参考对话文本分为该参考对话文本所属的先验文本语义数据，基于扩展训练代价值对自然语义理解网络进行网络权重参数更新，结合基础训练代价值和扩展训练代价值对自然语义理解网络进行网络权重参数更新，可以获得更强文本语义理解性能的文本语义理解网络，从而依据文本语义理解网络实现对目标对话文本的准确语义理解
基于自然语义理解模型训练方法系统

[发明专利]确定最优路径的方法及装置-CN201510431213.4有效
发明人：周进华;鞠剑勋;全泽昌 -专利权人：三星电子（中国）研发中心;三星电子株式会社
申请日： 2015-07-21 - 公布日： 2018-06-15 - 主分类号： H04L12/721 文献下载
摘要：方法包括：根据网络节点的状态参数以及网络链路的状态参数构造网络链路的代价函数，并为各网络节点的状态参数和网络链路的状态参数设置影响因子；采用遗传算法为所述代价函数中的各影响因子寻找最优解；将各影响因子的最优解发送给网络中的各节点，以使得：网络中的各节点在接收到数据访问请求时，根据各影响因子的最优解及所述代价函数计算本节点到目的节点的最优路径。
影响因子状态参数最优路径最优解代价函数网络节点网络链路代价函数计算数据访问请求构造网络目的节点遗传算法本节点链路申请网络

[发明专利]深度学习网络算子程序的自动调优加速方法-CN202210837385.1在审
发明人：史晓华;钟辉 -专利权人：北京航空航天大学
申请日： 2022-07-15 - 公布日： 2022-10-21 - 主分类号： G06N3/063 文献下载
摘要：本发明方法改进基于机器学习的自动调优模块，在自动调优模块中设置代价模型模块和两阶段搜索模块；通过代价模型模块针对不同算子程序预先存储对应的代价模型，代价模型根据算子内核函数的计算量、内存交换次数和并发度计算当前参数下算子程序的得分；通过两阶段搜索模块从参数调度空间中选择较优的调度参数；然后利用优选的调度参数进行算子编译链接。
深度学习网络算子程序自动加速方法

[发明专利]TA重规划方法和系统-CN201410058986.8有效
发明人：丁胜培;李炯城;肖恒辉;陈运动;赖志坚 -专利权人：广东省电信规划设计院有限公司
申请日： 2014-02-20 - 公布日： 2017-03-15 - 主分类号： H04W16/18 文献下载
摘要：本发明公开了一种TA重规划方法和系统，所述方法包括获取各小区的当前用户参数和各小区间的用户流动参数；通过获取的各小区的当前用户参数和各小区间的用户流动参数构建TA重规划模型，其中，所述TA重规划模型的目标函数包括更新开销最小函数、寻呼信令开销最小函数和重规划代价最小函数；基于各小区的原TA规划信息，对所述TA重规划模型进行求解，获取各小区的TA重规划信息；根据获取的各小区的TA重规划信息对各小区进行TA重规划。实施本发明的方法和系统，将位置区更新代价、寻呼代价、重构TA规划代价三者并列为三目标，更能体现三者之间的相互矛盾和制约，可得到更能反映网络环境的pareto解集，更适用于大规模网络。
ta 规划方法系统

[发明专利]光学邻近效应校正的方法-CN202210624948.9在审
发明人：廖显煌;曾鼎程;胡展源 -专利权人：上海华力集成电路制造有限公司
申请日： 2022-06-02 - 公布日： 2022-09-23 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种光学邻近效应校正的方法，获取需光学邻近效应校正的目标图形和第一菜单参数，第一菜单参数用于控制目标图形校正后的模拟轮廓，模拟轮廓位于目标图形外的面积差定义为代价函数；形成与目标图形的轮廓边缘相贴合且连续的线段，设置标记点于线段上，之后利用算法生成多组不同位置的标记点，得到每组标记点对应的代价函数；选择多组代价函数中数值最小的标记点和线段的参数，并根据其得到第二菜单参数；根据第二菜单参数对目标图形进行光学邻近效应校正本发明应用“基因算法”优化光学临近效应的菜单参数，使校正后的图形轮廓更平滑，更符合目标图形。
光学邻近效应校正方法

[发明专利]一种电力系统稳定特征自动提取方法及装置-CN201710078550.9有效
发明人：史东宇;李刚;于之虹;黄彦浩;鲁广明;严剑峰;吕颖;高峰;张军;张爽;李旭涛 -专利权人：中国电力科学研究院;国家电网公司;国网宁夏电力公司电力科学研究院
申请日： 2017-02-14 - 公布日： 2021-04-30 - 主分类号： H02J3/00 文献下载
摘要：本发明提出一种电力系统稳定特征自动提取方法及装置，其包括确定逻辑回归训练模型的样本输入量及其分类数量，并定义超参数集合；定义包含LASSO惩罚项的代价函数,利用迭代法更新所述带LASSO惩罚项的代价函数中的逻辑回归参数矩阵θ；并选取所述超参数集合中误差率偏差小于阈值的最大超参数所生成的逻辑回归训练模型作为最优模型；将该最优模型的逻辑回归参数矩阵θ行向量绝对值之和的最大值作为电网稳定特征。该方案通过逻辑回归模型对电网预想故障的稳定程度(CCT)进行拟合，在代价函数中加入参数矩阵θ的1范数的罚函数项，使主要特征得到凸显；从而实现了稳定特征的自动提取。
一种电力系统稳定特征自动提取方法装置

[发明专利]体积调制弧度治疗中优化准直器轨迹的方法-CN201780068658.8在审
发明人： V·兰加纳坦 -专利权人：皇家飞利浦有限公司
申请日： 2017-10-30 - 公布日： 2019-06-21 - 主分类号： G16H20/40 文献下载
摘要：在用于规划由沿着至少一个辐射源弧的控制点(CP)的参数集参数化的辐射治疗疗程的连续弧度辐射治疗计划方法中，执行不包括计算辐射吸收概况的几何优化(40)以生成所述参数的子集的经优化的值。执行主优化，其中，参数的子集被初始化到来自所述几何优化的经优化的值。通过所述几何优化优化的参数子集可以包括多叶准直器(MLC)的准直器角度参数(58)。所述几何优化可以优化代价函数，所述代价函数包括取决于仅目标区域(62)的逐CP代价函数在CP上的加和，所述仅目标区域被定义为排除了与风险器官交叠的任何部分的规划目标体积。
几何优化优化代价函数辐射吸收辐射治疗目标区域准直器子集控制点多叶准直器辐射源参数子集规划目标角度参数参数化参数集初始化交叠调制器官治疗规划

[发明专利]一种基于自适应代价矩阵的宽度学习系统不平衡分类方法-CN202010104649.3在审
发明人：陈荣;李阳;陈慧 -专利权人：大连海事大学
申请日： 2020-02-20 - 公布日： 2020-06-16 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于自适应代价矩阵的宽度学习系统不平衡分类方法，将输入数据通过特征映射得到数据特征，将数据特征采用特征映射得到增强特征，将数据特征和增强特征组合进而获取输出权重矩阵Wout采用稀疏代价矩阵W对输出权重矩阵Wout进行改进，获取权重矩阵Wout的最优值使用优化算法对稀疏代价矩阵进行优化，提高宽度学习系统的准确率和F值，该方法通过对不同的分类数据采用不同的分类代价，一方面使用稀疏代价矩阵为代价学习方法提供了较少的参数，另一方面通过优化算法框架对稀疏代价矩阵进行优化，可以快速获得最优的稀疏代价矩阵的参数与传统解决不平衡分类方法相比，该方法并没有改变原始数据的分布而采用代价敏感的方法。
一种基于自适应代价矩阵宽度学习系统不平衡分类方法