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917187个,建议您升级VIP下载更多相关专利
  • [发明专利]一种机器学习模型的安全应用方法及系统-CN201911116113.7有效
  • 杨忠勋 - 深圳市超算科技开发有限公司
  • 2019-11-14 - 2022-03-22 - G06F16/2458
  • 本发明公开一种机器学习模型的安全应用方法及系统,该方法包括前端服务模型处理、先验信息提取、验证策略分析、后端验证模块处理、融合决策等步骤。本发明后端验证和前端服务机器学习模型相对独立,通过这种模块功能分离可以增强防攻击能力,提升机器学习模型的应用安全性;后端验证支持固有属性和外信息的多维度后端验证,验证方式更全面、更严格,适用于各种类型的机器学习任务的验证策略定义,针对前端服务机器学习模型的处理结果,可定义主特征的影响系数,根据影响系数灵活制定验证策略,适用于各类机器学习模型的应用场景,具有良好的灵活性、通用性。
  • 一种机器学习模型安全应用方法系统
  • [发明专利]一种基于皮质学习的异常检测方法、装置及终端设备-CN201910696486.X有效
  • 马文佳 - 平安科技(深圳)有限公司
  • 2019-07-30 - 2022-07-01 - G06F11/30
  • 本发明适用于计算机运维技术领域,提供了一种基于皮质学习的异常检测方法、装置及终端设备,方法包括:获取服务集群的服务数据;建立基于皮质学习的数据模型;通过数据模型学习数据的变化模式;根据服务数据的变化模式将服务数据重新排布,输出特征排布数据,其中,服务数据变化模式包括数据变化模式和时间变化模式;设置经验阈值;将特征排布数据输出至Q函数,根据经验阈值判断服务数据的异常情况,其中,服务数据的异常情况包括极端数值异常和数据波动异常通过本发明可以从特征排布数据判断服务数据的变化是否符合数据既往模式,从而准确判断服务数据的异常情况,提高异常检测的准确率。
  • 一种基于皮质学习异常检测方法装置终端设备
  • [发明专利]基于机器学习的太阳能发电控制系统及方法-CN201980078435.9在审
  • 梁志赫 - 株式会社分享能源
  • 2019-11-07 - 2021-07-23 - H02S50/00
  • 本发明涉及基于机器学习的太阳能发电控制系统及方法,上述基于机器学习的太阳能发电控制系统包括:多个太阳能模块;多个节点控制部,若所测定的电流数据、电压数据、电力数据未达到控制数据,则断开所连接的太阳能模块;网关部,用于存储所测定的数据;实时控制模块,对数据进行分类、对比、分析处理并存储,向上述网关部传输控制指令;以及机器学习器,用于监控装置及数据,基于机器学习进行学习,提供以通过提取太阳能发电控制所需功能数据来执行的建模结果为基础的控制服务数据
  • 基于机器学习太阳能发电控制系统方法
  • [发明专利]一种基于微信原生框架的在线学习系统-CN202210703830.5在审
  • 温现军;单震;费振玉 - 浪潮卓数大数据产业发展有限公司
  • 2022-06-21 - 2022-09-27 - G09B5/12
  • 本发明公开了一种基于微信原生框架的在线学习系统,属于基于微信的软件系统技术领域,要解决的技术问题为基于小程序体积小、使用方便的优点,如何基于微信小程序构建在线学习系统。包括:登录模块,用于基于用户的微信账号进行身份验证和授权登录;在线学习模块,基于用户选择的学习等级和学习目标生成学习计划和学习内容,并提供在线学习;在线考试模块,用于基于用户设定的学习等级、学习目标以及对应的学习计划和学习内容生成试题,并提供在线考试服务;考核分析模块,用于对每次的学习结果和考试结果进行统计分析,并展示学习结果和考试结果;管理模块,用于支持管理员对用户进行信息管理和权限管理。
  • 一种基于原生框架在线学习系统

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