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952854个,建议您升级VIP下载更多相关专利
  • [发明专利]基于时空注意网络的缺失结构健康监测数据恢复方法-CN202210038619.6在审
  • 李顺龙;牛津;李忠龙 - 哈尔滨工业大学
  • 2022-01-13 - 2022-04-29 - G06K9/62
  • 本发明公开了一种基于时空注意网络的缺失结构健康监测数据恢复方法,所述方法包括如下步骤:步骤1、标记部分时段信号缺失的异常传感器,创建数据重构的训练样本;步骤2、利用时空注意机制,构建基于时空注意网络的缺失数据恢复模型;步骤3、训练基于时空注意网络的缺失数据恢复模型并验证基于时空注意网络的缺失数据恢复模型对监测数据的重构精度;步骤4、用已训练的模型恢复缺失数据。该方法利用与缺失测点数据相关的同类和非同类传感器数据,通过时空注意网络挖掘多源数据的时空关联,实现对缺失数据的重构。本发明充分挖掘了大量传感器之间隐含的时空关联,融合了多源异构数据,提高了数据利用效率,解决了数据缺失问题。
  • 基于时空注意力网络缺失结构健康监测数据恢复方法
  • [发明专利]一种判断网络餐饮商家证照缺失的方法-CN201910064913.2有效
  • 不公告发明人 - 成都数之联科技有限公司
  • 2019-01-23 - 2021-04-13 - G06K9/32
  • 本发明公开一种判断网络餐饮商家证照缺失的方法,包括数据集收集和存储;构建梯度增强注意网络模型,所述梯度增强注意网络模型包括主网络、子网络和注意模块;所述主网络对输入图片进行变换后得到主网络特征图;子网络用于计算与主网络特征图相同大小的子网络梯度特征图;注意模块计算子网络梯度特征图与主网络特征图的相似度,得到梯度特征增强的特征图返回给主网络;优化模型参数;预测证件类别;根据预测得到的证件类别,对比得出餐饮商家所缺失的证件本发明通过建立梯度增强注意网络模型增强对证件图片中文字区域识别的敏感性,有效提高模型识别准确率,能够从大量网络平台数据中快速且有效地识别出缺失规定证照的商家。
  • 一种判断网络餐饮商家证照缺失方法
  • [发明专利]一种基于交互性时频注意机制的单通道语音增强方法-CN202210885819.5在审
  • 叶中付;于润祥;赵紫微 - 中国科学技术大学
  • 2022-07-26 - 2022-11-04 - G10L21/0224
  • 本发明涉及一种基于交互性时频注意机制的单通道语音增强方法,采用复数形式的Transformer模型分别在时域、频域、通道域捕捉语音信号中长期的上下文关系,这既弥补了以往神经网络在时域捕捉长期上下文信息能力的不足,又通过频域注意机制捕捉不同频带之间的相互关系,还利用复数形式的注意机制取代了传统实数形式的注意机制同时对幅度和相位进行增强;在时域注意机制模块与频域注意机制模块之间引入交互模块,从时域或者频域注意分支中提取相关信息添加到另一分支中,弥补两个分支学习后的特征图的缺失;本发明既可以在没有特征缺失的情况下建模不同通道之间的相关性,又在两级Transformer模块之间引入残差连接,减小了训练过程中的梯度消失问题。
  • 一种基于交互性时频注意力机制通道语音增强方法
  • [发明专利]一种基于时空注意机制的交通缺失数据补全方法-CN202110438939.6有效
  • 申彦明;徐文权;齐恒;尹宝才 - 大连理工大学
  • 2021-04-23 - 2022-05-10 - G06F16/21
  • 一种基于时空注意机制的交通缺失数据补全方法,首先通过注意机制的方式,捕获路网中所有的路段在当前时刻对路网交通状态的影响程度大小,并在不同时刻重新捕获空间相关性信息,提高数据补全的精度。其次,考虑交通数据的时序性,不同时刻的交通数据对当前时刻的数据影响程度是不一样的,通过时间注意机制捕获这种不一致的时间相关性信息,在对当前缺失数据补全时保留最有效的信息,提升模型的补全效果。最后,在利用时空注意机制捕获交通数据的时空相关性同时,考虑数据之间的相关性受到空间距离和时间间隔的增大而衰减,加入时空衰减性矩阵提高补全精度。本发明不仅大幅提高数据缺失率低的情况下补全精度,还提升在数据缺失率高的情况下的补全精度。
  • 一种基于时空注意力机制交通缺失数据方法
  • [发明专利]基于图注意机制和语言大模型的医疗缺失数据补全方法-CN202310628220.8在审
  • 乔静阳;张志忠;谢源 - 华东师范大学
  • 2023-05-30 - 2023-08-15 - G16H50/70
  • 本发明提供了一种基于图注意机制和语言大模型的医疗缺失数据补全方法,其特点是该方法包括:数据集预处理、图注意网络的训练;提取注意矩阵作为图中各边权重;强相关节点的筛选;遍历整个数据集,当发现有缺失值时,先判断其所属特征,再将其强相关特征名称及特征值,作为文本提示信息输入预训练BERT语言大模型中,获得模型输出后,对输出进行加权平均,获得最终插值结果,完成缺失值插补。本发明与现有技术相比能够更加快速准确的实现缺失数据补全的功能,通过图注意网络能够充分挖掘特征之间的相关程度,基于BERT模型强大的拟合能力,有助于更好的建模隐层特征空间,获得更准确的预测效果,方法简便
  • 基于注意力机制语言模型医疗缺失数据方法
  • [发明专利]小规模数据视觉语言预训练方法-CN202210989947.4在审
  • 程航;叶贺辉;陈飞;王美清;刘蓉;王靖岳 - 薇链信息技术有限公司
  • 2022-08-18 - 2022-11-11 - G06T5/00
  • 本发明提出一种小规模数据视觉语言预训练方法,对于图像端,采用U‑Net网络,在编码缺失图像之后,在每组对应的下采样和上采样阶段之间与额外输入的文本特征进行通道注意,利用文本信息来进行图像的补全,将编码特征和文本描述特征融合,输入到解码器中,解码成一个正常图像;对于文本端,使用双线性注意网络;其中,将文本特征记为X,图像特征为Y,注意权重图w根据不同模态特征之间的亲和度计算得到,在注意权重图的辅助下,进行X和Y之间的特征融合,最终输出缺失单词的预测结果。
  • 小规模数据视觉语言训练方法
  • [发明专利]基于注意机制的时间序列填补方法-CN202211570842.1在审
  • 熊炫睿;陈怡;张宇樊;林为琴;徐稳;方海领 - 重庆邮电大学
  • 2022-12-08 - 2023-05-02 - G06N3/047
  • 本发明属于时间序列分析领域,涉及基于对角掩码稀疏自注意机制的缺失时间序列填补方法。该方法包括以下步骤:S1)将所用数据进行预处理;S2)采用对角掩码稀疏自注意模块(DMPSA)提取时间序列的时间相关性及特征相关性;S3)将两个对角掩码稀疏自注意模块(DMPSA)的输出进行加权组合;S4)采用插补和重构的联合优化训练方法训练基于对角掩码时间自注意的时间序列插补模型。本方法根据时间序列数据前后值之间具有强关联性的特征,重点关注序列的时间相关性,相比于其他方法,捕获时间序列长期依赖性的效果更佳,对缺失时间数据的插补精度更高。
  • 基于注意力机制时间序列填补方法
  • [发明专利]点云补全方法、装置、设备和介质-CN202310300595.1在审
  • 兰晓松;刘羿 - 斯乾(上海)科技有限公司
  • 2023-03-24 - 2023-06-23 - G06T17/05
  • 点云补全方法包括:对所述待补全点云进行特征提取,得到表征所述待补全点云空间分布特征的已知特征向量;采用自注意机制模型处理所述已知特征向量,得到表征缺失点云空间分布特征的预测特征向量,其中在采用自注意机制模型处理所述已知特征向量的过程中,将中间计算得到的至少一个查询矩阵和/或键矩阵进行低秩分解为低秩矩阵,并采用所述低秩矩阵替代对应的查询矩阵或者键矩阵进行注意运算;基于所述预测特征向量生成缺失点云,并将所述缺失点云和所述待补全点云组合为完整点云在采用自注意机制模块处理已知特征向量的过程中,低秩分解后的矩阵进行运算,可以实现资源开销的降低。
  • 点云补全方法装置设备介质
  • [发明专利]一种基于常识和推理的中文缺失代词补全方法-CN201811345695.1有效
  • 佟见卓;李思;高升;杨婧璇;徐雅静 - 北京邮电大学
  • 2018-11-13 - 2020-10-13 - G06F40/211
  • 本发明公开了一种中文缺失代词补全方法,属于信息处理领域,该方法的特征包括:构建输入文本以及上下文文本矩阵;循环神经网络分别形成输入文本语义信息矩阵和输入文本上下文句子层面、词语层面语义背景矩阵;基于语义相似度得到输入文本上下文句子层面各句子重要程度的注意权重;更新得到上下文句子层面语义信息矩阵;将结果融合输入文本矩阵;利用语义相似度得到输入文本上下文词语层面各句子重要程度的注意权重;结合外部知识库更新词语注意权重;结合句子注意权重更新得到上下文语义信息矩阵;融合输入文本信息得到最终输入文本的推理信息矩阵;通过多层感知器得到层级式各词语的缺失代词概率分布;预测输入文本各词语缺失代词类型。
  • 一种基于常识推理中文缺失代词方法
  • [发明专利]针对医学影像分割任务的生成式模态补足方法-CN202211533192.3在审
  • 许铮铧;姚丹 - 河北工业大学
  • 2022-12-01 - 2023-03-03 - G06T7/00
  • 本发明为一种针对医学影像分割任务的生成式模态补足方法,该方法包括以下内容:构建基于注意对比学习的多域生成网络:整个网络以多域生成的StarGANv2模型为骨干网络,在此基础上加入注意引导的对比学习网络和对比学习损失;注意引导的对比学习网络,用于在图像块的级别对生成器的生成细节进行约束;所述注意引导的对比学习网络包括源域注意特征提取网络As、目标域注意特征提取网络At以及特征排序模块三个部分,利用基于注意对比学习的多域生成网络获得缺失模态影像,实现模态补足。
  • 针对医学影像分割任务生成式模态补足方法

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