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437969个,建议您升级VIP下载更多相关专利
  • [发明专利]三维电力系统图模建立方法及装置-CN202011382633.5在审
  • 李世顺;廖娟霞 - 广东稳峰电力科技有限公司
  • 2020-12-01 - 2021-03-12 - G06T15/00
  • 本发明涉及一种三维电力系统图模建立方法及装置,在建立设备属性容器数据结构和设备图模容器数据结构后,将根据用户侧设备属性和设备侧设备属性确定相对最优设备属性输入至设备属性容器数据结构中,并根据相对最优设备属性建立图模基于此,通过用户侧设备属性和设备侧设备属性综合确定相对最优设备属性,防止用户操作输入的属性与设备运行固有的属性产生冲突,影响三维电力系统图模图模与交互设计的动态变更,使三维电力系统图模得建立与更新更贴合电力系统的实际操作目的
  • 三维电力系统建立方法装置
  • [发明专利]一种基于知识引导的人脸属性编辑方法-CN202211015164.2在审
  • 张亮;赵江伟;陈志勇;潘力立 - 电子科技大学
  • 2022-08-23 - 2022-12-06 - G06V40/16
  • 该发明公开了一种基于知识引导的人脸属性编辑方法,属于计算机视觉领域。该方法首先选择使用生成对抗网络作为基本框架,融入了一种新颖的注意力机制,并从人脸属性标签库提取了人脸属性关系的知识,构建了基于知识的正则损失项来约束注意力机制的学习。引入人脸属性知识和注意力机制的目的是为了促使生成对抗网络的判别器学习属性之间的关系,能够综合相关属性的影响来更加准确的预测目标属性,从而更好的指导生成器编辑人脸属性。同时,通过引入人脸属性之间的关系约束生成器的学习,使得生成器在改变目标人脸属性时,考虑其他相关人脸属性的变化,以实现更加合理的编辑效果。
  • 一种基于知识引导属性编辑方法
  • [发明专利]流媒体代理缓存替换方法及装置-CN201510210417.5有效
  • 胡玉婷;曹江辉 - 四达时代通讯网络技术有限公司
  • 2015-04-29 - 2015-08-05 - H04N21/231
  • 本发明提供了一种流媒体代理缓存替换方法及装置,方法包括:利用主成分分析法从影响流媒体文件流行度的属性数据中选取主成分属性数据;根据主成分属性数据和多元线性回归方法确定流媒体对象的流行度预测值,流媒体对象包括代理服务器中已缓存的流媒体和待替换进所述代理服务器的流媒体;根据流媒体对象的视频峰值信噪比,流媒体对象从原始服务器到代理服务器的延迟时间及流行度预测值确定流媒体对象的综合价值;根据流媒体对象的综合价值和代理服务器的缓存空间进行缓存替换。本发明利用流媒体代理缓存服务器属性数据、流媒体文件自身属性数据和社交行为属性数据,通过调整流媒体质量因子和启动延迟因子的权重以适应不同的环境,提高替换性能。
  • 流媒体代理缓存替换方法装置
  • [发明专利]基于四种权值向量的异构网络选择方法-CN201310192317.5有效
  • 朱琦;张硕 - 南京邮电大学
  • 2013-05-22 - 2013-09-18 - H04W48/18
  • 本发明是一种基于四种权值向量的异构网络选择方法,该方法通过综合四个网络属性权值获取一个综合权重向量,并通过相容性检验保证其合理性。然后结合SAW方法进行网络选择。具体步骤如下:首先赋予客观参数通过熵值法和标准离差法计算出客观网络属性权值向量,赋予主观参数通过AHP法和G-1法分别得到各自的主观网络属性权值向量,四种方法代表了四个决策者,利用群组决策理论将四种权值向量组合生成新的权值向量,从而获取一个综合权值向量W,最后结合SAW法进行网络选择。
  • 基于四种权值向量网络选择方法

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