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15071790个,建议您升级VIP下载更多相关专利
  • [发明专利]保护隐私的特征处理方法、特征预测模型训练方法和装置-CN202210068635.X在审
  • 刘润茜 - 支付宝(杭州)信息技术有限公司
  • 2022-01-20 - 2022-04-26 - G06F21/60
  • 本说明书实施例提供了一种保护隐私的特征处理方法、特征预测模型的训练方法和装置,该方法包括:获取客户端发送的第一维度加密信息,其中包括,对第一维度的若干属性值进行同态加密所得的若干项第一密文;通过对若干项第一密文进行第一同态运算,得到第一维度特征密文;获取客户端发送的第二维度加密信息,其中包括,对第二维度的若干属性值进行同态加密所得的若干项第二密文;通过对若干项第二密文进行第二同态运算,得到第二维度特征密文;将第一维度特征密文和第二维度特征密文输入预先训练的特征预测模型,特征预测模型输出预测的第三维度特征密文;第三维度是主体,环境和事件构成的三个维度之一,第一维度和第二维度是上述三个维度中另外两个维度。
  • 保护隐私特征处理方法预测模型训练装置
  • [发明专利]用于训练特征提取模型的方法、特征提取方法和装置-CN202310495656.4在审
  • 董兴宁;郭清沛;王清;程远 - 支付宝(杭州)信息技术有限公司
  • 2023-04-27 - 2023-08-01 - G06F18/214
  • 本说明书的实施例提供了一种用于训练特征提取模型的方法、特征提取方法和装置。在该用于训练特征提取模型的方法中,利用训练样本集循环执行下述模型训练过程,直到满足训练结束条件:将各个当前训练样本的图像数据和文本数据分别提供给当前图像特征提取模型和当前文本向量化模型,得到各个当前训练样本的对应图像特征和对应文本向量;将各个当前训练样本的对应文本向量以及由对应图像特征和对应文本向量拼接的结果提供给当前多模态特征融合模型,以得到各个当前训练样本的文本特征和多模态特征;分别根据多模态特征和文本特征确定第一损失值和第二损失值进而确定当前模型训练过程的总损失值;根据总损失值调整当前特征提取模型的模型参数。
  • 用于训练特征提取模型方法装置
  • [发明专利]一种基于特征衍生系统的特征变量衍生方法及装置-CN202310190775.9在审
  • 陈明明;王聪;李金伟;陆继春 - 百融至信(北京)科技有限公司
  • 2023-02-23 - 2023-06-23 - G06N20/00
  • 本发明公开了一种基于特征衍生系统的特征变量衍生方法及装置,涉及机器学习技术领域,主要目的在于提升特征变量衍生流程的效率。本发明主要的技术方案为:利用特征工程服务获取预设特征衍生表达式,预设特征衍生表达式是工作人员预先在特征衍生系统中的特征部署平台配置的表达式;利用自动化测试平台校验特征工程服务是否成功获取到预设特征衍生表达式;若成功则利用自动化测试平台校验预设特征衍生表达式是否正确;若正确则基于预设接口网关在预设数据库中获取指定基础特征变量;调用预设特征衍生表达式对指定基础特征变量进行计算,得到指定基础特征变量的多个衍生特征变量本发明用于特征变量衍生。
  • 一种基于特征衍生系统变量方法装置
  • [发明专利]基于特征层级转化的用户特征表示方法、装置及电子设备-CN202310161536.0在审
  • 叶瑜 - 同盾科技有限公司
  • 2023-02-20 - 2023-05-16 - G06F16/906
  • 本公开是关于一种基于特征层级转化的用户特征表示方法、装置及电子设备,涉及特征表示技术领域。每个一级对象可以提供至少一个二级对象,则可以采集表示用户与二级对象交互行为的原始序列,并将原始序列中各二级对象转换为对应的一级对象获得中间序列;在中间序列中以一级对象为起始点随机游走,获得一级对象对应的特征序列,从而根据一级对象的特征序列对中间序列逆转化,获得用户的特征表示。在该方法中,相比基于交互行为采用二级对象的用户特征表示扩大了表征粒度,以提供二级对象的一级对象对用户近似表示,降低了数据量,减少计算资源损耗,提升处理效率以及时效性;该方法采用一级对象近似表示用户,也能够有效覆盖负样本
  • 基于特征层级转化用户表示方法装置电子设备
  • [发明专利]特征提取模型的训练方法、特征提取方法及装置-CN202210928729.X在审
  • 吕乐宾;蒋宁;肖冰;李宽 - 马上消费金融股份有限公司
  • 2022-08-03 - 2023-05-16 - G06V10/774
  • 本申请公开了一种特征提取模型的训练方法、特征提取方法及装置,属于计算机领域。本申请提供的训练方法包括:获取第一阶段训练样本;通过第一阶段训练样本对待训练的特征提取模型进行对比学习训练,得到第一目标特征提取模型;获取第二阶段训练样本;通过第二阶段训练样本对第一目标特征提取模型进行对比学习训练,得到第二目标特征提取模型;其中,第一阶段训练样本为用于进行域间对比学习的训练样本和用于进行域内对比学习的训练样本中的一者,第二阶段训练样本为用于进行域间对比学习的训练样本和用于进行域内对比学习的训练样本中的另一者
  • 特征提取模型训练方法装置
  • [发明专利]特征提取模型的训练方法、特征提取方法和装置-CN202310012973.6在审
  • 杨文杰;程衍华 - 北京达佳互联信息技术有限公司
  • 2023-01-05 - 2023-06-06 - G06V10/774
  • 本公开关于一种特征提取模型的训练方法、特征提取方法和装置,训练方法包括:获取携带有标准化实体单元标签的样本实体数据,其中,标准化实体单元是实体展示平台对实体进行分类的信息;将样本实体数据输入特征提取模型,得到样本实体数据的样本实体特征,其中,样本实体特征是用于描述样本实体数据所对应实体的多模态的特征;将样本实体特征输入分类器,得到在实体展示平台的预估标准化实体单元;根据预估标准化实体单元和标准化实体单元标签,确定损失值;根据损失值,调整特征提取模型和分类器的参数,得到训练后的特征提取模型和分类器。该方法可引导特征提取模型从多模态的实体数据中学习细粒度的特征表达,提升提取到的实体特征的泛化能力。
  • 特征提取模型训练方法装置

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