“训练集数据”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_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

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

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

专利权人

国家电网公司

华为技术有限公司

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

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

钻瓜专利网为您找到相关结果2665968个，建议您升级VIP下载更多相关专利

[发明专利]基于随机游走模型的零引用文章推荐方法及系统-CN201610595617.1有效
发明人：吴峥;邓丰雨;宋振宇;王乐群;李世韬;吴昊;杨蕴意;杨雨城;何伟堃;廖一鸣;齐雨;赵璟浩;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2016-07-26 - 公布日： 2020-07-14 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种基于随机游走模型的零引用文章推荐方法及系统，包括：步骤1：构建学术网络模型，通过随机游走法获得每篇论文的第一作者、会议或期刊、机构、发表时间所对应的特征值；步骤2：建立排序模型，并选取经步骤1处理后的论文数据构建训练集；步骤3：通过弱分类器对训练集进行排序；步骤4：判断弱分类器的排序结果是否与训练集的真实排序结果相匹配，得到最优排序模型；步骤5：通过排序模型推荐用户所需零引用文献。
基于随机游走模型引用文章推荐方法系统

[发明专利]分析数字全息显微术数据以用于血液学应用-CN201580032575.4有效
发明人： N.埃尔-泽希里;孙善辉;B.乔治斯库;L.拉迪克;A.卡门 -专利权人：西门子医疗保健诊断公司
申请日： 2015-06-16 - 公布日： 2020-03-10 - 主分类号： G06K9/00 文献下载
摘要：一种用于分析数字全息显微术（DHM）数据以用于血液学应用的方法包括接收使用数字全息显微术系统获取的多个DHM图像。在多个DHM图像中的每个中标识一个或多个连接分量，并且根据一个或多个连接分量生成一个或多个训练白血细胞图像。使用一个或多个训练白血细胞图像来训练分类器以标识多个白血细胞类型。
分析数字全息显微据以用于血液学应用

[发明专利]一种基于主题模型的文档标注方法-CN201610812364.9有效
发明人：赵霞;刘泽;钱国伟;马延辉;李司宇;于田昊 -专利权人：北京工商大学
申请日： 2016-09-09 - 公布日： 2019-01-08 - 主分类号： G06F17/24 文献下载
摘要：本发明为文章标注标签的过程分为四个阶段：1)选取训练集的文章，并分为若干类；2)对训练集中的每一类文档提取主题、标注标签；3)构造整个训练集的向量空间；4)对测试集的每篇文章进行打标签处理，从而实现为文章标注标签的功能本发明具有高效性和准确性，可以减少用户的信息负担，并且在需求数据提取、特定主题文章搜索、广告针对投放等方面具有很好的应用价值。
一种基于主题模型文档标注方法

[发明专利]一种可根据模型的提取频率训练识别模型的方法及系统-CN201610025278.3有效
发明人：祝铭明 -专利权人：芋头科技（杭州）有限公司
申请日： 2016-01-14 - 公布日： 2020-10-23 - 主分类号： G10L17/04 文献下载
摘要：本发明公开了一种可根据模型的提取频率训练识别模型的方法及系统，属于语音识别技术领域；可根据模型的提取频率训练识别模型的方法，采用服务器与客户端远程连接的方式进行数据通信，可将客户端中不常用的通过比较初始识别模型的提取频率，删除不常用的初始识别模型，在服务器中采用语句训练样本对不常用的初始识别模型进行更新，减小了客户端的运行负担，同时提高了工作效率，能够同时兼顾应用于一般智能终端中形成识别模型所需的较好的实用性以及声纹识别所需的准确度
一种根据模型提取频率训练识别方法系统

[发明专利]一种基于字模型的评论文本实体识别方法及装置-CN201611129133.4有效
发明人：李全刚;柳厅文;王玉斌;李柢颖;时金桥;亚静;郭莉 -专利权人：中国科学院信息工程研究所
申请日： 2016-12-09 - 公布日： 2019-11-15 - 主分类号： G06F17/27 文献下载
摘要：该方法包括：1)使用标注好的训练数据训练基于字的双向LSTM模型；2)使用训练好的基于字的双向LSTM模型对输入的评价性文本进行核心实体识别；3)对基于字的双向LSTM模型输出的非空结果进行字补齐，将补齐后的结果作为最终识别出的核心实体并输出
一种基于字模评论文本实体识别方法装置

[发明专利]基于鉴别性训练的定制语音唤醒优化方法及系统-CN201710343427.5有效
发明人：俞凯;陈哲怀 -专利权人：上海交通大学;苏州思必驰信息科技有限公司
申请日： 2017-05-16 - 公布日： 2020-06-09 - 主分类号： G10L15/02 文献下载
摘要：一种基于鉴别性训练的定制语音唤醒优化方法及系统，在给定带标注的声学数据后，结合初始的基于神经网络的声学模型，通过神经网络前向传播得到逐帧声学概率；结合标注序列及逐帧声学概率，得到标注唤醒词的建模概率；利用在大量文本上统计得到的音素级语言模型，构建为相应的搜索网络；基于音素级语言模型的搜索空间和逐帧声学模型可以进行唤醒词竞争项建模，得到后验概率；结合唤醒词竞争项建模和标注唤醒词建模，进行声学模型的鉴别性训练；通过鉴别性训练得到的声学模型采用基于唤醒词置信度与自动估计阈值的比较以判别是否唤醒
基于鉴别训练定制语音唤醒优化方法系统

[发明专利]一种基于深度强化学习的列车运行调度方法及系统-CN201710467955.1有效
发明人：黄晋;黄思光;赵曦滨;高跃;夏雅楠 -专利权人：清华大学
申请日： 2017-06-20 - 公布日： 2020-10-13 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于深度强化学习的列车运行调度方法及系统，其首先收集真实场景中一个车站的所有可调度列车及其时刻表信息以及所有可调度安排的司机信息，构成原始信息；将收集的原始信息进行规则化处理，利用规则化处理后的数据信息建立列车深度强化学习模型；利用深度强化学习模型进行离线训练和学习，得到训练好的列车深度强化学习模型；基于深度强化学习的列车运行调度系统利用训练好的深度强化学习模型进行列车运行调度。
一种基于深度强化学习列车运行调度方法系统

[发明专利]裁剪语言模型的方法及装置-CN200810084614.7有效
发明人：李剑峰;王海峰;任登君;李国华 -专利权人：株式会社东芝
申请日： 2008-03-13 - 公布日： 2008-09-24 - 主分类号： G06F17/27 文献下载
摘要：其中，该语言模型包括多个n元组及其概率，以及多个低阶(＜n)的元组及其概率；上述方法包括：根据上述语言模型生成初始的基础模型，该基础模型不包括上述多个n元组及其概率，只包含低于n阶的元组及其概率；利用训练语料库计算上述多个n元组中的每一个对于实际应用的重要性，该训练语料库包括训练数据和参考答案；以及将上述多个n元组中重要性高的至少一个n元组及其概率加入上述基础模型，作为裁剪后的语言模型。
裁剪语言模型方法装置

[发明专利]同步接收设备-CN200610025849.X有效
发明人：曾璐;陈军;林岩;孙林 -专利权人：凯明信息科技股份有限公司
申请日： 2006-04-20 - 公布日： 2007-10-24 - 主分类号： H04L7/027 文献下载
摘要：本发明公开了一种同步接收设备，包括一个滤波器、一个下行同步码产生器和一个训练序列码产生器，还包括一个控制器，其向该滤波器、该下行同步码产生器和训练序列码产生器传递控制信号，该下行同步码产生器与该滤波器相连，该训练序列码产生器与该滤波器相连。本发明使用一个滤波器处理多个阶段不同的数据，实现同步接收，避免了在接收机中使用多个匹配滤波器以及相关器，简化了系统结构，降低了系统实现的使用资源。
同步接收设备

[发明专利]一种用户偏好的预测方法及装置，电子设备-CN201711244462.8有效
发明人：吕兵;左元;付晴川;朱日兵;吴金蔚 -专利权人：北京三快在线科技有限公司
申请日： 2017-11-30 - 公布日： 2021-09-03 - 主分类号： G06Q30/02 文献下载
摘要：所述用户偏好的预测方法包括：获取目标用户对目标对象的交互行为特征，并通过预先训练的偏好预测模型，基于所述交互行为特征进行预测，确定所述目标用户对所述目标对象的偏好预测结果，根据所述偏好预测结果确定所述目标用户对所述目标对象的偏好本申请公开的用户偏好的预测方法，由于模型训练是基于大量共性数据实现的，使得训练得到的模型是针对共性特征进行预测，而不是基于单个用户标识或对象标识进行预测，因此偏好预测结果更准确。
一种用户偏好预测方法装置电子设备

[发明专利]基于体育管理的一种练习足球精准射门系统-CN201910232192.1有效
发明人：贾杨 -专利权人：重庆大学
申请日： 2019-03-26 - 公布日： 2020-09-25 - 主分类号： A63B63/00 文献下载
摘要：与升降机构无线传输连接的控制系统，所述吊网四个角设有环形伸缩锁扣，升降机构将吊网升至足球门高度一致后，环形伸缩锁扣与球门连接，实现吊网固定，吊网表面分成四个加分区域，一个减分区域和不计分区域，本系统可用于训练球员将球射至加分区域，提高足球训练水平，将采集到的相关数据应用于训练统计与学术研究中，便于提高足球教学水平与体育管理水平。
基于体育管理一种练习足球精准射门系统

[发明专利]一种用于计算机辅助诊断前列腺癌的对抗学习方法-CN201910149285.8有效
发明人：詹曙;陈爱莲;臧怀娟 -专利权人：合肥工业大学
申请日： 2019-02-28 - 公布日： 2021-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种用于计算机辅助诊断前列腺癌的对抗学习方法，该方法使用多个病人的前列腺MR图像和对应的人工分割图作为训练数据集，构造包括分割器和判别器的对抗网络，让其进行对抗训练，通过多次迭代更新得到优化后的分割器，然后将待分割的前列腺MR图像输入训练好的分割器中，从而获得最终的分割结果，实现前列腺MR图像的自动分割，为医生分割病人前列腺组织提供参考，能够在一定程度上有效提高医生对前列腺疾病的诊断准确性和工作效率
一种用于计算机辅助诊断前列腺癌对抗学习方法

[发明专利]基于分布并行局部建模机制的岭回归软测量建模方法-CN201910421409.3有效
发明人：葛志强;张鑫宇 -专利权人：浙江大学
申请日： 2019-05-21 - 公布日： 2021-02-26 - 主分类号： G06F30/27 文献下载
摘要：该岭回归软测量建模方法是通过建立训练样本集和测试样本集，基于MapReduce框架将训练样本集和测试样本集进行分布式标准化，基于MapReduce框架选取局部训练样本集，建立岭回归模型，并对测试样本预测该岭回归软测量建模方法能够有效地提升基于局部建模机制的岭回归模型的软测量建模速度，解决工业过程中大规模数据下局部建模的不足的问题。
基于分布并行局部建模机制回归测量方法

[发明专利]一种基于全卷积神经网络的相位主值提取方法-CN201910347403.6有效
发明人：王海霞;吴晨阳;胡苏杭;陈朋;梁荣华 -专利权人：浙江工业大学
申请日： 2019-04-28 - 公布日： 2021-06-18 - 主分类号： G06T5/00 文献下载
摘要：一种基于全卷积神经网络的相位主值提取方法，包括以下步骤：1)在计算机上将预先编码所需的按正弦分布的条纹图，预先编码好的条纹图投影至待测物，并使用工业相机采集待测物条纹图；2)构建全卷积神经网络模型，设定训练参数和损失函数本发明提供一种图像采集的数量少、无需训练数据集以及训练过程、精度较高的基于全卷积神经网络的相位主值提取方法。
一种基于卷积神经网络相位提取方法

[发明专利]基于机器学习的模型迭代更新方法、装置和计算机设备-CN201910239004.8有效
发明人：辛婷婷;刘宇超;谭贤;郭佳;卢清明;郭典;韩铃 -专利权人：平安国际智慧城市科技股份有限公司
申请日： 2019-03-27 - 公布日： 2021-01-15 - 主分类号： G06N20/00 文献下载
摘要：判断当前访问所述服务器的用户数量是否大于第一阈值；若当前访问所述服务器的用户数量不大于第一阈值，则将服务器当前使用的第一算法模型的参数更新为离线的第二算法模型的参数；所述第二算法模型在第一算法模型的基础上使用第二训练数据继续训练得到从而实现模型的同时使用与训练。
基于机器学习模型更新方法装置计算机设备

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top