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302591个,建议您升级VIP下载更多相关专利
  • [发明专利]利用循环通过多次迭代预测蛋白质结构-CN202180069819.1在审
  • J·江珀;M·菲古尔诺夫 - 渊慧科技有限公司
  • 2021-11-23 - 2023-07-11 - G16B30/00
  • 本公开提供了用于预测包括一条或多条链的蛋白质结构的方法、系统和装置,包括编码在计算机存储介质上的计算机程序。在一个方面,一种方法包括,在迭代序列中的第一次迭代之后的每次后续迭代中:获得表征蛋白质的后续迭代的网络输入;从(i)在序列中后续迭代之前的先前迭代中生成的结构参数,(ii)在最后迭代中生成结构参数时由蛋白质结构预测神经网络生成的一个或中间输出,或(iii)两者,生成后续迭代的特征;以及使用蛋白质结构预测神经网络处理用于后续迭代的特征和网络输入,以生成定义蛋白质的另一预测的结构的后续迭代的结构参数。
  • 利用循环通过多次预测蛋白质结构
  • [发明专利]一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法-CN202011048055.1有效
  • 刘鹤;宋万清 - 上海工程技术大学
  • 2020-09-29 - 2022-08-23 - G06F30/20
  • 本发明公开了一种基于组合预测模型预测齿轮箱健康状态退化趋势的方法,包括如下步骤:S1、将齿轮箱的健康状态退化数据作为预测输入序列;S2、提取具有明显退化特征的趋势序列;S3、将提取的趋势序列分解为确定项序列和随机项序列;S4、建立混合迭代差分预测模型;S5、利用分数阶Lévy稳定迭代差分预测模型对随机项序列建模;S6、利用灰色迭代差分预测模型对确定项序列建模;S7、利用步骤S4的混合迭代差分预测模型修正步骤S5和步骤S6的预测结果;S8、将新陈代谢法与混合迭代差分预测模型相结合并建模,预测出齿轮箱健康状态的长期退化趋势。本发明所述方法能够精确预测齿轮箱健康状态的退化趋势。
  • 一种基于组合预测模型齿轮箱健康状态退化趋势方法
  • [发明专利]机载雷达快速最大后验成像方法-CN201610196587.7有效
  • 李文超;谭珂;杨建宇;黄钰林;裴季方;张永超;毛德庆;吴阳;李昌林 - 电子科技大学
  • 2016-03-31 - 2018-07-27 - G01S13/89
  • 本发明公开了一种机载雷达快速最大后验成像方法,包括以下步骤:S1、对二维回波数据进行距离向脉冲压缩;S2、获取天线方向图信息,构造卷积矩阵;S3、导出乘性迭代求解公式;S4、初始化迭代;S5、初始化向量外推预测;S6、向量外推预测迭代,利用相邻的前三次的迭代结果进行进一步向量预测,并将预测结果带入乘性迭代求解公式得到下一次迭代结果;S7、判断相邻两次迭代结果是否满足迭代终止条件,若满足则进行步骤S8;否则返回步骤本发明在传统迭代步骤之前利用向量外推方法增加一步预测来估计目标,可以在保证锐化效果的前提下,有效减少迭代所需次数,提高运算效率。
  • 机载雷达快速最大成像方法
  • [发明专利]图像分割方法和装置-CN202210053264.8在审
  • 许菁;李秀 - 许菁
  • 2022-01-18 - 2022-04-29 - G06V10/26
  • 具体实现方案为:图像分割方法,包括:将需要分割的原始图像导入编码器,编码后获得N个第一预测结果;将N‑1个第一预测结果一一对应分别导入N‑1个多尺度特征迭代融合网络;将第一预测结果中的剩余一个第一预测结果导入所述第N‑1个多尺度特征迭代融合网络;将所述第N‑1个多尺度特征迭代融合网络的输出导入到第N‑2个多尺度特征迭代融合网络;重复上述步骤,直至所述第二个多尺度特征迭代融合网络的输出导入到第一个多尺度特征迭代融合网络;将所述N‑1个多尺度特征迭代融合网络的输出,以及所述第N个第一预测结果分别导入解码器,获得分割后的第二预测结果。
  • 图像分割方法装置

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