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781812个,建议您升级VIP下载更多相关专利
  • [发明专利]基于修正的滚动轴承剩余寿命预测方法-CN201911290741.7在审
  • 夏筱筠;孙鑫;贾欢;宋佳 - 中国科学院沈阳计算技术研究所有限公司
  • 2019-12-16 - 2021-06-18 - G06Q10/04
  • 本发明应用长短记忆网络LSTM和修正的方式对滚动轴承的剩余寿命进行预测,属数控技术领域,具体涉及一种基于修正的滚动轴承剩余寿命预测方法。本发明包括以下步骤:采集滚动轴承全寿命周期的振动加速度信号,用使用该信号训练剩余寿命预测模型;使用滑动窗口的方式对振动加速度信号进行处理,得到训练集,使用该训练集训练LSTM网络模型;训练预测的BP神经网络模型;构建修正模型,将LSTM网络模型的结果和BP神经网络模型的结果相加即为最终模型的预测结果;将需要预测滚动轴承剩余寿命的信号,输入到修正模型,即可得到当前时刻的剩余寿命。本发明提高了剩余寿命预测的精确度。
  • 基于修正滚动轴承剩余寿命预测方法
  • [发明专利]编码装置、解码装置及程序-CN202180005594.3在审
  • 岩村俊辅;根本慎平;市谷敦郎 - 日本放送协会
  • 2021-04-20 - 2022-05-13 - H04N19/126
  • 编码装置针对每个编码对象块进行编码,所述编码装置具备:预测部,针对每个分量生成与所述编码对象块对应的预测块;差生成部,针对每个分量生成表示所述编码对象块与所述预测块的预测;颜色空间变换部,对每个所述分量的预测进行颜色空间变换处理;变换部,通过对所述预测进行变换处理,来生成变换系数;量化控制部,确定用于对所述变换系数的量化处理的缩放列表;以及量化部,使用所确定的缩放列表,对所述变换系数进行所述量化处理,所述量化控制部基于所述颜色空间变换处理
  • 编码装置解码程序
  • [发明专利]一种风电爬坡事件预测方法-CN201910502124.2在审
  • 徐正华;刘三明;王致杰 - 上海电机学院
  • 2019-06-11 - 2020-12-11 - G06F30/27
  • 本发明涉及一种风电爬坡事件预测方法,包括:建立风电功率曲线模型,利用历史数据通过风电功率曲线模型得到风电功率的历史模型值和风电功率的预测模型值;步骤S2:根据所述风电功率的历史模型值和历史数据得到风电功率的历史;步骤S3:利用马尔可夫自回归模型和所述风电功率的历史进行预测,得到预测值;步骤S4:利用所述预测值和风电功率的预测模型值得到风电功率的预测值;步骤S5:利用改进的旋转门算法从所述风电功率的预测值中提取线性趋势段;步骤S6:利用爬坡事件定义得到所述线性趋势段中的预测风电爬坡事件。
  • 一种爬坡事件预测方法
  • [发明专利]一种基于逆量化/逆变换的无损压缩解码方法-CN201811381007.7有效
  • 施云惠;刘小杰;丁文鹏;尹宝才 - 北京工业大学
  • 2018-11-20 - 2021-03-30 - H04N19/124
  • 本发明涉及一种基于逆量化/逆变换的无损压缩解码方法,首先在解码每帧头信息时,获取当前帧使用的量化参数;解码预测信息,得到当前帧的预测图像块;根据码流中当前帧图像块的位符号信息判断是否需要对当前帧图像块的进行逆量化和逆变换,如果需要,解码当前帧图像块系数C,并对C进行逆量化得到矩阵Y;对Y进行逆变换,得到当前帧图像块的第一次信息R;继续解码当前帧图像块二次信息,将两次信息相加得到当前帧图像块的最终信息;如果不需要则直接解码当前帧图像块系数做为当前帧图像块的最终信息;将当前帧图像块的预测图像块和最终信息相加得到当前帧重建图像块,极大的提高了无损压缩性能。
  • 一种基于量化变换无损压缩解码方法
  • [发明专利]基于深度神经网络的视频压缩方法-CN201710758241.6有效
  • 马展;陈彤;刘浩杰 - 南京大学
  • 2017-08-29 - 2019-09-20 - H04N19/42
  • 本发明公开了一种基于深度神经网络的视频压缩方法,步骤如下:收集并整理视频图像数据集,构建神经网络训练集、测试集和交叉验证集;建立多层的深度神经网络;对于帧间预测,利用运动估计算法寻找最佳匹配块,并计算和帧间预测的均方差;预测完成后将作为新的训练数据训练编码网络,网络模型包括帧内和帧间预测神经网络的输出数据经过量化和无损熵编码一起作为固定长度码流的压缩数据;解码端通过与编码端对称的神经网络将压缩数据还原
  • 基于深度神经网络视频压缩方法

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