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9162498个,建议您升级VIP下载更多相关专利
  • [发明专利]结合句法结构关系和领域特征的领域问题分类方法-CN200810058667.1无效
  • 余正涛;孟祥燕;韩露;毛存礼;车文刚 - 昆明理工大学
  • 2008-07-10 - 2008-12-10 - G06F17/30
  • 本发明涉及一种结合句法结构关系与领域特征的领域问题分类方法,包括下列步骤:领域术语收集,特定领域问题分类体系定义,对问题进行句法结构分析,提取句子主干,结合句子主干和领域词汇项作为问题的分类特征,采用改进贝叶斯分类算法构建问题分类模型,特定领域问题分类训练语料库和测试语料库构建,特定领域问题分类器构建。由于问题分类是问答系统中一个非常重要的步骤,是制定答案抽取策略和定位答案的关键因素,因此通过本发明,即在句法结构分析的基础上,结合领域特点,选取句子主干和领域词汇作为分类特征,采用改进贝叶斯分类学习算法,构造问句分类模型,并在云南旅游领域进行问题分类实验,结果表明该方法有效,提高了领域问题分类的准确率,从而能够高效,快速、准确地为用户提供咨询服务。
  • 结合句法结构关系领域特征问题分类方法
  • [发明专利]基于领域泛化学习的图像分类方法-CN202310325449.4在审
  • 吴永贤;张琴;钟灿琨;张建军 - 华南理工大学
  • 2023-03-30 - 2023-07-18 - G06V10/764
  • 本发明公开了一种基于领域泛化学习的图像分类方法,包括:将目标域数据和源域数据与两者对应的标签信息记录在目标域数据集DT和源域数据集DS中;使用卷积神经网络Mobile V2构建领域鉴别器,生成领域分数;对领域泛化网络模型中基本ResNet网络进行改进,并构建混合域注意力;使用局部最大灵敏度代替局部随机灵敏度;构建损失函数,训练并优化网络模型;将训练好的领域泛化网络模型在目标域数据集DT上计算图像分类准确率,评判当前网络模型的图像分类能力和泛化能力。本发明缓解了深度领域泛化方法普遍出现的由于虚假的相关性带来的负迁移问题,增强网络模型泛化能力,提高了图像分类准确率,进一步可以实现更灵活和精确的下游应用。
  • 基于领域泛化学习图像分类方法
  • [发明专利]一种基于领域对抗自适应的跨领域文本情感分类方法-CN201811263266.X有效
  • 贾熹滨;曾檬;史佳帅;刘洋;苏醒;郭黎敏 - 北京工业大学
  • 2018-10-28 - 2022-03-15 - G06F16/35
  • 本发明公开了一种基于领域对抗自适应的跨领域文本情感分类方法,该方法包括:输入源领域和目标领域样本的词向量矩阵、类别标签和领域标签;利用基于卷积神经网络的特征提取模块,提取样本的低层特征;在主任务模块构建基于源领域和目标领域分布一致性的约束,将低层样本映射到再生核希尔伯特空间,学习具有可转移性的高层特征;将源领域的高层特征输入类别分类器,在减小领域差异的基础上,保证分类器对样本具备类别判别性;在辅助任务模块构建基于对抗学习的领域不变性约束,将低层特征输入具有对抗性质的领域分类器,令分类器尽可能无法判别样本所属领域,从而提取具有领域不变性的高层特征,有效解决了源领域分类器到目标领域的迁移问题。
  • 一种基于领域对抗自适应文本情感分类方法
  • [发明专利]基于细粒度领域自适应的跨领域图像分类方法及系统-CN202010025566.5有效
  • 朱勇椿;庄福振;何清 - 中国科学院计算技术研究所
  • 2020-01-10 - 2023-09-26 - G06V10/764
  • 本发明提出一种基于细粒度领域自适应的跨领域图像分类方法及系统,包括:依次输入源领域图片和目标领域图片至卷积神经网络,分别得到源领域图片的源特征向量和目标领域图片的目标特征向量;依次输入源特征向量和目标特征向量至多层全连接层,在每个全连接层使用局部最大均值差异损失衡量源领域和目标领域的特征差异,将源特征向量经过多层全连接层处理后送入分类器获得预测标签,预测标签结合预标记的类别标签得到交叉熵,交叉熵和特征差异作为分类损失函数;最小化分类损失函数,直到分类损失函数收敛,保存当前卷积神经网络作为图像特征提取网络,将目标领域中待分类图片输入至图像特征提取网络,得到待分类图片的图像分类结果。
  • 基于细粒度领域自适应图像分类方法系统
  • [发明专利]领域文本分类模型的训练方法、分类方法和装置-CN202211435736.2在审
  • 桑杲 - 中移(苏州)软件技术有限公司;中国移动通信集团有限公司
  • 2022-11-16 - 2023-06-16 - G06F16/35
  • 本发明公开了一种跨领域文本分类模型的训练方法、分类方法和装置,其中方法包括:获取源域和目标域的两种样本集,分别输入到表征学习器中,得到各样本的局部嵌入信息和全局嵌入信息;将各个局部嵌入信息和全局嵌入信息进行融合,分别得到对应的深层语义特征;根据第一深层语义信息确定分类器损失和第一标签,根据第二深层语义信息得到第二标签;根据各深层语义信息和领域鉴别器,确定域对抗损失;通过不同域的文本图样本之间的差异,确定类对齐损失;进行迭代更新训练,优化分类器损失、类对齐损失和域对抗损失,直到满足训练结束条件,确定跨领域文本分类模型。通过上述方式,本发明实现了模型由源域向目标域的迁移,提高了文本分类的精确度。
  • 领域文本分类模型训练方法装置
  • [发明专利]基于特征解耦的领域泛化和领域自适应血细胞分类方法-CN202210487255.X在审
  • 张辉;陈天才;陈煜嵘;曹意宏;刘立柱;袁小芳;王耀南 - 湖南大学
  • 2022-05-06 - 2023-04-07 - G06V10/764
  • 本发明具体公开了一种基于特征解耦的领域泛化和领域自适应血细胞分类方法,所述方法包括以下步骤:S1、搭建深度神经网络血细胞分类模型;S2、构建孪生网络特征解耦模块;S3、预处理源域血细胞图像,并将源域血细胞图像与预处理后的源域血细胞图像一并输入孪生网络特征解耦模块中进行训练;S4、将孪生网络特征解耦模块的两个输出批量归一化处理,并利用KL散度对齐两个输出的风格信息和内容信息,进而通过预定义的分类损失函数进行分类模型优化;S5、对目标域的血细胞测试样本进行预测分类。本发明采用对比学习方法,有效减少了网络模型的训练时间,提高了血细胞图像的分类精度和泛化性能,提升了面对实际复杂条件下血细胞图像的检测性能。
  • 基于特征领域泛化自适应血细胞分类方法

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