“交叉熵”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235185个，建议您升级VIP下载更多相关专利

[发明专利]机器学习中的迁移学习方法及装置、设备与可读介质-CN201910820648.6在审
发明人：李兴建;熊昊一;浣军 -专利权人：北京百度网讯科技有限公司
申请日： 2019-08-29 - 公布日： 2020-01-03 - 主分类号： G06K9/62 文献下载
摘要：其方法包括：根据目标任务要实现的分类的数量以及已训练好的源模型，构造目标模型；基于所述目标任务的训练数据集中的各组训练数据，获取对应的所述目标模型的正则化损失函数的值和所述目标模型的交叉熵损失函数的值；根据所述各组训练数据对应的所述正则化损失函数的值和所述交叉熵损失函数的值，采用梯度下降法更新所述目标模型中的参数，实现对所述目标模型的训练。
目标模型损失函数训练数据交叉熵源模型正则化机器学习可读介质训练效果下降法有效地迁移分类更新学习

[发明专利]一种多图融合方法-CN201911044229.4在审
发明人：张伟;赵海燕;金芝 -专利权人：北京大学
申请日： 2019-10-30 - 公布日： 2020-02-04 - 主分类号： G06F16/901 文献下载
摘要：将其中的每一个被融合图转化为一个节点具有类型、边具有类型、边具有方向的被融合图，作为后继处理活动的输入，采用随机方式生成一组多图融合方案，作为初始父代种群，对于初始父代种群中的多图融合方案，计算多图融合方案的信息熵，多图融合方案的信息熵形成多图融合方案的适应度，对于两个待交叉的多图融合方案，选取两者之间的一条最短编辑路径上的某个点作为这两个融合方案的一个交叉结果，实现同时对多个图进行融合，并提高多图的融合质量。
融合信息熵父代种群预处理后继处理随机方式适应度转化

[发明专利]一种基于语义约束生成对抗网络的行人再识别方法-CN201911168390.2在审
发明人：刘爽;司统振;郝晓龙;张重 -专利权人：天津师范大学
申请日： 2019-11-25 - 公布日： 2020-05-08 - 主分类号： G06K9/00 文献下载
摘要：该方法包括：构建语义约束生成对抗网络；将训练集中真实的行人图像输入语义约束生成对抗网络以对其进行优化；根据行人目标镜头标签，生成不同风格的行人图像；构建行人图像特征深度学习网络；基于生成的行人图像，利用软标签交叉熵损失计算行人图像损失值，基于真实的行人图像，利用交叉熵损失计算真实图像损失值；结合两种损失值，共同优化图像特征深度学习网络，以进行行人识别。
一种基于语义约束生成对抗网络行人识别方法

[发明专利]一种基于双梯度的弱监督目标定位方法及装置-CN202110367847.3在审
发明人：薛松;罗情平;侯飞;师帅;王曙;徐磊;孟彤;李乾 -专利权人：中车青岛四方车辆研究所有限公司
申请日： 2021-04-06 - 公布日： 2021-07-16 - 主分类号： G06K9/20 文献下载
摘要：训练原始深度学习分类模型，得到深度学习模型；图像数据集包括多个图像数据和标注向量，深度学习模型输出卷积特征图、多个类别和每个类别的概率向量；根据类别、概率向量和每个类别的标注向量，计算概率向量与标注向量的交叉熵损失；计算交叉熵损失关于卷积特征图的第一梯度；根据第一梯度对卷积特征图进行信息增强，得到类别信息增强图；计算概率向量关于卷积特征图的第二梯度；根据类别信息增强图和第二梯度，计算定位图；根据定位图和预设的阈值
一种基于梯度监督目标定位方法装置

[发明专利]使用特征概率分布表示的智能包装质量检测方法-CN202110155160.3在审
发明人：任路莹 -专利权人：广州德启电子科技有限公司
申请日： 2021-02-04 - 公布日： 2021-06-15 - 主分类号： B65B57/02 文献下载
摘要：在检测的过程中，首先获取待检测的面膜袋图像；然后，将面膜袋图像通过深度卷积神经网络以获得多个浅层特征图和深度特征图；接着，分别计算浅层特征图和深层特征图中的各个位置的特征值在整个特征空间中的概率分布，再基于交叉熵的原理，计算浅层特征分布相对于深层特征分布的交叉熵，从而作为用于对浅层特征图加权的加权系数，可以有效地融合浅层特征和深层特征；最终，将融合特征图通过分类器，以获得用于表示待检测的面膜袋是否为空袋的分类结果，这样能利于提高分类的准确性
使用特征概率分布表示智能包装质量检测方法

[发明专利]一种基于深度卷积神经网络的遥感图像雪检测方法-CN202011523945.3在审
发明人：谭海;周晓青;雷兵;黄小贤;刘祺;随欣欣;韩晓彤;王晶晶;徐航;梁雪莹;马天浩;吴雅男;李天琪 -专利权人：自然资源部国土卫星遥感应用中心
申请日： 2020-12-22 - 公布日： 2021-04-02 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于深度卷积神经网络的多尺度特征融合的雪检测方法，包括以下步骤：使用多尺度特征融合方法提取图像的基础深度特征；将提取的基础深度特征经过特征融合，恢复原始图像分辨率信息，生成检测结果；综合交叉熵损失和均方误差损失作为损失函数训练网络本发明设计合理，充分考虑了局部信息以及全局信息，在网络中的特征提取端添加了多尺度提取路径，网络的输出是与原图像分辨率大小一致的检测图，降低计算成本和参数数目，使用图像已有的标签计算检测准确率，综合交叉熵损失和均方误差损失作为损失函数训练网络
一种基于深度卷积神经网络遥感图像检测方法

[发明专利]用于加热装置的石墨烯电热膜接触检测方法-CN202011519278.1在审
发明人：陈文戈 -专利权人：南京美漾网络科技有限公司
申请日： 2020-12-21 - 公布日： 2021-03-12 - 主分类号： G06T7/00 文献下载
摘要：所述训练图像为已知石墨烯电热膜的接触状态下的、在外力作用下所述加热装置的保护层的截面图像；将所述训练图像通过卷积神经网络获得训练特征图；将所述训练特征图通过分类器以获得分类损失函数值；计算所述外力的数值的标签向量与所述训练特征图之间的交叉熵损失函数值；以及，基于所述分类损失函数值和所述交叉熵损失函数值的加权和训练所述卷积神经网络。
用于加热装置石墨电热接触检测方法

[发明专利]一种公共安全视频监控评价体系的权重分布优化方法-CN202011355006.2在审
发明人：马韵洁;林亮;刘琼;张敬锋;范联伟;莫申林;许瑞;张春健;张谦;刘畅;张伟;王艳;杨超 -专利权人：安徽四创电子股份有限公司
申请日： 2020-11-26 - 公布日： 2021-03-16 - 主分类号： G06Q10/06 文献下载
摘要：首先检验评价结果预期得分的合理性，判断能否通过评价体系的权重优化达到预期得分，若预期得分满足合理性要求则设定关于评价结果的误差许可区间，即基于评价结果的预期得分设定实际得分的许可区间，然后构建关于评价结果的交叉熵代价函数，并根据梯度下降法调整指标权重，将权重归一化后，重新计算评价结果，若实际得分不在误差许可区间内，则再一次按照梯度下降法调整指标权重，以交叉熵函数为代价函数，可使得权重分布调整幅度与评价结果的误差成正比，
一种公共安全视频监控评价体系权重分布优化方法

[发明专利]基于时间关联图像序列的目标图像区域子序列分离方法-CN202011305431.0在审
发明人：胡珂立;彭华;赵利平;范恩;余冬华;祝汉灿;沈士根;冯晟 -专利权人：绍兴文理学院
申请日： 2020-11-20 - 公布日： 2021-03-16 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了基于时间关联图像序列的目标图像区域子序列分离方法，包括获取目标图像区域的初始图像：根据图像目标初始跟踪决策算法获取目标图像区域的初始图像；获取目标图像区域的终止图像：依次对每一帧图像及该帧后连续N帧图像，计算目标图像区域的中智度量同理想中智度量的交叉熵及相似度，按照交叉熵越大、且相似度越小，当前帧后第N帧待判断图像越可能为终止图像的原则，获取目标图像区域的终止图像；获取目标图像区域的初始图像与终止图像、及其之间的图像作为目标图像区域子序列。
基于时间关联图像序列目标区域分离方法

[发明专利]一种结肠镜图像序列肠息肉区域的跟踪初始化决策系统-CN202011224652.5在审
发明人：胡珂立;胡晓昭;彭华;赵利平;范恩;余冬华;祝汉灿;沈士根 -专利权人：绍兴文理学院
申请日： 2020-11-05 - 公布日： 2021-01-29 - 主分类号： G06T7/215 文献下载
摘要：包括肠息肉区域信息获取模块、肠息肉区域判定模块、目标关联区域判定模块、目标肠息肉区域中智集建模模块、和目标肠息肉区域跟踪初始化判决模块；通过对目标肠息肉区域进行中智集建模，并计算目标肠息肉区域的中智度量同理想中智度量的交叉熵，按照交叉熵越小越可能是真实肠息肉的原则，对目标肠息肉区域进行跟踪初始判决，判断为需要实施跟踪，则加入到正在跟踪的肠息肉区域集合中处理。
一种结肠图像序列息肉区域跟踪初始化决策系统

[发明专利]一种人工神经网络到脉冲神经网络的映射方法-CN202110651765.1在审
发明人：刘洋;王雅迪;钱堃;王俊杰;于奇 -专利权人：电子科技大学
申请日： 2021-06-11 - 公布日： 2021-10-01 - 主分类号： G06N3/08 文献下载
摘要：再使用最佳量化位数重复量化过程，设定脉冲化量化最大值，使用交叉熵评估量化前和量化后的序列相似性。得出交叉熵最小的最大值后，完成脉冲神经网络的脉冲化，最终实现从人工神经网络到脉冲神经网络的映射。
一种人工神经网络脉冲映射方法

[发明专利]一种智能合约漏洞检测方法、系统、设备、介质、终端-CN202110862144.8在审
发明人：董学文;田文生;沈玉龙;丛雅倩;张元玉;杨凌霄;徐扬;郭校杰;习宁 -专利权人：西安电子科技大学
申请日： 2021-07-29 - 公布日： 2021-11-09 - 主分类号： G06F21/57 文献下载
摘要：将所有类测试数据分为支持集和测试集，使用支持集数据输入已训练好的模型，获得每种新漏洞类型对应的全连接网络参数；将已有漏洞类型和新漏洞类型对应的全连接网络参数作为网络节点，使用图注意力网路建立观察旁路；使用测试集计算，并预测结果的计算交叉熵损失；使用交叉熵损失对观察旁路中的图注意力网络进行参数更新，并继续训练下一批新的数据集。
一种智能合约漏洞检测方法系统设备介质终端

[发明专利]数据蒸馏的方法、装置、电子设备和存储介质-CN202110994122.7在审
发明人：李雨杭;龚睿昊;沈明珠;余锋伟;路少卿 -专利权人：北京市商汤科技开发有限公司
申请日： 2021-08-27 - 公布日： 2021-12-07 - 主分类号： G06K9/62 文献下载
摘要：基于每一所述预训练模型中的第一统计信息，确定每一批所述第一蒸馏数据在相应预训练模型中的批归一化统计损失；基于每一批所述第一蒸馏数据中每一数据的初始化标签，确定每一批所述第一蒸馏数据在每一所述预训练模型中的目标交叉熵损失；基于每一批所述第一蒸馏数据在每一所述预训练模型中的批归一化统计损失和所述目标交叉熵损失，对每一批所述第一蒸馏数据进行反向传播训练，得到目标蒸馏数据。
数据蒸馏方法装置电子设备存储介质

[发明专利]一种基于注意力机制的无监督目标重识别方法及系统-CN202111204633.0在审
发明人：魏志强;张文锋;黄磊 -专利权人：中国海洋大学
申请日： 2021-10-15 - 公布日： 2022-01-11 - 主分类号： G06V20/52 文献下载
摘要：将所述通道注意力机制和空间注意力机制加入至基准卷积神经网络模型，以获取初始的目标重识别模型；基于已知身份标签的第一源数据集和未知身份标签的第二源数据集对当前的目标重识别模型进行有监督训练和无监督训练，确定交叉熵损失和无监督损失；根据所述交叉熵损失和无监督损失，使用梯度下降算法对当前的目标重识别模型进行优化，并不断迭代，直至损失变化值小于预设损失变化阈值或达到预设得迭代次数时，确定当前的目标重识别模型为最优目标重识别模型；基于所述最优目标重识别模型进行目标重识别
一种基于注意力机制监督目标识别方法系统

[发明专利]一种基于多任务学习的音频事件检测方法及系统-CN202111153760.2在审
发明人：冷严;刘祯;路安芹;李登旺;孙建德;王荣燕 -专利权人：山东师范大学
申请日： 2021-09-29 - 公布日： 2022-01-11 - 主分类号： G10L25/51 文献下载
摘要：得到待检测音频片段中的音频事件；所述音频事件检测模型训练的过程包括：根据音频片段中的每个音频帧，得到音频片段中所有帧在音频事件检测输出层的输出值与在音频事件类型个数分类输出层的输出值，基于在音频事件检测输出层的输出值求得交叉熵和，基于在音频事件类型个数分类输出层的输出值求得差值平方和；采用交叉熵和与差值平方和构造损失函数，训练音频事件检测模型，得到训练好的音频事件检测模型。
一种基于任务学习音频事件检测方法系统

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