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802025个,建议您升级VIP下载更多相关专利
  • [发明专利]一种信息查询方法、装置和电子设备-CN202111239758.7在审
  • 陈四伟;张冠南 - 联想(北京)有限公司
  • 2021-10-25 - 2022-01-04 - G06F16/901
  • 本申请提供了一种信息查询方法、装置和电子设备,包括:分析确定待查询的第一数据串在预设向量中对应的第一向量信息,当该第一向量信息与第二数据串的向量信息冲突时,将该第一数据串变换为与第二数据串差异更大的第三数据串,分析确定该第三数据串在预设向量中对应的第二向量信息,基于无数据串的向量信息与该第三数据串的第二向量信息冲突,确定查询到存储的第一数据串。本方案中,采用向量存储数据串,只需存储数据量很小的向量信息即可,节省内存空间,而且,采用变化后的数据串扩大与其他数据串的差异,基于数据串本身和变化后的数据串分别对应的向量进行双向存储,在查询时实现双向判断
  • 一种信息查询方法装置电子设备
  • [发明专利]一种利用光电计算阵列进行矩阵向量乘运算的方法-CN201910415830.3有效
  • 王瑶;陈轩;王宇宣 - 南京惟心光电系统有限公司
  • 2019-05-18 - 2023-01-17 - G06F17/16
  • 本发明公开了一种利用光电计算阵列进行矩阵向量乘运算的方法。该方法利用不含AD转换器的光电计算阵列,先将功能函数按照比特指数加权,再将权值矩阵映射到光电计算阵列中;然后将原有的输入向量按照比特展开,向量中的每一个元素仅包含1比特向量长度原有的向量长度乘上数据宽;将调整过的输入向量输入光电计算阵列中,与权值矩阵进行矩阵向量乘运算,每一列的输出结果经过比较器之后仅包含1比特,获得中间结果向量;最后将中间结果向量根据结果向量的数据宽,合并成最终的结果向量。本发明的矩阵向量乘运算方法,通过避免使用AD转换器,而是用比较器进行替代,从而减小了大量的功耗和面积。
  • 一种利用光电计算阵列进行矩阵向量运算方法
  • [发明专利]用于低密度奇偶校验编码的替换-CN202180095578.8在审
  • 刘巍;T·J·理查森;武良明;许昌龙;O·申塔尔;徐晧 - 高通股份有限公司
  • 2021-03-18 - 2023-10-27 - H04L1/00
  • 描述了用于无线通信的方法、系统和设备,以支持用一个或多个对应的奇偶校验集合替换一个或多个信息向量的值。第一无线设备可以使用信息向量的信息集合并且基于奇偶校验矩阵来用奇偶校验向量替换信息向量,这可以导致在编码期间在与奇偶校验矩阵的奇偶校验位列相对应的信息向量处生成信息集合。第一无线设备可以执行到第二无线设备的发送,第二无线设备可以接收该发送,将信息集合解码为与奇偶校验位列相对应的信息向量。第二无线设备可以用信息集合替换与信息位列相对应的向量的其它估计。
  • 用于密度奇偶校验编码替换
  • [发明专利]存储数据和从向量搜索索引取回数据-CN201680037378.6有效
  • M·J·霍普克罗夫特;R·L·古德温;D·V·德伊内科 - 微软技术许可有限责任公司
  • 2016-06-22 - 2021-05-25 - G06F16/22
  • 本文所描述的技术提供了在位向量搜索索引中存储和取回数据。向量搜索索引使用向量来存储关于来自文档的项目的数据。每个位向量包括的阵列,并且对应于不同的项目集合。向量中的每个位向量被用来表示文档是否包括来自项目集合的至少一个项目。条带表被用来为具有相似项目特性的项目条带存储位向量配置。每个项目根据针对其所属于的条带的向量配置而在位向量搜索索引中被索引。在标识针对项目的向量存储位置时,对于某些项目使用明确映射,并且对于其他项目使用自组织方式。明确映射提供针对项目的特定位置,而自组织方式使用被指派给条带的映射算法。
  • 存储数据向量搜索索引取回
  • [发明专利]无关提取方法及无关提取程序-CN200880112187.7有效
  • 宫濑纮平;温晓青;梶原诚司 - 国立大学法人九州工业大学
  • 2008-10-16 - 2010-09-08 - G01R31/3183
  • 本发明提供一种能够在保证因依次施加于组合电路的输入线的第一输入向量、第二输入向量而被敏化的组合电路内的路径的前提下,从第一输入向量、第二输入向量提取无关的无关提取方法及无关提取程序。所述无关提取方法是从第一输入向量(V1)、第二输入向量(V2)提取第一无关(X1)、第二无关(X2)的无关提取方法,所述第一输入向量(V1)、第二输入向量(V2)由0和1的逻辑值的组合构成,并被依次施加于进行了扫描设计的时序电路内的组合电路或单独的组合电路(10)的输入线,所述无关提取方法具有提取工序,该提取工序在保证因第一输入向量(V1)、第二输入向量(V2)的施加而被敏化的组合电路(10)内的一部分或者全部路径(Pi)的敏化的前提下,从第一输入向量(V1)、第二输入向量(V2)提取第一无关(X1)、第二无关(X2)。
  • 无关提取方法程序
  • [发明专利]基于支持向量机的剪接点识别方法-CN201210572684.3有效
  • 魏丹;姜青山;魏彦杰 - 中国科学院深圳先进技术研究院
  • 2012-12-25 - 2014-07-02 - G06F19/24
  • 本发明涉及一种基于支持向量机的剪接点识别方法,包括:构建数据集,数据集包括训练数据集及测试数据集;提取训练数据集的剪接点序列的特征向量,记为第一特征向量;提取训练数据集的剪接点上游序列及下游序列的特征向量,记为第二特征向量;根据第一特征向量及第二特征向量选取所述训练数据集的特征向量,记为第三特征向量;根据第三特征向量,构建SVM分类器;根据分类器识别所述测试数据集的剪接点。本发明采用训练数据集构建马尔可夫模型,用该模型参数将训练数据集及测试数据集转换成特征向量,并将该特征向量和剪接点上、下游密码子使用偏性的特征向量,进行线性组合,以提取剪接点邻近序列中更多信息,从而提高分类精度
  • 基于支持向量剪接识别方法
  • [发明专利]一种测试失效的测试向量的定位方法-CN202110089974.1在审
  • 蔺华妮;王磊 - 上海华虹宏力半导体制造有限公司
  • 2021-01-22 - 2021-05-07 - G11C29/18
  • 本发明提供的一种测试失效的测试向量的定位方法,包括以下步骤:将测试向量集分成多个逻辑分段,并在部分逻辑分段前加入虚拟标记向量,虚拟标记向量后的第一个测试向量为起始测试向量;将具有虚拟标记向量的逻辑分段的测试向量加载到待测器件上完成测试,并将测试结果在位图中示出;以及通过起始测试向量的位置计算出逻辑分段中测试结果失效的测试向量在测试向量集中的地址。本发明通过虚拟标记后的起始测试向量的位置计算出逻辑分段中测试结果失效的测试向量在测试向量集中的地址,实现了定位了失效的测试向量在测试向量集中的位置,使得调试的工作可以很容易的进行。
  • 一种测试失效向量定位方法
  • [发明专利]具有完整性校验的错误检测和纠正-CN202080037217.3在审
  • J·S·富勒 - 微软技术许可有限责任公司
  • 2020-04-16 - 2022-01-07 - H03M13/19
  • 一种方法,包括使用单错误纠正和双错误检测(SECDED)码来首先处理数据向量值和完整性向量值两者以生成校验值,其中SECDED码被配置为允许以下两者:(1)数据向量值中的单个错误的检测和纠正,或(2)不可纠正错误的指示,其中不可纠正错误对应于数据向量值中的多于单个错误,或对应于完整性向量值中的单个错误或多位错误。该方法还包括其次处理校验值,并针对数据向量值中的多于单个错误或完整性向量值中的单个错误或多位错误指示不可纠正的错误。
  • 具有完整性校验错误检测纠正
  • [发明专利]车辆预测方法及装置-CN202210127296.8在审
  • 闫军;阳平;王艳清 - 超级视线科技有限公司
  • 2022-02-11 - 2022-05-20 - G06V20/52
  • 车辆预测方法包括:根据多个相机点与节点关系,构建相机点位图;基于相机点位图,获取监控系统中车辆被抓拍历史记录,形成多个相机点序列;根据多个相机点序列,构建向量化模型训练集,并根据向量化模型训练集,训练形成向量化模型;根据向量化模型,对相机点位图中每个相机点进行特征向量化,获得多个点特征向量;根据多个点特征向量,构建点预测模型训练集,并根据点预测模型训练集,训练形成点预测模型;根据点预测模型,对车辆在下一时刻出现的相机点进行预测。通过车辆预测方法,避免了采用人工分析方式,不会漏掉车辆可能出现的相机点,可以用于车辆查询和停车异常检测等实际应用环境中。
  • 车辆预测方法装置

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