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24993848个,建议您升级VIP下载更多相关专利
  • [发明专利]基于神经网络的预测方法及系统-CN201510810308.7在审
  • 雍珊珊;王新安;郭到鑫;商亚洲;彭然 - 北京大学深圳研究生院
  • 2015-11-20 - 2016-04-06 - G06N3/02
  • 本申请涉及基于神经网络的预测方法及系统,包括按照常规神经网络预测算法常规神经网络分类算法对训练数据分别进行训练,分别得到预测模型分类模型;将测试数据分别输入预测模型分类模型,分别得到预测结果分类结果;根据所述预测结果所述分类结果的区间关系,确定所述预测结果的正确性;在确定出所述预测结果正确后,输出按所述预测模型预测预测结果。本申请通过采用常规ANN预测算法与分类算法相结合,相互印证,筛选出不一致的结果,由此得到合适的预测模型,从而可以提高预测结果的准确性,并使得即使只有少量训练样本,由于结合了分类算法得到的分类结果予以判断
  • 基于神经网络预测方法系统
  • [发明专利]基于支持向量机的预测方法及系统-CN201510811705.6在审
  • 雍珊珊;王新安;郭到鑫;商亚洲;彭然 - 北京大学深圳研究生院
  • 2015-11-20 - 2016-03-23 - G06K9/62
  • 本申请涉及基于支持向量机的预测方法及系统,包括按照常规支持向量机预测算法常规支持向量机分类算法对训练数据分别进行训练,分别得到预测模型分类模型;将测试数据分别输入预测模型分类模型,分别得到预测结果分类结果;根据所述预测结果所述分类结果的区间关系,确定所述预测结果的正确性;在确定出所述预测结果正确后,输出按所述预测模型预测预测结果。本申请通过采用常规SVM预测算法与分类算法相结合,相互印证,筛选出不一致的结果,由此得到合适的预测模型,从而可以提高预测结果的准确性,并使得即使只有少量训练样本,由于结合了分类算法得到的分类结果予以判断
  • 基于支持向量预测方法系统
  • [发明专利]一种光伏发电功率预测方法、装置及系统-CN201711328990.1有效
  • 王平玉;翁捷;胡琼 - 阳光电源股份有限公司
  • 2017-12-13 - 2021-12-10 - G06Q10/04
  • 本发明提供一种光伏发电功率预测方法、装置及系统,首先对光伏电站的数据进行接收预处理;然后将q种分类p种预测器进行两两组合;再根据处理后的数据,求取各个组合下不同分类器参数所对应的预测结果预测精度;最后输出最佳预测精度的预测结果。其中的分类预测器均包括多种种类,且对于分类预测器的各个组合下的不同分类器参数,均做了相应的预测结果预测精度的计算,使其预测精度不再受限于单一分类单一预测器的固定配合方式,规避了现有技术中单一预测单一分类器带来的预测结果不理想的情况
  • 一种发电功率预测方法装置系统
  • [发明专利]一种超短期辐照度预测方法及装置-CN202310813041.1在审
  • 姜华;胡琼;翁捷 - 阳光电源股份有限公司
  • 2023-06-30 - 2023-10-13 - G06Q10/04
  • 本发明公开了一种超短期辐照度预测方法及装置。该预测方法包括:获取用于对地基云图进行分类分类模型、用于预测地基云图的预测模型、当前时刻的地基云图历史时刻的地基云图;其中,所述历史时刻的地基云图包括多个不同时刻的地基云图;所述分类模型包含地基云图、时间与辐照度的匹配关系;将所述当前时刻的地基云图所述历史时刻的地基云图,输入所述预测模型获取预测地基云图;其中,所述预测地基云图为未来某时刻的地基云图;基于所述分类模型,对所述预测地基云图进行分类匹配;根据匹配到的分类结果确定预测辐照度。本发明实施例基于预测模型分类模型对超短期辐照度进行预测,提高了超短期辐照度预测预测精度。
  • 一种短期辐照预测方法装置
  • [发明专利]图像类别预测方法装置-CN201911164132.7有效
  • 闫桂霞;王瑞琛;王晓利 - 腾讯科技(深圳)有限公司
  • 2019-11-25 - 2021-03-23 - G06K9/62
  • 本申请实施例提供了一种图像类别预测方法装置,本申请实施例可以获取待分类图像;通过第一分类网络对所述待分类图像进行分类,得到所述待分类图像的参考类别;通过第二分类网络对所述待分类图像进行分类,得到所述待分类图像的预测类别集合,其中,所述预测类别集合包括多个预测类别,所述多个预测类别根据预测类别对应的预测概率排列;确定所述参考类别在所述预测类别集合中的目标排列位置;基于所述目标排列位置对所述预测类别的排列顺序进行调整,得到调整后的预测类别集合;基于所述调整后的预测类别集合获取所述待分类图像的类别预测结果,本方案可以有效地提高图像类别预测的准确性。
  • 图像类别预测方法装置
  • [发明专利]视频质量预测方法装置及电子设备-CN201911149140.4有效
  • 李马丁;王斌;钱立辉;章佳杰;郑云飞;于冰 - 清华大学;北京达佳互联信息技术有限公司
  • 2019-11-21 - 2020-12-29 - H04N21/234
  • 本公开提供一种视频质量预测方法装置及电子设备,包括:从视频流采集包括多个视频块的视频包,根据视频流标签确定视频包的失真分类标签或非失真分类标签;根据对视频包的标注结果确定视频包的评分值;将视频包的多个视频块作为训练数据输入分类预测模型,利用分类预测模型进行分类预测评分值预测,以输出该视频包的失真分类标签、非失真分类标签评分值为目标进行分类预测模型的参数调整;利用参数调整结束后得到的质量预测模型,对从待质量预测的视频流中采集的视频包进行分类预测分数预测本公开可以解决现有的视频质量评价方法不区分均匀失真非均匀失真的问题,对于非均匀失真的视频质量评价结果更准确。
  • 视频质量预测方法装置电子设备
  • [发明专利]分类可靠性预测方法装置-CN201310052243.5有效
  • R·里诺特;N·斯洛宁;A·埃胡德 - 国际商业机器公司
  • 2013-02-18 - 2013-08-21 - G06Q10/04
  • 本发明涉及一种分类可靠性预测方法装置。提供了对分类可靠性预测有用的方法、装置产品。所述方法是一种由处理器执行的计算机实现的方法,所述方法包括:获得由分类器工具对数据集的标记进行的预测,其中所述分类器工具旨在根据分类模型并考虑定义所述数据集的一组特性来预测所述标记;根据可靠性分类器工具获得与所述分类器工具的所述预测相关的可靠性标记的可靠性预测,其中所述可靠性分类器工具旨在根据分类模型并考虑第二组特性来预测所述可靠性标记;以及向用户输出所述标记预测关联的可靠性预测
  • 分类可靠性预测方法装置
  • [发明专利]电力管理装置-CN202080024341.6在审
  • 平田阳介;奥村悠太;西田义人 - 三菱电机株式会社
  • 2020-03-31 - 2021-11-09 - G06Q50/06
  • 本发明的电力管理装置包括实绩信息分类部(101)预测信息计算部(102)。实绩信息分类部(101)利用分类设定信息从与电力需求实绩信息所包含的各个电力需求相对应关联的日期属性信息环境信息中导出电力需求实绩信息的分类结果,并将导出的分类结果与各个电力需求实绩信息相对应关联。预测信息计算部(102)使用进行预测的日期即预测对象日的日期属性信息、以及预测对象日的预测开始前所测定的环境信息,利用分类设定信息来导出预测对象日的分类结果,并基于与预测对象日的分类结果对应的电力需求实绩信息的电力需求,来对预测对象日的电力需求进行预测
  • 电力管理装置
  • [发明专利]目标检测方法、装置、设备存储介质-CN202310251377.3有效
  • 李林超;周凯;温婷 - 浙江啄云智能科技有限公司
  • 2023-03-16 - 2023-06-06 - G06V10/764
  • 本发明公开了一种目标检测方法,包括:通过待训练教师模型待训练学生模型,分别对样本图像中的待检测目标进行目标检测,得到教师预测框、教师预测分类信息、学生预测学生预测分类信息;根据教师预测框、学生预测框、教师预测分类信息、学生预测分类信息、样本图像的标注框标注分类信息,确定分类损失;根据教师预测框、学生预测标注框,分别确定指导损失函数被指导损失函数,并确定指导目标被指导目标,提取指导特征被指导特征;根据指导特征被指导特征,确定蒸馏损失;根据分类损失和蒸馏损失,确定对待检测图像进行目标检测的目标检测模型;目标检测模型用于对待检测图像进行目标检测。
  • 目标检测方法装置设备存储介质

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