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461899个,建议您升级VIP下载更多相关专利
  • [发明专利]样本确定方法及装置-CN202310099228.X在审
  • 刘志恒;朱凯;郑可成;冯睿蠡;刘宇;赵德丽 - 阿里巴巴(中国)有限公司
  • 2023-01-28 - 2023-06-02 - G06F18/2415
  • 本说明书实施例提供样本确定方法及装置,其中样本确定方法包括:获取待处理样本合,其中,待处理样本合包括第一初始样本合和第二初始样本合,第二初始样本合中第二初始样本的数量大于第一初始样本合中第一初始样本的数量;确定待处理样本合中第一初始样本和第二初始样本分别对应的采样概率;基于采样概率在待处理样本合中对第一初始样本和第二初始样本分别进行采样,获得第一初始样本对应的第一待确定样本和第二初始样本对应的第二待确定样本,其中,第一待确定样本的数量与第二待确定样本的数量相同;对第一待确定样本和第二待确定样本进行数据增强,获得目标样本合。
  • 样本确定方法装置
  • [发明专利]模型训练方法及装置-CN202310244801.1在审
  • 陈子祺 - 北京银行股份有限公司
  • 2023-03-14 - 2023-05-26 - G06F18/214
  • 其中,该方法包括:获取初始训练样本,其中,初始训练样本中包括多组初始训练样本,每组初始训练样本中包括:目标对象的银行个人信息;采用虚拟样本生成算法对初始训练样本进行模拟,生成初始训练样本的第一虚拟样本,并将第一虚拟样本添加至初始训练样本中,得到目标训练样本;基于预设的分类器对目标训练样本进行划分,得到用于训练目标模型的正类样本和负类样本;通过正类样本和负类样本对目标模型进行训练,得到训练后的目标模型
  • 模型训练方法装置
  • [发明专利]翼柱形固体火箭发动机装药可靠性分析方法、设备及介质-CN202310206523.0有效
  • 韩旭;张德权;武泽平;孟原;王大鹏;张为华 - 河北工业大学
  • 2023-03-07 - 2023-06-13 - G06F30/15
  • 本申请公开有一种翼柱形固体火箭发动机装药可靠性分析方法,其特征在于,包括如下步骤:从初始设计空间中生成初始建模样本,基于初始建模样本初始响应集,构建翼柱形固体火箭发动机装药可靠性分析功能函数的初始分析模型;从初始设计空间中生成初始迭代样本,以初始分析模型筛选初始迭代样本,得到潜在失效集;根据潜在失效集,划分初始设计空间为多个超球环状潜在失效域;并,从多个超球环状潜在失效域中生成多个备选样本点,构成备选样本;以初始分析模型筛选备选样本,得到更新样本点;基于更新样本点更新初始分析模型,得到更新分析模型;从初始设计空间中生成测试样本,以更新分析模型预测测试样本,计算失效概率。
  • 翼柱形固体火箭发动机可靠性分析方法设备介质
  • [发明专利]文本语料的处理方法、装置、设备及存储介质-CN202010951127.7在审
  • 王子丰;文瑞;陈曦 - 腾讯科技(深圳)有限公司
  • 2020-09-11 - 2020-12-11 - G06F16/36
  • 所述方法包括:采用设定召回参数获取初始的训练样本,所述初始的训练样本中包括至少一个训练样本;基于初始的训练样本中目标训练样本的影响函数,确定目标训练样本的重要性指标;根据初始的训练样本中各个训练样本的重要性指标,从初始的训练样本中选取重要性指标满足条件的训练样本,得到关系抽取模型的采样后的训练样本,采样后的训练样本用于对关系抽取模型进行训练。本申请中,能够快速准确地从初始的训练样本中获取采样后的训练样本,保证采样后的训练样本的可信度,提高训练出的关系抽取模型的准确性。
  • 文本语料处理方法装置设备存储介质
  • [发明专利]歌曲合成模型的训练方法和装置、歌曲合成方法和装置-CN202210916863.8在审
  • 张泽旺 - 腾讯科技(深圳)有限公司
  • 2022-08-01 - 2022-11-01 - G10L13/02
  • 本申请涉及一种人工智能的歌曲合成模型的训练方法,包括:获取初始样本初始样本包括多种声源的初始样本初始样本包括录制音频、录制音频的源歌词时长信息和录制音频的源乐谱信息;基于对初始样本中录制音频的音频变换进行样本增广,获得增广样本,增广样本的增广样本包括经过音频变换得到的增广音频、增广音频的增广歌词时长信息和增广音频的增广乐谱信息;根据初始样本和增广样本进行模型预训练,获得歌曲合成初始模型;获取目标声源的音频,基于目标声源的音频提取音色特征;基于音色特征对歌曲合成初始模型进行训练,获得歌曲合成模型。
  • 歌曲合成模型训练方法装置
  • [发明专利]一种基于入侵检测模型的样本预测方法、装置及电子设备-CN201710463676.8有效
  • 姚海鹏;付丹阳;章扬;张培颖;王露瑶;殷志强 - 北京邮电大学
  • 2017-06-19 - 2020-06-05 - H04L12/24
  • 本发明实施例提供了一种基于入侵检测模型的样本预测方法、装置及电子设备,方法包括:对初始训练样本中的样本进行聚类,得到第一簇,针对每个第一簇,如果其内的全部样本都属于同一个类别,则将该第一簇中的样本从该初始训练样本中抽离,并标记该第一簇的类别为:该第一簇中的任一有标记样本的类别;获得目标训练样本、目标入侵检测模型以及初始测试样本,针对初始测试样本中的每个样本,判断是否将其从所述初始测试样本中抽离;获得由初始测试样本中未被抽离的样本组成的目标测试样本;并利用目标入侵检测模型,对目标测试样本中的每个样本进行类别预测。应用本发明实施例提供的方案进行样本预测时,提高了样本预测的准确度。
  • 一种基于入侵检测模型样本预测方法装置电子设备
  • [发明专利]一种遥感样本的自动标注方法-CN202310555646.5在审
  • 贾若愚;李洁;段红伟;邹圣兵 - 北京数慧时空信息技术有限公司
  • 2023-05-17 - 2023-08-08 - G06V20/10
  • 本发明提供一种遥感样本的自动标注方法,涉及遥感技术领域,该方法包括:获取初始样本,并对初始样本进行提取,得到初始样本的元知识;建立归纳网络,归纳网络中包含归纳规则,利用归纳网络对初始样本的元知识进行转换,得到初始样本的标注信息,将归纳网络和标注信息构成样本归纳体系;构建模型,将样本归纳体系输入模型中进行训练,得到带有样本归纳体系的模型;获取待标注样本,将待标注样本输入到带有样本归纳体系的模型中,得到待标注样本的标注信息本发明简化了遥感样本的标注过程,满足目前遥感图像的处理需求。
  • 一种遥感样本自动标注方法
  • [发明专利]训练样本生成方法、异常检测方法及装置-CN201811583931.3有效
  • 高原;金欢;金洪波;周亚东 - 腾讯科技(深圳)有限公司
  • 2018-12-24 - 2022-12-02 - G06N5/02
  • 本发明涉及计算机技术领域,尤其涉及训练样本生成方法、异常检测方法及装置,从预分类的第一类初始样本中采样出的一组第一类初始样本;根据该组第一类初始样本和当前的第二类可靠样本中的各个第二类可靠样本,训练得到样本分类器;当确定训练得到的样本分类器的分类效果符合预设条件时,将该组第一类初始样本添加到第一类可靠样本中,以获得更新的第一类可靠样本,这样,根据第二类可靠样本,可以从第一类初始样本中筛选出第一类可靠样本,对第一类初始样本的分类效果更可靠,即可以生成更多大量可靠的第一类可靠样本和第二类可靠样本,解决了可靠训练样本获取困难的问题。
  • 训练样本生成方法异常检测装置
  • [发明专利]对抗样本生成方法及装置、电子设备、可读存储介质-CN202310413652.7在审
  • 王雪霏;许啸;程元鸿;旷亚和 - 中国工商银行股份有限公司
  • 2023-04-18 - 2023-07-14 - G06V10/774
  • 本发明提供了一种对抗样本生成方法及装置、电子设备、可读存储介质,可以应用于人工智能、深度学习、数据挖掘、信息安全技术和金融领域。该对抗样本生成方法包括:获取初始对抗样本初始对抗样本包括初始对抗图像样本;将初始对抗图像样本输入至深度学习模型,得到神经元覆盖特征向量集,神经元覆盖特征向量集包括与至少一个初始对抗图像样本各自对应的神经元覆盖特征向量;根据目标函数和与至少一个初始对抗图像样本各自对应的神经元覆盖特征向量,确定扰动数据集,目标函数与深度学习模型相关联;根据扰动数据集,对初始对抗图像样本进行处理,得到候选目标对抗图像样本;对候选目标对抗图像样本进行评估,得到目标对抗样本
  • 对抗样本生成方法装置电子设备可读存储介质

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