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2694761个,建议您升级VIP下载更多相关专利
  • [发明专利]数据损失切换-CN202011011613.7在审
  • 蒋一名;何定军;M·蒂默斯 - 上海诺基亚贝尔股份有限公司;诺基亚通信公司
  • 2020-09-23 - 2022-03-29 - H04W36/00
  • 本公开的示例实施例涉及一种用于在网络设备之间的终端设备切换而没有数据丢失的解决方案。在一方面,提供了一种方法,包括:如果具有与第二网络设备的第一路径的第一网络设备确定终端设备将要从第二网络设备切换到第三网络设备,则在第一和第三网络设备之间建立第二路径;禁用经由第一路径的用于终端设备的数据传输;向第二网络设备传输切换指示,以使其暂停缓冲数据到终端设备的传输并且向第三网络设备传输剩余数据;以及一经从第二网络设备接收到剩余数据的传输完成的完成指示,启用经由第二路径的用于终端设备的数据传输。以这种方式,在终端设备的切换期间,用于终端设备的数据不会丢失,由此改善了由通信网络提供的通信服务的用户体验。
  • 数据损失切换
  • [发明专利]一种电子能量损失数据包批处理方法-CN201510036040.6在审
  • 杨光;权诚 - 西安交通大学
  • 2015-01-23 - 2015-07-15 - G01N23/04
  • 本发明公开了一种电子能量损失数据包批处理方法,包括以下步骤:1)指定需要批处理的电子能量损失数据包,再从指定的电子能量损失数据包中依次读取电子能量损失数据,然后依次对电子能量损失数据进行二次求导,获得求导后各电子能量损失数据对应的谱线;2)删除求导后各电子能量损失数据对应的谱线中负值的部分,检测求导后各电子能量损失数据对应的谱线中最高的两个峰值,然后计算得到求导后各电子能量损失数据对应的谱线中最高的两个峰值的比值;3)按照各电子能量损失数据在电子能量损失数据包中的排列顺序显示求导后各电子能量损失数据对应的比值。本发明可以自动的完成对电子能量损失数据包的批处理。
  • 一种电子能量损失数据包批处理方法
  • [发明专利]一种模型复用方法与系统-CN201910785418.0有效
  • 段凌宇;白燕;楼燚航;陈子谦 - 北京大学
  • 2019-08-23 - 2022-06-03 - G06K9/62
  • 本申请公开了一种模型复用方法与系统,包括:将数据集中的有标签数据输入至待训练模型,基于目标损失函数,得到目标损失;将通过数据集中的多个数据得到的多个数据组合输入至待训练模型,基于模型复用损失函数,得到复用损失;根据目标损失和复用损失,更新待训练模型;重复上述步骤,直到重复次数达到阈值次数,得到训练好的待训练模型。通过将数据集中的有标签数据输入至待训练模型,得到目标损失,将通过数据集中的多个数据得到的多个数据组合输入至待训练模型,得到复用损失,使用少量的有标签数据得到的目标损失和包括大量无标签数据的所有数据得到的复用损失共同更新待训练模型,能够有效利用大量无标签数据
  • 一种模型方法系统
  • [发明专利]一种出险数据集成融合的车辆智能定损方法及系统-CN202310518124.8有效
  • 王辉;王桂元 - 凯泰铭科技(北京)有限公司
  • 2023-05-10 - 2023-08-11 - G06Q40/08
  • 本发明涉及数据处理技术领域,提供了一种出险数据集成融合的车辆智能定损方法及系统,方法包括:根据车联网系统进行出险车辆识别,定位第一出险车辆,获取第一险情数据集、第二险情数据集,数据融合分析输出融合险情数据集,确定险情特征矩阵、损失特征矩阵,输入损失预测模型中进行融合定位,利用融合损失函数输出损失预测结果,损失定位输出损失定位结果,解决经验数据的单一映射构建损失定位模型精度低,车辆损失程度定位准确性低的技术问题,分别从全局、局部进行数据采集,全面采集出险车辆到的相关数据,并进行车辆损失情况的融合预测,利用融合特征构建损失定位模型,实现提高模型精度及其车辆损失程度定位准确性的技术效果。
  • 一种出险数据集成融合车辆智能方法系统
  • [发明专利]防止数据损失的灰度系数再调整方法-CN200410021479.3无效
  • 金熙相 - 乐金电子(沈阳)有限公司
  • 2004-03-26 - 2005-09-28 - H04N5/57
  • 本发明是一种防止数据损失的灰度系数再调整方法。根据输入信号等级,利用以输出信号确定的灰度系数检查表调整为显示装置优选的灰度系数值进行调节的灰度系数再调整方法。将灰度系数检查表引入后判断是否有数据损失,如发生数据损失记住数据损失的地址编号的过程,如在上述检查数据损失过程中判断为数据损失,那么先设定再调整区间的代表等级,在设定区间内再一次检查是否有数据损失。检查结果判断为有数据损失时,扩大设定等级,再一次检查数据损失,如判断为没有数据损失,利用插入法重新寻求代表等级使灰度系数检查表的再调整重新组成。以提高画面的色度,从而提高画面质量。
  • 防止数据损失灰度系数再调整方法
  • [发明专利]一种信号损失检测方法、装置和电子设备及介质-CN202010333140.6在审
  • 李永翠 - 苏州浪潮智能科技有限公司
  • 2020-04-24 - 2020-08-14 - G06F13/42
  • 本申请提供一种信号损失检测方法、装置、电子设备和计算机可读存储介质,该方法包括:获取在常温下测试目标PCB板材的目标常温信号损失数据;将目标PCB板材与预设的板材的高低温信号损失关系进行匹配,得到目标PCB板材对应的目标高低温信号损失关系;基于目标常温信号损失数据与目标高低温信号损失关系,确定目标高温信号损失数据;将目标高温信号损失数据与预设损失阈值进行对比,得到检测结果。本申请通过测试得到高低温信号损失关系,在实际检测过程中利用对应的目标高低温信号损失关系,确定目标高温信号损失数据,能够得到准确的高温信号损失数据,进而保证PCIE链路设计信号的完整性。
  • 一种信号损失检测方法装置电子设备介质
  • [发明专利]基于动态正则化的高效终身关系提取方法及系统-CN202010659589.1有效
  • 琚生根;申航杰;周刚 - 四川大学
  • 2020-07-09 - 2021-02-09 - G06F40/279
  • 本发明提供一种基于动态正则化的高效终身关系提取方法及系统,方法包括以下步骤:接收多个数据集,使用神经模型依次对数据集中的训练样本进行训练,每个数据集对应一个任务;为已接受训练的数据集建立内存块存储记忆数据,并在新的数据集训练时访问所有内存块的记忆数据,为克服灾难性遗忘,定义内存数据损失函数、定义特征损失函数、定义EWC损失函数;建立连续训练任务期间的训练损失之差模型分别计算特征损失函数、内存数据损失函数、EWC损失函数的正则化因子;根据特征损失函数及其正则化因子、内存数据损失函数及其正则化因子、EWC损失函数及其正则化因子得到最优关系提取参数。
  • 基于动态正则高效终身关系提取方法系统
  • [发明专利]特征表示模型的损失函数构建方法、装置、设备及介质-CN202310732284.2在审
  • 王俊 - 平安科技(深圳)有限公司
  • 2023-06-19 - 2023-09-19 - G06N3/0455
  • 本申请涉及人工智能以及智慧医疗领域,公开了一种特征表示模型的损失函数构建方法,包括:获取训练数据并输入编码器,得到训练数据对应的隐变量的概率分布;在概率分布中采样得到采样向量并输入解码器,得到训练数据对应的重构数据;计算训练数据以及重构数据的重构损失;计算概率分布与先验分布的对比损失;计算概率分布与先验分布的一致性损失;利用重构数据生成多个样本,计算所有样本对之间的边缘距离,并根据边缘距离计算边缘距离损失;根据重构损失、对比损失、一致性损失以及边缘距离损失,确定总损失函数。本申请的方法解决了现有损失函数中噪声分布导致的偏差,归一化指数函数的不稳定性,数据增强或掩码策略的设计难度等缺陷。
  • 特征表示模型损失函数构建方法装置设备介质
  • [发明专利]实体识别模型训练方法、装置、计算机设备及存储介质-CN202310709697.9在审
  • 于凤英;王健宗;程宁 - 平安科技(深圳)有限公司
  • 2023-06-15 - 2023-08-29 - G06F40/295
  • 本发明涉及数字医疗领域,公开了一种实体识别模型训练方法,该方法包括获取训练数据集,训练数据集包括训练数据和真实标签;获取预设训练模型,通过预设训练模型对训练数据进行预测,得到预测标签;根据与同一训练数据对应的预测标签和真实标签,确定预设训练模型的散度损失值以及第一损失值;对所有第一损失值进行均值处理,得到平均损失值;根据平均损失值和散度损失值,确定预测损失值;在预测损失值达到收敛条件时,将收敛之后的预设训练模型确定为实体识别模型本发明通过KL散度计算散度损失值,进而根据散度损失值和平均损失值对预设训练模型的损失值进行,减少了噪音数据的影响,防止了预设训练模型对噪音数据的过拟合。
  • 实体识别模型训练方法装置计算机设备存储介质
  • [发明专利]工业大数据特征提取的信息防丢失方法及系统-CN202111508333.1在审
  • 陈晓红;郑旭哲;梁伟;胡义勇;徐雪松;刘飞香;胡东滨 - 湖南工商大学
  • 2021-12-10 - 2022-03-11 - G06K9/62
  • 本公开实施例中提供了一种工业大数据特征提取的信息防丢失方法及系统,属于数据处理技术领域,具体包括:获取待提取特征信息的工业大数据作为原始输入;对原始输入进行数字化和规范化,得到原始数据集;提取原始数据集中的特征数据,并根据特征数据进行预设次数的迭代计算,得到散度损失、重构损失和分类损失;对原始输入进行自编码,生成中间变量;将散度损失、重构损失和分类损失约束中间变量。通过本公开的方案,对多维度且数据分布不一致的工业大数据进行预处理后,通过迭代学习得到散度损失、重构损失和分类损失,并在特征提取过程中,利用得到的损失函数对中间变量施加约束,提高了提取特征的质量。
  • 工业数据特征提取信息丢失方法系统
  • [发明专利]多模态数据处理方法、电子设备及存储介质-CN202111301728.4在审
  • 李涵 - 卓尔智联(武汉)研究院有限公司
  • 2021-11-04 - 2022-03-11 - G06F16/583
  • 本申请实施例公开了一种多模态数据处理方法,包括:在神经网络模型中根据当前输入的数据确定第一特征向量和第二特征向量;数据包括图像模态数据和文本模态数据;基于第一特征向量、第二特征向量分别确定第一损失值和第二损失值;第一损失值表征当前输入的数据的语义类别预测误差;第二损失值表征当前输入的数据与历史输入的数据之间语义相关性与距离的关联程度;语义相关性表示数据是否属于同一语义类别;基于神经网络模型中当前输入以及历史输入的全部数据对应的特征向量确定第三损失值;第三损失值表征图像模态和文本模态之间的差异程度;基于第一损失值、第二损失值以及第三损失值训练神经网络模型。
  • 多模态数据处理方法电子设备存储介质
  • [发明专利]模型训练方法、装置、存储介质及终端-CN202210975727.6在审
  • 崔正文;何珊珊;吴杰;杜冲 - OPPO广东移动通信有限公司
  • 2022-08-15 - 2022-11-18 - G06K9/62
  • 一种模型训练方法、装置、存储介质及终端,其中方法通过获取训练样本数据集合;在模型训练过程中,基于计数损失函数,对训练样本数据中的用户数据以及对象数据进行实时计数;基于对用户数据以及对象数据的实时计数数值计算正则损失;根据正则损失调整模型的训练过程中的损失函数,并基于调整后的损失函数对模型进行训练。该方法通过设计计数损失函数将对用户数据和对象数据的频次统计集成到模型中,实现对用户数据和对象数据的流式计数。然后基于计数数值确定正则损失并基于正则损失对模型损失函数进行调整,可以有效避免模型训练过程中的过拟合现象,进而提升了训练得到的模型的准确性。
  • 模型训练方法装置存储介质终端

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