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512325个,建议您升级VIP下载更多相关专利
  • [发明专利]集成电路装置以及设计方法-CN200680042348.0无效
  • 亨德里克斯·P·E·弗兰肯 - NXP股份有限公司
  • 2006-10-23 - 2008-11-19 - G01R31/3185
  • 该空间压缩逻辑包括具有多个压缩域(162)的空间压缩网络(160),每个域均用于将多个测试结果压缩成其它测试结果,该空间压缩逻辑还包括耦接在多个数字输出端(122,210)和空间压缩网络(160)之间的传播网络(150),该传播网络用于将来自数字输出端(122,210)的每个测试结果复制到多个压缩域(162)。该空间压缩逻辑(140)可能位于IC 100上或者位于其外部(例如位于测试仪器上或者测试接口上),与没有传播网络的SCL相比,该空间压缩逻辑降低了故障抵消或者故障混淆的危险。
  • 集成电路装置以及设计方法
  • [发明专利]故障定位方法及装置-CN202210305259.1在审
  • 李琚彪;晋京;刘馨婷;吴晶;初瑞;纪广勇 - 中移动信息技术有限公司;中国移动通信集团有限公司
  • 2022-03-25 - 2023-10-10 - G06F11/22
  • 本申请涉及计算机领域,提供一种故障定位方法及装置。方法包括:将目标故障描述语句输入标签推荐模型,得到标签推荐模型输出的至少一个故障标签;将至少一个故障标签输入故障定位模型,得到故障定位模型输出的目标故障描述语句对应的故障根源;其中,标签推荐模型是基于故障描述语句样本、故障描述语句样本对应的故障标签样本和加权二元交叉熵损失函数对长短期神经网络LSTM模型进行训练得到的;故障定位模型是基于故障标签样本以及故障标签样本对应的故障根源样本对反向传播BP神经网络模型进行训练得到的本申请实施例提供的故障定位方法及装置可以快速找到故障的根源,节省故障定位的时间。
  • 故障定位方法装置
  • [发明专利]一种属性驱动的持续性故障分析方法-CN202310801320.6在审
  • 胡伟;王省欣;武玲娟;李倍倍;李一玮 - 西北工业大学
  • 2023-07-03 - 2023-10-27 - H04L9/40
  • 本发明公开了一种属性驱动的持续性故障分析方法,首先建立基本逻辑单元形式化故障模型库和密码算法核的形式化故障模型;然后对密码算法核形式化故障模型进行随机仿真;再自动提取故障信息满足的故障属性;接下来对密码算法进行持续性故障注入攻击;最后利用故障属性作为约束实现对密码算法的持续性故障分析。本发明建立故障传播模型不需要复杂的数学运算,对故障注入的位置与数量无严格要求,降低了故障密文使用的数量和密钥搜索复杂度,与现有的故障注入分析技术相比,本发明方法适用范围更广。
  • 一种属性驱动持续性故障分析方法
  • [发明专利]基于复合故障链推理的隐患辨识方法-CN201510316559.X有效
  • 秦勇;付云骁;贾利民;程晓卿;邢宗义;彭有根;游高祥 - 北京交通大学
  • 2015-06-10 - 2019-03-15 - G06Q10/06
  • 本发明实施例提供了一种基于复合故障链推理的隐患辨识方法。该方法包括:复合故障因果链模型的参数进行训练,选取历史故障数据作为输入得出故障源排序集合,若真实故障源不在故障源排序集合内,则对复合故障因果链模型进行机理分析,增加通向真实故障源的链路集;若真实故障源在故障源排序集合内,则对真实故障源以及故障传播路径增加概率奖励因子,对复合故障因果链模型的初始值做修正。本发明实施例基于先验知识和机理分析找出该系统的故障模式和系统内部信息传输失衡的根源,确定结构故障点,可以在列车车门系统未报出故障时,先给出预警信息,对于系统安全运行以及合理维护都有重要的指示作用。
  • 基于复合故障推理隐患辨识方法

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