“稀疏度”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

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

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

专利权人

国家电网公司

华为技术有限公司

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

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

钻瓜专利网为您找到相关结果1656578个，建议您升级VIP下载更多相关专利

[发明专利]基于稀疏适配器的联邦学习方法及系统-CN202211654426.X在审
发明人：陈道源;姚柳佚;高大伟;丁博麟;李雅亮 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-12-22 - 公布日： 2023-01-31 - 主分类号： G06N20/20 文献下载
摘要：本说明书实施例提供基于稀疏适配器的联邦学习方法及系统，通过应用于客户端的该方法，联邦学习中的每个参与客户端均可以根据服务端发送的目标稀疏适配器，结合其客户端的当前向量表示以及模型稀疏度条件，确定调整初始模型稀疏度的第一模型稀疏矩阵；并根据该第一模型稀疏矩阵对初始模型进行稀疏处理，生成其客户端稀疏且个性化的局部稀疏模型，极大的减少了每个参与客户端的系统资源占用（如存储资源以及计算资源）；使得后续在联邦学习中每个参与客户端均可以基于该局部稀疏模型进行高效的模型训练
基于稀疏适配器联邦学习方法系统

[发明专利]一种基于组稀疏编码的图像特征学习方法-CN201611036079.9有效
发明人：汪冬冬;李岳楠 -专利权人：天津大学
申请日： 2016-11-09 - 公布日： 2020-09-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于组稀疏编码的图像特征学习方法，涉及信号与信息处理技术领域，包括：将输入的图像分割成具有固定大小的图像块，并且按图像块空间位置分组，利用组稀疏编码获得每个组的图像块的稀疏描述；对各个组的稀疏描述进行池化，得到池化后的稀疏描述；将获得的稀疏描述再次按对应图像块空间位置分组，利用组稀疏编码获得每个组的稀疏描述；再次对各个组的稀疏描述进行池化，得到池化后的稀疏描述。本方法能够提取图像的慢变视觉特征，计算复杂度低；且提取出的特征鲁棒性强，复杂度低，模拟了人眼的视觉特性，可实现高效、准确的图像内容识别。
一种基于稀疏编码图像特征学习方法

[发明专利]多观测值向量稀疏度自适应压缩采样匹配追踪方法-CN201510741861.X有效
发明人：贾敏;史瑶;顾学迈;郭庆;刘晓锋;王雪;陈子研;朱思宇 -专利权人：哈尔滨工业大学
申请日： 2015-11-04 - 公布日： 2018-12-14 - 主分类号： H03M7/30 文献下载
摘要：多观测值向量稀疏度自适应压缩采样匹配追踪方法，涉及信息与通信技术领域。是为解决从Xampling框架下经过调制宽带转换器采样，通过连续‑有限模块转化后的未知稀疏度的多观测值向量中恢复出原始多频带信号的问题提出的。本发明首先对信号的稀疏度进行自适应估计。然后通过反复迭代用给定的步长因子对稀疏度进行更新，使之逐渐逼近信号实际稀疏度，同时通过回溯思想和最小均方准则修正支撑集，直到残差小于设定阈值时，停止迭代。
观测向量稀疏自适应压缩采样匹配追踪方法

[发明专利]用于深度学习的稀疏推理模块-CN201680011079.5在审
发明人： P·K·皮利;N·D·斯特普;N·斯里尼瓦萨 -专利权人：赫尔实验室有限公司
申请日： 2016-03-24 - 公布日： 2017-10-13 - 主分类号： G06N5/04 文献下载
摘要：描述了一种能够并入到深度学习系统的稀疏推理模块。例如，所述深度学习系统包括多个分层特征信道层，每个特征信道层都具有一组过滤器。可以包括多个稀疏推理模块，使得每个特征信道层内都电子地驻留稀疏推理模块。每个稀疏推理模块都被配置成，接收数据并且针对多个图案模板匹配所述数据，以生成针对所述多个图案模板中的每个图案模板的匹配度值，其中所述匹配度值被稀疏化，使得仅超过预定阈值的那些匹配度值或固定数量的最高匹配度值被提供给所述多个分层特征信道中的后续特征信道，而其它失败的匹配度值被压制成零。
用于深度学习稀疏推理模块

[发明专利]一种MIMO系统下多维联合估计动态稀疏信道的方法-CN201710105533.X有效
发明人：张弦;归琳;宫博;秦启波 -专利权人：上海交通大学
申请日： 2017-02-26 - 公布日： 2020-12-04 - 主分类号： H04L25/02 文献下载
摘要：一种MIMO系统下多维联合估计动态稀疏信道的方法，包括步骤1)利用复指数基扩展模型对时间频率双选信道进行建模；2)不同天线、不同阶数的BEM系数间具有联合稀疏性，利用块稀疏性对基扩展模型系数重新排布成块结构；3)对于多天线场景，采用层次化的导频设计，N个子载波中导频位置等间隔分布，推导信道估计模型；4)根据动态稀疏信道的时间相关性，确定不同OFDM符号对应的时刻的信道稀疏度K(j),j＝1,2,…,J；5)由每一时刻对应的确定的稀疏度，重建得到稀疏系数6)由稀疏系数恢复出信道抽头系数稀疏信道的信道特征，提高信道估计的准确度和频谱利用率。
一种 mimo 系统多维联合估计动态稀疏信道方法

[发明专利]基于联合判决块正交匹配追踪的压缩信号重建方法及装置-CN201910346467.4在审
发明人：徐文波;卢立洋;张晓波;许良坤;党义斐 -专利权人：北京邮电大学
申请日： 2019-04-26 - 公布日： 2020-10-30 - 主分类号： H03M7/30 文献下载
摘要：本发明实施例提供一种基于联合判决块正交匹配追踪的压缩信号重建方法及装置，该方法包括：获取观测矩阵、观测向量、先验信息向量、稀疏信号的稀疏度和稀疏信号平均幅值；基于伽马分布，根据观测向量、先验信息向量、稀疏信号的稀疏度和稀疏信号平均幅值，得到先验因子；根据先验因子和观测矩阵获取支撑集位置，基于支撑集位置获取观测矩阵的重建原子集合；基于最小二乘法，根据重建原子集合和观测向量，重构稀疏信号。本发明实施例提供的方法及装置解决现有重构方法先验信息的获取不够准确导致稀疏信号的重构性能不够好的问题。
基于联合判决正交匹配追踪压缩信号重建方法装置

[发明专利]一种基于改进OMP的机载雷达杂波空时谱快速估计方法-CN201710032280.8有效
发明人：沈明威;纪存孝;陶震;张琪;王冠 -专利权人：河海大学
申请日： 2017-01-16 - 公布日： 2019-04-16 - 主分类号： G01S7/41 文献下载
摘要：本发明涉及一种基于改进OMP的机载雷达杂波空时谱快速估计方法，针对待重构信号稀疏度未知条件，采用所设计的改进OMP算法，通过迭代估计线性逼近信号稀疏度，进而快速求解稀疏信号的支撑集，以及其稀疏表示的系数
一种基于改进 omp 机载雷达杂波空时谱快速估计方法

[发明专利]一种信道估计方法及装置-CN201510284037.6有效
发明人：王一蓉;邓伟;王艳茹;范军丽;郑越峰;刘伟才;刘凯明 -专利权人：北京国电通网络技术有限公司;北京邮电大学;北京中电飞华通信股份有限公司
申请日： 2015-05-28 - 公布日： 2019-06-04 - 主分类号： H04L25/02 文献下载
摘要：本申请提供了一种信道估计方法及装置，对原始观测矩阵进行奇异值分解，依据所述奇异值分解的结果，得到重构观测矩阵，并且对稀疏度进行估计，所述稀疏度为预设的信道冲激响应估值与索引集Ω的并集中非零元素的个数，其中，Ω依据所述重构观测矩阵及预设的残差向量生成，最后，利用所述稀疏度进行信道估计。因为奇异值分解具有较强的噪声鲁棒性的特点，所以，本申请所述的方法及装置，具有较强的噪声鲁棒性，并且，本申请所述的方法及装置，可以进行稀疏度的估计，而无需已知稀疏度，所以，具有较高的实用性，因此，本实施例所述的信道估计方法及装置
一种信道估计方法装置

[发明专利]一种提高重构精度的稀疏系数分解方法-CN201610098743.6有效
发明人：廖勇;陈民安;文政 -专利权人：重庆大学
申请日： 2016-02-23 - 公布日： 2019-02-12 - 主分类号： H04L25/03 文献下载
摘要：本发明为了实现在信号的压缩感知过程中，提高稀疏系数的稀疏度以提高重构精度，提出了一种提高重构精度的稀疏系数分解方法，所述方法包括：通过设定一门限值，对稀疏系数进行变换，将较小值或零位置均赋值为0以提高稀疏系数的稀疏化程度，有利于重构精度的提高；为了减小信息的丢失，再在原始稀疏系数的基础上将较大值位置均赋值为0，然后经变换使部分较小值增大，又可得到另外一组稀疏系数；通过将稀疏系数分解为两组稀疏系数，在提高稀疏系数的稀疏化程度的同时又保证了信息的完整性；由于稀疏系数分解为两组稀疏系数，在压缩感知过程中使得计算量增大，通过对计算量的增大所带来的时间复杂度的影响选择最佳的门限值，以实现门限值自适应。
一种提高精度稀疏系数分解方法

[发明专利]一种面向压缩感知的块稀疏信号重构方法-CN201010240600.7无效
发明人：付宁;马云彤;邓立宝;曹离然;彭喜元 -专利权人：哈尔滨工业大学
申请日： 2010-07-30 - 公布日： 2010-11-24 - 主分类号： H03M7/30 文献下载
摘要：一种面向压缩感知的块稀疏信号重构方法，具体涉及一种块稀疏信号的重构算法，解决决现有采用块稀疏信号的重构算法中的混合l₂/l₁优化算法优化复杂度较高、块稀疏匹配追踪算法或是正交匹配追踪算法容易造成过匹配现象的问题通过第l次迭代对第l-1次迭代运算出的恢复矩阵的列向量在测量矩阵中的标号进行修正，且对于一个块稀疏度为K的稀疏信号x，不超过K次迭代即可重构块稀疏信号x。本发明适用于块稀疏信号的重构，尤其适用于二值块稀疏信号的重构。
一种面向压缩感知稀疏信号方法

[发明专利]确定作物种植信息的方法、装置及计算机存储介质-CN202080030158.7在审
发明人：潘国秀;李明辉;钟颖;黄振昊 -专利权人：深圳市大疆创新科技有限公司
申请日： 2020-06-24 - 公布日： 2021-12-14 - 主分类号： G06K9/00 文献下载
摘要：该方法包括：获取多光谱采集装置采集的多张图像(步骤S110)；基于多张图像确定作物种植区域(步骤S120)；将作物种植区域划分为多个子区域，并确定每个子区域的作物稀疏度(步骤S130)；在图像中显示多个子区域的作物稀疏度能够基于多光谱采集装置采集的多张图像确定作物稀疏度，并且可以通过显示该作物稀疏度为用户提供足够的参考信息。
确定作物种植信息方法装置计算机存储介质

[发明专利]一种基于相变图分析的稀疏微波成像雷达性能评估方法-CN201110309975.9有效
发明人：洪文;张冰尘;吴一戎;田野 -专利权人：中国科学院电子学研究所
申请日： 2011-10-13 - 公布日： 2013-04-17 - 主分类号： G01S7/40 文献下载
摘要：本发明提供了一种基于相变图分析的稀疏微波成像雷达性能评估方法，涉及雷达成像技术，根据稀疏微波成像雷达原理，建立以信噪比、稀疏度和采样比为坐标轴的雷达成像性能相变图；借用相变曲面刻画出稀疏微波成像雷达性能随信噪比、稀疏度和采样比的变化趋势；并利用该边界曲面将相变图划分为可重建区域和不可重建区域，从而定量分析得出稀疏微波成像雷达性能。本发明方法采用正确重建率和相对均方误差作为判别标准，大大降低了计算量，为稀疏微波成像雷达性能分析提供了一种高效评估方法。
一种基于相变分析稀疏微波成像雷达性能评估方法

[发明专利]一种基于二分法的改进稀疏度自适应匹配追踪算法-CN201710946364.2有效
发明人：虞致国;孙益洲;钱黎明;顾晓峰 -专利权人：江南大学
申请日： 2017-10-12 - 公布日： 2023-10-27 - 主分类号： H03M7/30 文献下载
摘要：本发明公开了一种基于二分法的改进稀疏度自适应匹配追踪算法，属于压缩感知信号处理领域。本发明主要解决的是传统的稀疏度自适应匹配追踪算法采用线性加法增加迭代次数逼近真实稀疏值，导致重构时间过长和稀疏度失配的问题。本发明提出了基于迭代过程中产生的残差值在迭代次数域上有极小值的特点，比较迭代过程中本轮产生的残差值和上一轮迭代过程中的残差值的大小，通过二分法选取较小残差值对应的迭代值作为一个端点和靠近此残差值对应的迭代值作另一个端点，以这两点的中点作为新一轮稀疏度迭代值本发明相较于传统的稀疏度自适应匹配追踪算法，在保证重构高维度信号的精度同时，能极快地重构出压缩的信号。
一种基于二分法改进稀疏自适应匹配追踪算法

[发明专利]一种基于随机计算和稀疏计算的图像识别卷积层结构-CN202210093892.9在审
发明人：熊兴中;董亚;骆忠强 -专利权人：四川轻化工大学
申请日： 2022-01-26 - 公布日： 2022-05-03 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种基于随机计算和稀疏计算的图像识别卷积层结构，涉及深度学习技术领域，通过稀疏计算对输入的图像特征图和对应的权值进行稀疏化处理，将稀疏化处理结果中出非零值传入到随机计算模块完成乘累加运算，最后，利用稀疏计算和随机计算搭建高效并行的卷积层结构，进行卷积，输出卷积结果；本发明提供的一种基于随机计算和稀疏计算的图像识别卷积层结构，构建基于随机计算和稀疏计算的低复杂度卷积层架构，保障卷积运算精度的同时，降低硬件实现的复杂度，使输入的图像特征图和权重稀疏带来的加速优势被充分利用。
一种基于随机计算稀疏图像识别卷积结构

[发明专利]一种基于非均匀范数约束的稀疏信号恢复方法-CN201710816788.7有效
发明人：伍飞云;杨坤德;段睿 -专利权人：西北工业大学
申请日： 2017-09-12 - 公布日： 2020-09-08 - 主分类号： H03M7/30 文献下载
摘要：本发明涉及一种基于非均匀范数约束的稀疏信号恢复方法，利用NNC范数约束策略对L1范数最小化策略加以改进，从而实现改进算法更好地适应稀疏度变化情况。与MP算法不同，本发明无需预先设置稀疏信号的稀疏度等先验知识，只需设置迭代步长，结合拉格朗日乘子法，经过阈值调整对稀疏信号进行估计。从而获得稀疏信号的位置和幅度等参数。有益效果体现在：本发明基于NNC范数约束，在拉格朗日乘子法寻优策略下，对经典最小化L1范数约束的方法基础上进行改进，进而获取稀疏解。由于NNC范数的使用，使得本发明对优化迭代计算以及稀疏信号恢复具有很大的优势。
一种基于均匀范数约束稀疏信号恢复方法

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top