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8765125个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于深度堆栈自编码的长期频谱预测方法-CN202210872542.2在审
  • 吴启晖;潘光良;李婕;周博 - 南京航空航天大学
  • 2022-07-21 - 2022-11-15 - H04L41/147
  • 本发明公开了一种基于深度堆栈自编码的长期频谱预测方法,包括获取来源于真实世界不同通信业务的频谱数据;数据预处理,得到训练集和测试集;将训练集输入到堆栈自编码,更新自编码中的参数,使输入和输出之间的损失函数值最小化;将训练集重新输入训练好的堆栈自编码得到原始高维频谱数据的语义编码,将语义编码信息输入到预测,完成预测训练,同时实现对堆栈自编码的微调;将训练好的堆栈自编码预测在测试集上进行在线测试,统计预测的性能指标本发明能够利用真实世界频谱数据实现长期频谱态势预测,并具有较好的预测精度,可很好服务于无线通信。
  • 一种基于深度堆栈编码器长期频谱预测方法
  • [发明专利]一种桥梁健康监测传感数据的无损压缩方法-CN202010487335.6在审
  • 李健;孙鹏;肖栋梁 - 广东省建筑科学研究院集团股份有限公司
  • 2020-06-02 - 2020-10-27 - H04N19/13
  • 本发明公开了一种桥梁健康监测传感数据的无损压缩方法,包括:S1、采用自回归模型作为线性预测的模型结构,利用工具变量法并采用信息熵最小化作为预测阶选择准则计算预测阶数,构建线性预测;S2、利用线性预测将原始传感数据集转化为适合熵编码的预测误差序列;S3、使用算术编码对预测误差序列进行熵编码。本发明结合工具变量法和熵最小化准则构建基于自回归模型的预测,可以优化基于预测的传感网络数据压缩算法的性能,可以在不丢失传感数据信息的情况下,显著减小传感原始数据大小,实现大规模传感网络的数据压缩,可用于传感网络数据的高效传输和存储,特别是在多跳无线传感网络中,其优势更为明显。
  • 一种桥梁健康监测传感器数据无损压缩方法
  • [发明专利]一种大规模知识图谱路径查询预测构造方法-CN201611025159.4有效
  • 黄震华;程久军 - 同济大学
  • 2016-11-18 - 2020-08-14 - G06F16/28
  • 本发明涉及一种大规模知识图谱路径查询预测的构造方法,包括以下3个模块:1)路径查询置信度建模;2)路径查询训练样本集生成;3)路径查询预测构建。路径查询置信度建模模块实现对大规模知识图谱中路径查询的表示、编码以及置信度表示;路径查询训练样本集生成模块针对不同路径长度,产生正训练样本集及其负训练样本集;而路径查询预测构建模块基于模块1)和2)实现预测目标函数的构建和随机优化与现有技术相比,本发明具有显著提高路径查询预测的准确度、降低级联误差以及增强泛化能力等优点。
  • 一种大规模知识图谱路径查询预测构造方法
  • [发明专利]使用预测模型的信号编码、解码和方法-CN201680081725.5有效
  • G·凡尼斯;B·万达埃勒 - 奥罗技术公司
  • 2016-07-15 - 2023-05-02 - G10L19/04
  • 一种信号编码,将信号分成片段并使用预测模型来对每个片段的样本进行近似。各自适用于一个片段的每个局部预测模型在片段内应用于其自己的平移轴系统中,并且偏移量由先前片段的最后一个预测值给出。当信号合理地连续时,这减少了对每个局部预测模型的偏移量进行参数化的需要,因为每个局部预测模型可以建立在先前片段的最后一个预测的样本值上。因此,即使不发送偏移量,而是代替地使用先前片段的最后一个样本的最后一个预测值,编码也不会遭受误差累积。为近似样本获得预测误差并将该预测误差与预测模型参数和种子值一起发送到解码,以允许解码准确地重建信号。
  • 使用预测模型信号编码器解码器方法

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