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6880847个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于参数范围匹配的产品分析方法-CN201811368883.6有效
  • 张旭实;樊红日 - 台州旭日环境科技有限公司
  • 2018-11-16 - 2021-09-07 - G05B13/04
  • 本发明公开了一种基于参数取值范围的产品分析方法,属于产品设计技术领域,其步骤如下:(1)建立产品构件的拓扑结构;(2)计算构件指标;(3)计算产品总体指标:从每个系统输入流出发,分别根据产品构件的指标,将该输入流至输出流之间的产品构件指标相乘即为该输出流上的指标。本发明的基于参数取值范围的产品分析方法基于构件在上下文环境下的,可快速找出产品的薄弱环节,为改进产品设计提供指导,提高设计效率;设计人员通过本发明的方法可有效识别产品结构中对输入参数敏感即较低的构件,为设计人员分析产品设计方案中的缺陷问题和改进产品设计提供了方便的方法。
  • 一种基于参数范围匹配产品鲁棒性分析方法
  • [发明专利]一种基于预估的信息隐藏方法-CN202110715707.0有效
  • 陈延利;周永辉;董志诚;王永容;何奔;邓欢席;庄广龙 - 贵州师范大学
  • 2021-06-23 - 2023-08-29 - G06T1/00
  • 本发明公开了一种基于预估的信息隐藏方法,包括步骤:以每个k×k图像块为单位,将系数集C={Cf,f=1,2,…,3k2/4}作为候选载体;根据预估函数r(m,f,t)计算每个候选载体的预估,选择最优的载体携带秘密信息。其中,预估函数r(m,f,t)包括嵌入修改带来的提取rm、嵌入载体所在的空间频率带来的提取rf和纹理特性带来的提取相对于现有技术,本发明的有益效果在于,将信息嵌入在分块图像的DCT(Discrete Cosine Transform,离散余弦变换)域,通过分析载体的纹理属性、频率特性以及嵌入修改对嵌入后信息提取的影响,选择强区域嵌入,提升信息隐藏的
  • 一种基于预估鲁棒性信息隐藏方法
  • [发明专利]一种基于模体的无标度网络度量方法-CN202111649243.4有效
  • 冯彪;杨云云;赵文晶;张辽;张喆;窦婕;刘彦 - 太原理工大学
  • 2021-12-30 - 2023-07-21 - G06F30/18
  • 本发明公开了一种基于模体的无标度网络度量方法,具体为利用网络离散度从局部角度衡量网络,以及利用基于模体的节点度分布的熵从全局角度对网络的进行粗粒度的衡量。网络离散度能够灵敏的感知网络的细微变化,而模体作为一种由节点构成的高阶网络结构,将模体应用于网络度量,既考虑了节点本身对网络的影响,又考虑了节点间的依存关系对网络的决定作用。对网络的度量,能够发现网络对不同程度、不同类型故障的抵抗能力,然后进一步针对不同的网络及其应用背景提出优化网络的策略,提高系统的可靠和稳定性。
  • 一种基于标度网络鲁棒性度量方法
  • [发明专利]一种Geiger型索穹顶结构优化系统-CN202010437570.2在审
  • 陈联盟;章禾;朱雪雷;刘毅杰;姜智超;周一一;张福勃 - 温州大学
  • 2020-05-21 - 2020-09-08 - G06F30/13
  • 本发明公开了一种Geiger型索穹顶结构优化系统包括原始模型特征提取模块、传代模块、和结构筛选模块;所述原始模型特征提取模块,包特征提取子模块、以及优化空间提取子模块;所述筛选模块,用于对传代模块生成的种群中的每一个个体计算其适应度,并根据其适应度进行“物竞天择”的个体淘汰所述适应度包括结构维度,所述结构,采用结构指标评价,结构越好,结构指标越小。本发明采用的Geiger型索穹顶结构优化系统,由于结合了形状特征和截面面积特征,因此对于Geiger型索穹顶结构具有普遍的结构优化能力,对于原始模型体现出不同程度的优化效果。
  • 一种geiger穹顶结构鲁棒性优化系统
  • [发明专利]一种具有的图文匹配模型训练方法-CN202210815070.7在审
  • 汪萌;孙晓;刘学亮;王方兵 - 合肥中聚源智能科技有限公司
  • 2022-07-12 - 2022-10-11 - G06F16/532
  • 本发明公开了一种具有的图文匹配模型训练方法,包括以下步骤:构建含有噪声的图像文本数据集;根据含有噪声的图像文本数据集构建神经网络模型;对神经网络模型进行训练,然后使用训练的神经网络模型用于图像文本检索本发明通过图像子网络和文本子网络分别学习图像文本数据集中的图像和文本,使用聚类损失聚类图像样本和文本样本,并使用对比损失约束图像样本和文本样本的公共特征学习模态不变性,使用Adam优化器对神经网络模型,并且当神经网络模型在验证集上准确率最高时测试神经网络模型,然后使用神经网络模型用于图像文本匹配。
  • 一种具有鲁棒性图文匹配模型训练方法
  • [发明专利]一种深度神经网络对抗的可视化分析方法-CN202211541736.0在审
  • 李杰;艾力亚尔·依明 - 天津大学
  • 2022-12-02 - 2023-05-23 - G06N3/082
  • 本发明公开了一种深度神经网络对抗的可视分析方法,包括生成式低维潜空间构建;DNN预测:设计并训练了一个用来快速预测样本的全连接神经网络模型,其输入特征为样本在DNN模型倒数第二层的神经元分布的多维向量,输出为预测值的一维标量;对于一个给定样本,将其先输入被测试的DNN模型获得倒数第二层神经元分布,接着将倒数第二层神经元分布向量输入预测网络,得到模型对该样本的对抗;最后,设计并实现了一个可视化系统其界面主要由两个视图即样本分布视图和分布视图构成。相较于传统的计算方法,本发明实现了快速和准确的预测,以及实现对生成样本和预测结果的实时渲染。
  • 一种深度神经网络对抗鲁棒性可视化分析方法
  • [发明专利]一种基于多路径的传输测评方法-CN201810838471.8有效
  • 曹远龙;范啸天;黄龙军;刘清华;汪浩 - 江西师范大学
  • 2018-07-27 - 2023-04-07 - H04W24/08
  • 一种基于多路径的传输测评方法,用于评价多路径系统的结构和性能,包括步骤1,对MPTCP多路径传输拓扑结构模型进行抽象,将MPTCP多路径传输系统抽象成n个节点和m条边的无权网络;步骤2,对MPTCP多路径传输系统评价指标进行分;步骤3,删除入样概率大的节点并对MPTCP多路径传输系统进行测度。本发明以自然连通度、效率函数E(G)分别作为结构、性能的评价指标,可以科学评价多路径的,能够精确刻画复杂网络的,较好地反应在数据传输过程中,多路径传输系统对网络链路随机失效和网络攻击等行为导致连通性下降的抵抗能力
  • 一种基于路径鲁棒性传输测评方法
  • [发明专利]一种射频功率LDMOS器件封装级评估方法-CN202011351763.2在审
  • 杜寰 - 中国科学院微电子研究所
  • 2020-11-26 - 2021-03-19 - G01R31/26
  • 一种射频功率LDMOS器件封装级评估方法,所述方法包括步骤:获取待评估射频功率LDMOS器件;对所述射频功率LDMOS器件进行TLP ESD测试;对高压工作的所述射频功率LDMOS器件进行Load‑pull测试;对预设工艺下的所述射频功率LDMOS器件进行VSWR测试;对低压工作的所述射频功率LDMOS器件进行UIS测试;综合根据所有测试结果得到评估结果。本申请提供的一种射频功率LDMOS器件封装级评估方法主要对封装级的射频功率LDMOS器件进行的评估,随着对研究的深入和工艺的不断优化,最终获得了可以和市场媲美的高LDMOS。
  • 一种射频功率ldmos器件封装级鲁棒性评估方法
  • [发明专利]一种基于预处理的图像对抗防御方法-CN202310472410.5在审
  • 李智;王卫东;付顺旺;夏汐辰;文广 - 贵州大学
  • 2023-04-27 - 2023-09-05 - G06N3/094
  • 本发明公开了一种基于预处理的图像对抗防御方法包括,利用卷积神经网络和视觉变换器的特性,构建防御网络模型;将所述防御网络模型分为三个部分,即防御网络模型;通过对防御网络模型进行训练,实现所述防御网络模型中自然样本和重建实例的分类高精度;本发明构建的防御网络模型能够保护预测网络免受各种对抗攻击;通过在ChannelProcessing处理过程中对CSA进行改进,使得网络收敛速度加快,形成更完善的注意机制;并利用应用像素空间中的MSE度量解决了图像去噪问题;提出正则化损失函数解决了误差放大效应,提高了模型的和防御性能。
  • 一种基于预处理图像对抗防御方法

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