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242个,建议您升级VIP下载更多相关专利
  • [发明专利]用于交通工具态势感知的快速物体检测-CN202210876844.7在审
  • M·B·施维索 - 波音公司
  • 2022-07-25 - 2023-02-03 - G06V20/17
  • 该方法包括执行图像的贪婪最近邻(GNN)聚类分析以对图像的点进行分组。GNN聚类分析包括使用其中组织点的k‑d树根据贪婪分析,将点分组到多个局部GNN聚类中。然后将多个局部GNN聚类扩展成多个全局GNN聚类。评估局部GNN聚类的相似性,当定义的相似性准则中的每个被评估为真时,将局部GNN聚类合并为全局GNN聚类,并且当定义的相似性准则中的任一个被评估为假时,将局部GNN聚类作为全局GNN聚类传递。该方法然后包括基于全局GNN聚类检测图像中描绘的物体。
  • 用于交通工具态势感知快速物体检测
  • [发明专利]一种基于GNN的文物图像复原方法-CN201711189780.9在审
  • 储荣 - 河海大学
  • 2017-11-24 - 2018-03-30 - G06T5/00
  • 本发明公开了一种基于GNN的文物图像复原方法,把掉色、轻微残缺文物照片复原成较为完整的彩色图像,包括以下步骤a)采集训练图像;b)图像预处理;c)基于深度卷积网络构造GNN网络;d)对GNN网络进行训练;e)根据训练好的GNN网络生成文物复原图像。本发明的一种基于GNN网络的文物图像复原方法,能够非人工地生成掉色文物可能的颜色特征,把边角有轻微损坏的部分自动补全。
  • 一种基于gnn文物图像复原方法
  • [发明专利]一种基于GNN故障模型学习的控制平面策略验证方法-CN202310260306.X在审
  • 张华;戴玉琪;张鹏辉;曹子建 - 东南大学
  • 2023-03-17 - 2023-06-27 - H04L41/16
  • 本发明开发了一种基于GNN故障模型学习的控制平面策略验证方法:获取网络拓扑信息,利用K‑Means聚类法划分等价类,生成对应的故障模型;设计基于消息传递机制的GNN故障学习模型;为每个等价类训练基于消息传递机制的GNN故障学习模型;构建符合网络拓扑特征的网络策略图;对策略有向图进行预处理,提取特征数据,输入到训练好的GNN模型中,生成准确的网络环境;按照网络策略类别分别进行网络策略验证。本发明考虑实际网络存在故障的情况,用GNN辅助故障模型推断待验证的网络策略对应的实际网络环境,通过K‑Means聚类算法进行等价类划分,缩减网络规模,提高验证速度,加入数据增强模块使得训练出来的GNN具有一定的泛化能力
  • 一种基于gnn故障模型学习控制平面策略验证方法
  • [发明专利]用于推荐系统的图结构感知增量学习-CN202080103130.1在审
  • 许艺师;张莹雪;郭慧丰;唐睿明;耿雁回 - 华为技术有限公司
  • 2020-08-17 - 2023-03-28 - G06N3/04
  • 所述二分图包括多个用户节点、多个项目节点和定义将所述用户节点中的至少一些连接到所述项目节点中的一些的边的观察图拓扑,所述RS包括由现有参数集配置的现有图神经网络(graph neural network,GNN所述方法包括:应用损失函数计算更新的GNN模型的更新参数集,所述更新的GNN模型是使用第一参数集作为初始化参数、用新图训练的,所述损失函数用于基于所述现有GNN模型针对现有图生成的节点嵌入来蒸馏知识,其中,所述新图包括在所述现有图中也包括的多个用户节点和多个项目节点;用所述更新的GNN模型替换所述RS的所述现有GNN模型。
  • 用于推荐系统结构感知增量学习
  • [发明专利]具有注意力的图神经网络-CN201980032974.9在审
  • P.克里德;A.西姆;A.阿拉姆达里;J.布里奥迪;D.尼尔;A.拉科斯特 - 伯耐沃伦人工智能科技有限公司
  • 2019-05-16 - 2020-12-22 - G06N3/04
  • 提供了用于基于实体‑实体图来生成图神经网络(GNN)模型的方法和装置。该实体‑实体图包括多个实体节点,其中每个实体节点通过一个或多个对应关系边连接到该多个实体节点中的一个或多个实体节点。所述方法包括:基于表示所述GNN模型的所述实体‑实体图的数据生成嵌入,其中所述嵌入包括分配给所述实体‑实体图的每个关系边的注意力权重;以及通过使与至少所述嵌入相关联的损失函数最小化来更新包括所述注意力权重的所述GNN模型的权重;其中注意力权重指示实体‑实体图的实体节点之间的每个关系边的相关性。可以基于训练的GNN模型的注意力权重来过滤实体‑实体图。过滤的实体‑实体图可用于更新GNN模型或训练另一GNN模型。该训练的GNN模型可以用于预测与该实体‑实体图相关联的第一实体和第二实体之间的链接关系。
  • 具有注意力神经网络
  • [发明专利]一种自定义语音命令的设计方法-CN202111349972.8在审
  • 梁敏 - 四川长虹电器股份有限公司
  • 2021-11-15 - 2022-02-18 - G10L15/22
  • 本发明公开了一种自定义语音命令的设计方法,初始化特征分割类知识图谱GNN参数,将测试集作为输入训练GNN,输出特征向量;用户将自定义的语音数据输入GNN进行训练,将输出的特征向量在数据库中进行储存;将自定义的语音数据与对应的功能进行绑定;用户使用自定义的语音数据作为语音命令,GNN解析该语音命令到各个特征向量维度上,同时并行进行各个GNN节点上的相似度比较,将平均相似度最高的命令调出并由智能设备执行。
  • 一种自定义语音命令设计方法

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