“learning”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683个，建议您升级VIP下载更多相关专利

[发明专利]一种广播场景下的无人机自组网信道接入方法及系统-CN202310340147.4在审
发明人：燕锋;杭天阳;夏玮玮;沈连丰;胡静;宋铁成 -专利权人：东南大学
申请日： 2023-03-31 - 公布日： 2023-06-30 - 主分类号： H04W74/04 文献下载
摘要：本发明公开了一种广播场景下的无人机自组网信道接入方法及系统，包括：当无人机节点有发送需求时，节点统计上一次传输的反馈，根据Q‑Learning算法输出一个退避窗口值CW，退避完成后节点接入信道；发包前，并比对自身是否是转发节点；若当前节点为选中的转发节点，则节点需要将收到的数据包以广播的形式进行转发；源节点在ACK时限到达时统计此次发送收到的有效ACK个数，计算得出此次传输的反馈，在下次传输前更新Q‑Learning
一种广播场景无人机组网信道接入方法系统

[发明专利]基于能耗目标和电流百分比的冷却侧设备台数控制方法-CN202310662992.3在审
发明人：徐超;冯吉星;张腾腾;黄磊 -专利权人：上海真知建筑科技有限公司
申请日： 2023-06-06 - 公布日： 2023-08-22 - 主分类号： F24F11/46 文献下载
摘要：本发明提供一种基于能耗目标和电流百分比的冷却侧设备台数控制方法，涉及空调系统冷却测控制技术领域，台数控制方法以系统能耗作为优化目标，使用与目标能耗的相对误差作为奖赏值，使用室外湿球温度、系统负荷的组合作为状态，将冷却水泵以及冷却塔开启台数作为动作，采用Q‑learning算法计算冷却侧系统能耗最低时冷却塔与冷却水泵的开启台数，同时给出台数指令，相较于现有技术采用监测过程参数来调整冷却侧设备台数来控制能耗降低的方式，本发明直接以冷却侧系统能耗为优化目标，采用Q‑learning
基于能耗目标电流百分比冷却设备控制方法

[发明专利]一种基于强化学习的物联网蜜网系统及动态调度方法-CN202310163452.0在审
发明人：杜晓玉;周冠英;林绿洲;韩志杰;王玉璟;杜莹 -专利权人：河南大学
申请日： 2023-02-24 - 公布日： 2023-05-16 - 主分类号： H04L9/40 文献下载
摘要：该方法首先收集分析之前获取的攻击流量，预测下一时刻的攻击次数；监视并收集蜜网中的已部署蜜罐状态用于蜜罐调度；利用强化学习的Q‑Learning方法对调度智能体进行训练，完善强化对蜜网中蜜罐资源的实时调度本发明设计的蜜网系统可以根据之前的攻击数据预测后续攻击信息，利用强化学习的Q‑Learning算法提升蜜网中蜜罐的动态调度能力，来整体优化物联网蜜网的资源利用率。
一种基于强化学习联网系统动态调度方法

[发明专利]基于状态值生成的两阶段低资源对话状态追踪方法-CN202310746889.7在审
发明人：杨燕;顾铭;贺樑 -专利权人：华东师范大学
申请日： 2023-06-25 - 公布日： 2023-09-22 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于状态值生成的两阶段低资源对话状态追踪方法，其包括：采用Prompt Learning微调预训练语言模型，从对话上下文中获取到当前轮用户所提到的所有状态值集合；采用自训练，使用大规模易于获取的对话数据来增强低资源场景下的状态值生成效果；为了过滤掉自训练过程中低置信度的伪标签数据，设计了一个状态值评估器来评估生成的状态值质量，通过对有限的训练集数据进行负采样得到该评估器的训练数据；最后，采用基于Prompt Learning来微调预训练语言模型为每个生成的状态值生成其对应的槽位
基于状态生成阶段资源对话追踪方法

[发明专利]交通信号灯的控制方法、装置、计算机设备及存储介质-CN201811029041.8有效
发明人：吴壮伟 -专利权人：平安科技（深圳）有限公司
申请日： 2018-09-05 - 公布日： 2021-07-27 - 主分类号： G08G1/07 文献下载
摘要：本发明提供一种交通信号灯的控制方法、装置、计算机设备及存储介质，该方法包括：获取交通环境训练数据，基于Q‑Learning算法对所述交通环境训练数据进行深度学习以得到联合交通状态与联合路口行为对应的Q矩阵通过训练Q‑Learning算法模型进行数据建模，得到交通状态对应交通信号灯通行切换时间的选择行为的Q矩阵，在交通拥堵的时段，利用强化学习的结果，即Q矩阵，实现对交通信号灯的控制，通过改变交通信号灯的通行切换时间来改善整体交通情况
交通信号灯控制方法装置计算机设备存储介质

[发明专利]移动雾计算中一种面向用户的智能攻击防御方法-CN201910287756.1有效
发明人：涂山山;孟远;于金亮 -专利权人：北京工业大学
申请日： 2019-04-11 - 公布日： 2022-09-09 - 主分类号： H04W12/122 文献下载
摘要：本发明利用前景理论(Prospect Theory,PT)和DQL(Double Q‑learning,DQL)算法，实现移动雾计算环境中以用户为中心的主观智能攻击防御。基于PT和DQL算法防御智能攻击，改善了Q‑learning算法中Q值的过度估计问题，生成了合法用户的最优防御策略，既可以增加动态环境下合法用户的检测效用，又能够降低智能攻击者的主观攻击概率，同时增强了移动雾计算网络的安全防护能力
移动计算一种面向用户智能攻击防御方法

[发明专利]基于双神经网络强化学习的自主水下航行器路径规划方法-CN202110253524.1有效
发明人：黄浩乾;李光辉;韩亦鸣;王冰 -专利权人：河海大学
申请日： 2021-03-09 - 公布日： 2022-06-28 - 主分类号： G05D1/02 文献下载
摘要：针对Q‑learning学习算法存在需要存储空间大和查找时间长的问题,进行优化处理；在Q‑learning学习算法的基础上融入目标网络和记忆池经验回放技术得到双神经网络强化学习算法，并构建基于双神经网络强化学习算法的
基于神经网络强化学习自主水下航行路径规划方法

[发明专利]一种基于增强学习的多智能体集群避障方法-CN202110447666.1有效
发明人：张瑛;黄治宇;薛玉玺;肖剑;吴磊;高天奇;张钱江 -专利权人：电子科技大学
申请日： 2021-04-25 - 公布日： 2023-03-24 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种基于增强学习的多智能体集群避障方法,包括以下步骤：S1.建立集群系统的运动模型；S2.定义避障因子ξ及避障评价准则；S3.设计ξ＜ξmin时集群队形变换避障模型Q‑learning本发明根据避障因子、避障评价准则等参数用于智能体集群避障模型选择判断，并结合Q‑learning算法将集群自主协同避障模型进行训练，得到最优的集群个体避障策略和高避障效率。
一种基于增强学习智能集群方法

[发明专利]一种基于分治Q-learning算法的光伏阵列重构方法-CN202110023165.0有效
发明人：邓方;高欣;郑豪;丁宁;刘道明;朱佳琪;石翔;陈杰 -专利权人：北京理工大学
申请日： 2021-01-08 - 公布日： 2023-03-21 - 主分类号： G06F30/27 文献下载
摘要：本发明提出了一种基于分治Q‑learning算法的光伏阵列重构方法，不需要大量的历史数据或环境参数，并且减少了PV曲线中峰值个数，使其更平滑，减少失配损耗、提高阵列输出功率，能够实现全局最优，使用范围也不受限制对Q‑learning算法的训练目标、步进奖励和训练终止准则的改进，确保了重构过程的准确性。
一种基于分治 learning 算法阵列方法

[发明专利]优化采样的神经网络的设备上持续学习方法及装置-CN202010038838.5有效
发明人：金桂贤;金镕重;金寅洙;金鹤京;南云铉;夫硕焄;成明哲;吕东勋;柳宇宙;张泰雄;郑景中;诸泓模;赵浩辰 -专利权人：斯特拉德视觉公司
申请日： 2020-01-14 - 公布日： 2023-10-03 - 主分类号： G06N3/084 文献下载
摘要：本发明涉及以智能手机、无人机、船舶或军事目的提供的一种用于分析输入数据的神经网络(Neural Network)的设备上持续学习(On‑Device Continual Learning)的方法，所述方法包括提升网络将k维随机向量转换为k维修正向量，原始数据生成器网络重复输出第一合成先前数据(Previous Data)的过程，使得第一合成先前数据具有预设的第二体积，并参考生成用于第一当前学习(Current‑Learning
优化采样神经网络设备持续学习方法装置

[发明专利]一种基于ID自学码的电梯外呼控制装置及方法-CN201210115970.7无效
发明人：钟长征;亚历山大·克莱恩 -专利权人：中山市卓梅尼控制技术有限公司
申请日： 2012-04-19 - 公布日： 2012-08-15 - 主分类号： B66B1/14 文献下载
摘要：包括主控制系统及设置在每一楼层的外呼控制模块，所述主控制系统与每一楼层的外呼控制模块分别通过第一通讯电缆CANH和第二通讯电缆CANL连接在一起，主控制系统与每一楼层的外呼控制模块通过ID学习电缆CAN-LEARNING串联连接，本产品增设一条与每个楼层的外呼控制模块串联的ID学习电缆CAN-LEARNING，用于ID的单独传送，进而通过主控制系统的控制实现每一楼层的电梯外呼控制装置的自动编码；外呼控制装置实现自动编码可以节省大量的人力
一种基于 id 自学电梯控制装置方法

[实用新型]一种基于ID自学码的电梯外呼控制装置-CN201220167660.5有效
发明人：钟长征;亚力山大·克莱恩 -专利权人：中山市卓梅尼控制技术有限公司
申请日： 2012-04-19 - 公布日： 2012-12-26 - 主分类号： B66B1/14 文献下载
摘要：包括主控制系统及设置在每一楼层的外呼控制模块，所述主控制系统与每一楼层的外呼控制模块分别通过第一通讯电缆CANH和第二通讯电缆CANL连接在一起，主控制系统与每一楼层的外呼控制模块通过ID学习电缆CAN-LEARNING串联连接，本产品增设一条与每个楼层的外呼控制模块串联的ID学习电缆CAN-LEARNING，用于ID的单独传送，进而通过主控制系统的控制实现每一楼层的电梯外呼控制装置的自动编码；外呼控制装置实现自动编码可以节省大量的人力
一种基于 id 自学电梯控制装置

[发明专利]个性化定制空口-CN202080081324.6在审
发明人：马江镭;朱佩英;童文;贾明 -专利权人：华为技术有限公司
申请日： 2020-05-07 - 公布日： 2022-07-22 - 主分类号： H04W8/24 文献下载
摘要：本发明提供了利用人工智能(artificial intelligence，AI)或机器学习(machine learning，ML)在无线通信网络中自定义设备特定空口配置的方法和设备。
个性化定制空口

[发明专利]一种基于Q-Learning的广播路由算法-CN202010309146.X有效
发明人：司鹏搏;魏京生;张苗;王祎玮;杨睿哲;李萌;张延华 -专利权人：北京工业大学
申请日： 2020-04-19 - 公布日： 2022-03-22 - 主分类号： H04W40/10 文献下载
摘要：本发明在传统洪泛广播算法的基础上提出了一种基于Q‑Learning的广播路由算法，当前节点在准备做出是否进行广播决策时，结合通过学习更新得到的Q值表去做出决策，新算法有效地避免了传统洪泛广播带来的广播冗余问题
一种基于 learning 广播路由算法

[发明专利]一种基于改进Q-learning算法的最短路径问题的解决方法-CN201910011319.7在审
发明人：魏小辉;廖玮;李旭波;高天驰;李龙 -专利权人：南京航空航天大学
申请日： 2019-01-07 - 公布日： 2019-05-28 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于改进Q‑learning算法的最短路径问题的解决方法，具体包括：建立位置‑动作的价值表格，将Q表全部初始化为0，选择合适的更新步长、贪婪参数、奖赏折扣及平滑参数；根据最短路径问题的要求设置初始位置记作本发明缓解了目前已有的使用Q‑learning解决最短路径问题问题时Q表格收敛时间长的问题。
最短路径目标位置算法收敛更新平滑参数初始化奖赏改进折扣邻近缓解收益重复记录

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