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12个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于网络增强和图正则的融合网络药物靶标关系预测方法-CN202011219170.0有效
  • 张曦文;戴道清;王伟文;任传贤 - 中山大学
  • 2020-11-04 - 2023-06-23 - G16B15/30
  • 本发明公开了一种基于网络增强和图正则的融合网络药物靶标关系预测方法,包括以下步骤:利用无向图模型分别对药物相似网络和蛋白质相似网络进行建模;利用基于三阶邻域随机游走的网络增强方法对建模后的药物相似网络和蛋白质相似网络进行增强处理;用带有图正则的相似矩阵分解模型提取增强处理后的相似网络,分别得到药物网络特征表示和蛋白质网络特征表示;对预测模型进行训练,将药物网络特征表示和蛋白质网络的特征表示向量输入至训练完毕的预测模型,得到药物‑靶标对的关联概率的预测值。本发明能更好的捕获分子间的全局连接关系,同时能有效抑制噪声,使用不同规模、不同噪声程度的分子网络数据进行预测时也更具鲁棒性。
  • 一种基于网络增强正则融合药物靶标关系预测方法
  • [发明专利]可融合不完备多模态且可跨医疗站点的鼻咽癌预后预测方法-CN202211538034.7在审
  • 任传贤;许耿鑫 - 中山大学
  • 2022-12-02 - 2023-04-07 - G16H20/00
  • 本发明涉及预后预测技术领域,公开了可融合不完备多模态且可跨医疗站点的鼻咽癌预后预测方法,包括以下步骤:S1.接收原始数据,并提取得到多模态数据;S2.引入全连接重构网络,通过重构网络得到多模态数据的融合特征;S3.引入多层全连接的生存分析网络,得到生存风险;S4.构建跨站点的偏对比学习模型;偏对比学习模型按正配对的样本来源不同,进行对比学习;S5.基于重构网络、生存分析网络、偏对比学习模型得到总损失函数,训练重构网络和生存分析网络;S6.通过步骤S5中训练好的重构网络和生存分析网络计进行鼻咽癌预后预测。本发明解决了现有技术无法应对不完备多模态数据和医疗站点间数据偏移的问题。
  • 融合完备多模态医疗站点鼻咽癌预后预测方法
  • [发明专利]基于共享解码器和残差塔式结构的眼底图像血管分割方法-CN202011595279.4有效
  • 任传贤;许耿鑫 - 中山大学
  • 2020-12-29 - 2022-03-08 - G06T7/00
  • 本发明公开了一种基于共享解码器和残差塔式结构的眼底图像血管分割方法,所述方法包括以下步骤:通过数据输入模块得到训练数据集图像块、测试数据集图像块;通过残差塔式模块,得到残差塔式序列;通过编码模块得到多等级语义特征;通过共享解码模块,得到多等级概率图;将多尺度标签、残差塔式序列、共享解码器得到的概率图构造成模型总损失,并利用PyTorch进行梯度优化,训练编码模块、共享解码模块中的参数;将测试数据集图像块依次输入到训练后的编码模块和共享解码模块以得到概率图,对所得概率图并进行拼接、二值化处理得到最终的分割结果。本发明解决了血管口径分布不均、眼底图像对比度较弱问题。
  • 基于共享解码器塔式结构眼底图像血管分割方法
  • [发明专利]一种基于正样本平衡约束的深度行人再标识方法-CN201710330206.4有效
  • 黄俊艺;任传贤 - 中山大学
  • 2017-05-11 - 2021-01-26 - G06K9/00
  • 本发明提供一种基于正样本平衡约束的深度行人再标识方法,该方法使用的残差网网络结构简洁并且得到广泛应用,足够深的网络结构增强了特征表达能力,并且不需要对网络结构进行特别设计;发现用残差网分类器进行图像特征提取,行人再标识的准确率便可以高于大部分的精心设计的方法;相比于二元组损失和三元组损失的方法,提升结构损失不需要特意生成有效的样本便可以达到类似的效果,并且利用整体的分布信息,学习到的梯度方向更加稳健有效;在提升结构损失的基础上,增加了正样本平衡约束,不仅可以控制正样本对的距离,并且可以平衡正样本对距离和负样本对距离的梯度,使得算法更容易训练以及提升算法性能。
  • 一种基于样本平衡约束深度行人标识方法
  • [实用新型]一种配电变压器-CN201620103852.8有效
  • 滕景玉;亓亮;纪广欣;王世峰;姬长俊;程艳丽;魏同起;任传贤;薛广达;崔继婷;戚聿更 - 杨慧
  • 2016-02-02 - 2016-11-30 - H01F27/02
  • 本实用新型提供一种配电变压器,包括箱体所述箱体上端设有盖板,箱体四周侧壁上设有散热器,且箱体相对散热器的下方设有支撑装置,所述箱体内设有变压器,盖板下表面设有分接开关,分接开关底部设有线圈,且两者之间电连接,且线圈通过线柱与基座连接,基座下设有线圈绕组,且线圈绕组内部设有排线,所述线圈绕组下设有连接器,连接器与变压器连接,变压器上设有3个低压套管接线柱,所述低压套管接线柱与二次电流互感器连接,所述二次电流互感器设在保护盒内,所述保护盒外设有防护罩,所述防护罩安装在箱体盖板上,所述二次电流互感器底部设有端子,所述端子与互感器和计量模块连接。本实用新型的有益效果是:结构简单、支撑固定效果好、安全性高。
  • 一种配电变压器
  • [实用新型]一种用电检查辅具-CN201620128224.5有效
  • 郑景兵;任传贤;赵瑞玲;葛玉峰;张建利;张继友;张爱群 - 国网山东省电力公司郓城县供电公司
  • 2016-02-18 - 2016-08-31 - H04N7/18
  • 本实用新型涉及一种用电检查辅具,包括绝缘杆(1),绝缘杆(1)顶端与调节臂(2)一端铰接,调节臂(2)另一端固定连接摄像装置(3),对应摄像装置(3)设置补光灯(4),摄像装置(3)通过信号线连接控制芯片,控制芯片同时连接液晶显示屏(5),绝缘杆(1)顶部同时设置清洁刷(7),清洁刷(7)与气管(8)一端固定连接,气管(8)设置在绝缘杆(1)内部并通过绝缘杆(1)上的通孔延伸出绝缘杆(1)外,气管(8)另一端与微型气泵相连接。还包括三脚架,三脚架包括基座(14)和三根支撑腿(15),支撑腿(15)关于基座(14)中心对称设置,任两根支撑腿(15)底部端点之间铰接可折叠伸缩轴(16),基座(14)与绝缘杆(1)底部螺纹连接。该用电检查辅具能够降低劳动强度和危险系数,提高工作效率。
  • 一种用电检查
  • [实用新型]配电数据采集装置-CN201520927494.8有效
  • 葛庆君;任传贤;刁翠花;卞玉京;葛燕君;郭彦芳;吴冬红;李秀玲 - 国网山东省电力公司郓城县供电公司
  • 2015-11-20 - 2016-04-20 - G05D27/02
  • 本实用新型涉及一种配电数据采集装置,其包括了数据采样模块、信号处理模块、微控制器模块、RF射频发射模块以及供电模块,其中数据采样模块依次包括了电场传感器、电流传感器、温度传感器、湿度传感器、水浸传感器和点型感烟器,且各传感器的输出端分别连接至信号处理模块的输入端,信号处理模块包括了低通滤波器、与低通滤波器输出端连接的信号放大器、与信号放大器输出端连接的光电隔离器和与光电隔离器输出端连接的驱动缓冲电路,驱动缓冲电路的输出端连接至微控制器模块,通过采用上述结构,本实用新型能够及时全面地对配电设备的环境参数和运行参数进行检测,从而大大保障了配电设备的工作性能。
  • 配电数据采集装置
  • [发明专利]一种例外点抑制的快速回归分类方法-CN201510962107.9在审
  • 任传贤 - 中山大学
  • 2015-12-17 - 2016-04-06 - G06K9/62
  • 本发明公开一种基于例外点抑制机理的快速回归分类方法,新的回归模型使用相关熵做为基本损失函数,对回归系数做非负约束,在目标优化过程中使得误差极小。相关熵函数对任意两个特征向量计算逐点相似度之和,自然对局部遮挡或例外点有着非常敏感的判断和抑制。回归系数的非负约束进一步加强了模型的解释性。新方法针对不同类别的数据做分片(逐类)回归,处理速度较快并且能够对大规模数据做并行处理。
  • 一种例外抑制快速回归分类方法
  • [发明专利]例外点抑制的数据判别降维方法-CN201510325234.8在审
  • 任传贤 - 中山大学
  • 2015-06-15 - 2015-10-07 - G06K9/62
  • 本发明公开一种例外点抑制的数据判别降维方法,(1)所有数据点都假设依据在判别子空间学习过程中的贡献赋予权值,其中起到积极作用的数据点赋予较大样本权值。据此,例外点在子空间学习过程中将自适应地得到衰减。(2)基于给定的类别标签,独立估算出每个类别的均值向量与协方差矩阵,然后提出基于新的统计量的线性判别准则。这种样本加权的新模式也可以用于其他基于协方差矩阵的算法当中。
  • 例外抑制数据判别方法

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