“后士浩”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果19个，建议您升级VIP下载更多相关专利

[发明专利]构建满意度预估模型的方法、计算机设备及介质-CN202211497924.8在审
发明人：黄俊超;后士浩;潘鹏举 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-11-28 - 公布日： 2023-04-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及构建满意度预估模型的方法、实施该方法的计算机设备及计算机存储介质。按照本发明的一个方面的构建满意度预估模型的方法包括下列步骤：获取历史订单的特征信息和历史订单的满意度标签作为训练数据并使用所述训练数据对神经网络模型进行训练以确定满意度预估智能体；利用所述满意度预估智能体对当前订单的满意度进行预估以生成当前订单的预估满意度；基于所述当前订单的预估满意度与当前订单的满意度标签之间的相似度确定第一奖励信号；以及以使得所述第一奖励信号最大化为第一训练目标对所述满意度预估智能体进行强化学习的训练以构建满意度预估模型。
构建满意预估模型方法计算机设备介质

[发明专利]资源推荐方法、装置及计算机存储介质-CN202110091288.8有效
发明人：王彬;后士浩;吴毅成;赵梦娜 -专利权人：武汉蔚来能源有限公司
申请日： 2021-01-22 - 公布日： 2023-04-07 - 主分类号： G06F16/9535 文献下载
摘要：本申请提供一种资源推荐方法、装置及计算机存储介质，主要包括根据用户的历史交易订单，获得用户对应于各应用场景的各场景偏好信息；根据用户的资源推荐请求和用户对应的各应用场景，确定用户当前的应用场景；再根据资源推荐请求、用户当前的应用场景对应的场景偏好信息和各资源的资源特征，确定至少一个资源作为推荐资源。据此，本申请可根据用户的不同应用场景，为用户提供不同的资源推荐策略，以提升用户的资源推荐使用体验。
资源推荐方法装置计算机存储介质

[发明专利]基于满意度的充电资源推荐方法和系统、存储介质-CN202211498117.8在审
发明人：黄俊超;后士浩;潘鹏举 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-11-28 - 公布日： 2023-04-04 - 主分类号： G06Q30/0601 文献下载
摘要：本申请涉及基于满意度的充电资源推荐方法和系统、存储介质，所述基于满意度的充电资源推荐方法包括如下步骤：接收关于用户及其正在使用车辆的用户画像、关于所述充电资源的资源画像和当前的环境信息，其中，所述环境信息包括时间信息和位置信息；根据所述用户画像、所述资源画像和所述环境信息生成关于第一多个预设场景的评分，并且基于所述评分确定当前场景；以及基于所述当前场景并根据所述用户画像、所述资源画像和所述环境信息确定向用户推荐的充电资源；以及确定用户对推荐的充电资源的满意度，以用于更新确定生成所述评分的规则和/或推荐充电资源的规则。
基于满意充电资源推荐方法系统存储介质

[发明专利]补能资源推荐方法、电子设备及存储介质-CN202211502478.5在审
发明人：黄俊超;后士浩;潘鹏举 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-11-28 - 公布日： 2023-04-04 - 主分类号： G06F16/2457 文献下载
摘要：本发明涉及电动汽车技术领域，具体提供一种补能资源推荐方法、电子设备及存储介质，旨在解决电动汽车充电资源推荐局限于站点推荐，并未结合电池以及充电枪等细维度信息的问题。为此目的，本发明的方法包括获取用户信息和补能场站信息，将用户信息和补能场站信息输入训练好的补能场站推荐模型，得到推荐的补能场站，并基于训练好的电池/充电桩推荐模型从推荐的补能场站中获得推荐的电池和/或充电桩。通过上述方式，可以更细粒度的匹配用户需求，提升整体的补能效率和用户满意度，增加用户对资源推荐的粘性。
资源推荐方法电子设备存储介质

[发明专利]需求预测方法和系统、存储介质-CN202211469654.X在审
发明人： 后士浩;章光辉;潘鹏举 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-11-22 - 公布日： 2023-03-24 - 主分类号： G06Q30/0202 文献下载
摘要：本申请涉及需求预测方法和系统、存储介质，所述需求预测方法包括如下步骤：接收当前时刻下的第一输入特征；确定所述当前时刻之前的预定时长内的多个近期时刻，并接收所述多个近期时刻的每一个之下的第二输入特征及其对应的电池资源的实际需求，其中，所述第一输入特征、所述第二输入特征包括能够影响所述电池资源调度的信息；以及根据所述第一输入特征、所述第二输入特征和所述实际需求确定所述当前时刻下对所述电池资源的预测需求。需求预测方法能够用于基于导致近期需求发生变化的未知潜在因素来预测用户对电池资源的需求情况，从而使得需求预测结果更加精确。
需求预测方法系统存储介质

[发明专利]用于补能设备的需求预测方法、装置、介质和补能设备-CN202211412839.7在审
发明人： 后士浩;章光辉;潘鹏举 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-11-11 - 公布日： 2023-02-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种用于补能设备的需求预测方法、需求预测装置、介质以及补能设备，其中，所述需求预测方法包括如下步骤：S100：获取预设空间范围内的多个补能设备的特征信息，所述多个补能设备包括目标补能设备以及与所述目标补能设备存在关联关系的关联补能设备；S200：基于所述特征信息，构建拓扑结构图，所述多个补能设备分别作为拓扑结构图的节点，所述关联关系作为拓扑结构图的边；S300：基于所述拓扑结构图，根据拓扑图模型确定所述目标补能设备在目标时间段内的需求理论值；S400：获取目标补能设备在目标时间段内的需求实际值与所述需求理论值之间的偏差，基于所述偏差对所构建的拓扑结构图和/或所述拓扑图模型进行更新。
用于设备需求预测方法装置介质

[发明专利]针对换电平台相机异常的检测方法、系统和存储介质-CN202211354298.7在审
发明人：邰康盛;后士浩;潘鹏举;吴毅成 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-11-01 - 公布日： 2023-01-10 - 主分类号： G06V10/10 文献下载
摘要：本发明涉及换电平台技术领域，并且更具体地涉及一种针对换电平台相机异常的检测方法、换电平台相机异常检测系统、换电平台和计算机存储介质。该方法包括：A、接收由相机采集的关于换电平台内一个或多个参考物的图像；B、利用经训练的算法模型对图像进行处理并生成指示相机的异常概率的结果信息，其中对图像进行处理包括利用参考物图像模板对图像进行特征增强；以及C、基于结果信息判断相机是否存在异常。
针对平台相机异常检测方法系统存储介质

[发明专利]建立电池异常检测模型的方法及电池异常检测的方法-CN202210892647.4在审
发明人：邰康盛;张健;后士浩;潘鹏举;吴毅成 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-07-27 - 公布日： 2022-11-18 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及用于建立电池异常检测模型的方法、用于电池异常检测的方法、实现上述方法的计算机存储介质及计算机设备。按照本发明的一个方面提出一种用于建立电池异常检测模型的方法，其包括下列步骤：经由第一网络结构处理电池特征序列以生成所述电池特征序列的语义信息；经由第二网络结构处理电芯特征序列以生成所述电芯特征序列的语义信息；合并所述电池特征序列的语义信息和所述电芯特征序列的语义信息；以及经由全连接层输入合并的所述电池特征序列的语义信息和所述电芯特征序列的语义信息以构建分类器并训练所述分类器，以基于训练的分类器建立所述电池异常检测模型。
建立电池异常检测模型方法

[发明专利]文本检测的方法和系统-CN202210757558.9在审
发明人：邰康盛;后士浩;章光辉;胥明镜;吴毅成 -专利权人：蔚来汽车科技（安徽）有限公司
申请日： 2022-06-30 - 公布日： 2022-10-21 - 主分类号： G06V30/146 文献下载
摘要：本申请涉及文本检测的方法和系统，所述方法包括：构建文本检测数据集，文本检测数据集包括多个文本检测数据集图片，多个文本检测数据集图片中的每个包括倾斜框和标签数据，标签数据包括用于描述倾斜框的倾斜框数据参数，倾斜框数据参数包括倾斜框的角度区间类别标签；构建文本检测算法模块；利用文本检测数据集对文本检测算法模块进行训练，以获得包括最优权重参数的文本检测算法模块；针对文本检测算法模块，对待检测图片进行预处理；利用文本检测算法模块对预处理后的待检测图片进行文本检测；以及基于待检测图片的文本检测情况来判断是否需要对待检测图片进行文本识别。本申请的方法和系统能够获得较好的鲁棒性、检测精度和推理效率。
文本检测方法系统

[发明专利]用于动力电池的自放电异常检测方法及设备-CN202110974524.0在审
发明人：张健;马非凡;后士浩;吴毅成 -专利权人：上海蔚来汽车有限公司
申请日： 2021-08-24 - 公布日： 2021-11-26 - 主分类号： G01R31/367 文献下载
摘要：本发明涉及一种用于动力电池的自放电异常检测方法，所述方法包括：基于所述动力电池的采样数据来生成区块时间序列数据集；利用所述区块时间序列数据集中的子数据集，训练第一模型以获得与所述自放电异常关联的单体电压分布特征；以及利用所述区块时间序列数据集训练第二模型，以获得包括所述单体电压分布特征的区块特征集在时间序列上的变化规律和潜在模式，从而实现对所述动力电池的自放电异常的检测。本发明还涉及一种用于动力电池的自放电异常检测设备、计算机存储介质以及电池监控平台。
用于动力电池放电异常检测方法设备

[发明专利]一种基于道路前方行人和骑行者的防碰撞预警方法-CN201811013119.7有效
发明人：刘军;张凯;后士浩;张睿;胡超超;高雪婷 -专利权人：江苏大学
申请日： 2018-08-31 - 公布日： 2021-06-22 - 主分类号： B60Q9/00 文献下载
摘要：本发明公开了一种基于道路前方行人和骑行者的防碰撞预警方法，属于驾驶辅助系统领域，包括环境感知、信息解读和目标状态判断三个方面。本发明将收集的训练集送入YOLO‑R网络进行训练，进行目标检测和分类，采用Kalman滤波实现多目标跟踪；对图像进行逆透视变换，得到IPM图像，并通过数据回归建模拟合出原始图像与IPM图像像素坐标的关系曲线，再由IPM图像像素坐标与世界坐标的线性关系估算出距离；根据自车车速和制动距离，确定预警激活区域，然后对处于激活区域内的目标采用模糊预警算法判断目标是否存在危险，若有危险及时提醒驾驶者，从而有效的减少事故的发生，保护行人和骑行者的安全。
一种基于道路前方行人行者碰撞预警方法

[发明专利]商品相似性分析及商品推荐方法、装置及计算机存储介质-CN202110090224.6在审
发明人： 后士浩;王彬;张健;吴毅成 -专利权人：武汉蔚来能源有限公司
申请日： 2021-01-22 - 公布日： 2021-05-07 - 主分类号： G06Q30/06 文献下载
摘要：本申请提供一种商品相似性分析及商品推荐方法、装置及计算机存储介质，主要包括根据各用户针对各商品的各商品反馈行为进行配对，获得各商品对，根据各商品反馈行为和各商品属性分别获得各商品对的第一相似值和第二相似值，再根据各用户的各个性化因子向量、各商品对的第一相似值和第二相似值，获得各用户对应的各商品对的各相似性分析结果。据此，本申请的商品相似性分析技术，可确保商品推荐结果新颖性和多样性的个性化均衡，并可实现商品相似性计算的并行化，以提高数据处理速度。
商品相似性分析推荐方法装置计算机存储介质

[发明专利]电池异常检测方法、装置、电子设备及存储介质-CN202011087127.3在审
发明人： 后士浩;郑晓宇;张健;吴毅成 -专利权人：武汉蔚来能源有限公司
申请日： 2020-10-12 - 公布日： 2021-03-05 - 主分类号： G01R31/367 文献下载
摘要：本申请提供的一种电池异常检测方法、装置、电子设备及存储介质，应用于电池检测技术领域，所述方法包括：获取待测电池的目标行为数据；利用所述目标行为数据对第一检测模型进行自适应迁移学习，得到第二检测模型，所述第一检测模型是根据合规电池的历史行为数据进行预先训练得到的；获取所述第二检测模型的第二偏离度；在所述第二偏离度大于偏离度阈值的情况下，确认所述待测电池为异常电池，所述偏离度阈值是预先根据所述第一检测模型的第一偏离度得到的。本方案可以有效对待测电池的多种潜在异常行为进行检测，大幅减少了电池检测模型训练所需的人力和计算资源。
电池异常检测方法装置电子设备存储介质

[发明专利]电池异常检测模型训练及其检测方法、装置-CN202011098940.0在审
发明人： 后士浩;郑晓宇;张健;吴毅成 -专利权人：武汉蔚来能源有限公司
申请日： 2020-10-14 - 公布日： 2021-02-19 - 主分类号： G01R31/367 文献下载
摘要：本申请提供一种电池异常检测模型训练及其电池异常检测方法、装置及计算机存储介质，主要包括构建包括编码器、解码器和分类器的电池异常检测模型；获取电池包中各电芯对应的布设位置数据和行为数据以作为第一训练参数；利用第一训练参数训练所述编码器和解码器，以确定均值向量参数和方差向量参数；基于所确定的均值向量参数和方差向量参数初始化第一训练参数以生成第二训练参数；并将第二训练参数作为输入，将预设电池异常行为标签作为输出以训练分类器直至训练完成。借此，本申请可判断电池包所存在的电池异常行为类别，并准确定位异常电芯的设置位置。
电池异常检测模型训练及其方法装置

[发明专利]一种基于深度学习的实时交通标志检测方法-CN201910552184.5在审
发明人：刘军;李汉冰;后士浩 -专利权人：江苏大学
申请日： 2019-06-25 - 公布日： 2019-10-25 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的实时交通标志检测方法，该方法设计了一种改进的神经网络模型，模型基础卷积模块的前端部分融合了PW卷积、DW卷积以降低参数量，提升检测速度，后端采用全局平均池化和全连接层，使模型通过学习的方式来自动获取每个特征通道的重要程度，提高模型提取特征的能力；同时使用残差结构解决深层网络的梯度消失和梯度爆炸问题；模型辅助网络采用FPN结构，提升模型对于不同尺寸交通标志检测的鲁棒性；模型使用通道维度代替batch维度进行归一化，降低batch尺寸对训练的影响；同时使用软化非极大值抑制，降低交通标志漏检率；并且改进交叉熵损失，在损失函数中对易分类样本进行抑制，使模型在训练过程中更加注重难分类样本。
交通标志检测卷积分类样本维度非极大值抑制神经网络模型交通标志模型辅助模型基础模型使用模型提取损失函数特征通道训练过程自动获取归一化交叉熵连接层漏检率鲁棒性残差池化软化学习改进网络融合检测爆炸全局

1
2
下一页»
尾页
共 19 条