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124个,建议您升级VIP下载更多相关专利
  • [发明专利]基于信息损失约束的数据划分方法及装置-CN202310774181.2在审
  • 李雅文;高杰;薛哲;邵蓥侠 - 北京邮电大学
  • 2023-06-27 - 2023-10-27 - G06F16/27
  • 本发明提供一种基于信息损失约束的数据划分方法及装置,包括:获取各空间网格单元中分布的时空数据,并确定空间网格单元的时空属性和属性值;基于各属性值计算任意相邻两个空间网格单元的邻接属性差异值,确定最小邻接属性差异值,将多个空间网格单元分为多个空间网格单元组;确定各空间网格单元组的代表性属性值,基于代表性属性值和空间网格单元组内的各空间网格单元的属性值计算信息损失值;在信息损失值不小于预设的信息损失阈值时,构建图网络,获取图网络的节点特征矩阵、邻接矩阵及节点度向量;基于训练好的图嵌入模型得到各节点的分区概率,基于各节点的分区概率得到时空数据分区结果。该方法提高了时空数据的划分效率及划分结果准确度。
  • 基于信息损失约束数据划分方法装置
  • [实用新型]履带梁托架拼搭工装-CN202320666717.4有效
  • 左儒生;李建国;薛哲;江杰;阳辉 - 柳工常州机械有限公司;柳州柳工挖掘机有限公司;广西柳工机械股份有限公司
  • 2023-03-30 - 2023-10-27 - B23K37/04
  • 本实用新型属于工程机械装配技术领域,公开了履带梁托架拼搭工装,该履带梁托架拼搭工装包括支撑架、定位结构和插销,定位结构包括定位部和连接部,定位结构包括连接板和两个间隔设置的定位板,两个定位板分别固定连接于连接板的两端,连接部的一端与定位板固定连接,另一端与支撑架可拆卸连接,履带梁托架的两个托板能位于两个定位板之间,且两个定位板能分别与履带梁托架的两个托板抵接,插销分别穿设于定位板和托板。通过该履带梁托架拼搭工装固定两个托板的位置且限定两个托板之间的距离,能够节省大量时间,省时省力,使履带梁托架与履带梁拼搭的效率高,而且该履带梁托架拼搭工装的结构简单,成本低,利于批量推广使用。
  • 履带托架工装
  • [发明专利]基于结构增强的异质数据联邦学习方法及相关设备-CN202310884262.8在审
  • 梁美玉;张珉;李雅文;薛哲;管泽礼;潘圳辉 - 北京邮电大学
  • 2023-07-19 - 2023-08-18 - H04L67/01
  • 本申请提供一种基于结构增强的异质数据联邦学习方法及相关设备包括接收服务器端的全局模型根据全局模型对本地网络模型进行初始化;响应于确定完成所述初始化,获取本地数据根据本地数据对所述本地网络模型进行正则化训练确定第一损失函数;响应于确定完成训练获取预设采样系数和预设采样宽度对本地网络模型进行结构增强训练,根据预设采样系数和所述预设采样宽度对所述本地网络模型进行采样确定若干子网络模型;对所述本地数据进行数据增强处理确定训练用数据,根据所述训练用数据对若干所述子网络模型进行更新训练确定全局损失函数;根据全局损失函数对本地网络模型的权重进行更新将所述全局损失函数将更新的所述本地网络模型上传所述服务器端。
  • 基于结构增强质数联邦学习方法相关设备
  • [发明专利]联邦变分自编码主题模型训练方法、主题预测方法及装置-CN202310826329.2在审
  • 李雅文;马成洁;梁美玉;薛哲 - 北京邮电大学
  • 2023-07-07 - 2023-08-11 - G06F16/33
  • 本申请提供联邦变分自编码主题模型训练方法、主题预测方法及装置,方法包括:在当前的剪枝训练轮次中,接收联邦学习系统中的各个节点各自采用本地的文本训练数据训练得到的局部变分自编码主题模型的模型参数和神经元累计梯度,并对各个局部变分自编码主题模型的模型参数进行聚类以生成目标变分自编码主题模型;基于各个局部变分自编码主题模型的神经元累计梯度对目标变分自编码主题模型进行神经元剪枝处理,得到当前的全局变分自编码主题模型。本申请能够在有效保护本地数据隐私的基础上,能够有效降低模型训练过程的通信和计算开销,能够有效提高采用训练得到的主题模型预测文本数据所属主题类型的预测精度及可靠性。
  • 联邦编码主题模型训练方法预测装置
  • [实用新型]一种河道岸坡排水结构-CN202320349500.0有效
  • 赖倩;何文辉;赵蕾;陈浩;莫海春;魏航;薛哲;王娟丽;姚艳娜;高媛 - 广东珠荣工程设计有限公司
  • 2023-03-01 - 2023-08-08 - E02B3/12
  • 本实用新型属于排水结构技术领域,具体的说是一种河道岸坡排水结构,包括坡体,坡体的顶部固定连接有围栏,坡体的顶部开设有排水槽,排水槽的数量设置为多个,坡体的正面设置有防护机构,坡体的内部固定连接有排水管,坡体的顶部开设有聚水槽,聚水槽的内部顶侧固定连接有过滤网,坡体的顶部设置有清理机构,清理机构位于过滤网的顶侧,排水管的顶端位于聚水槽的内部,排水管的另一端延伸至坡体的正面;通过清理机构能够对过滤网表面的杂质进行清理掉,进而能防止过滤网被杂质堵塞,提高了过滤网的过滤效果,通过防护机构能够起到对排水管进行防护的作用,防止了排水管被杂草等堵塞,提高了排水管的排水效果。
  • 一种河道排水结构
  • [发明专利]一种基于联邦学习的节点数据分类方法及系统-CN202310818466.1在审
  • 李雅文;李昂;薛哲 - 北京邮电大学
  • 2023-07-05 - 2023-08-04 - G06F18/241
  • 本发明提供一种基于联邦学习的节点数据分类方法及系统,所述方法基于包括服务端和与服务器端相连接的多个客户端的分布式架构,所述方法的步骤包括:在每个客户端对该客户端中的计算模型进行本地训练,获取本地训练后每个计算模型的模型参数,并构建为第一参数矩阵;在服务器端基于每个客户端当前训练数据的数量计算每个客户端的数据权重参数,基于每个计算模型的准确率计算每个计算模型的准确率权重参数;在所述服务器端将所述数据权重参数和准确率权重参数合并为计算模型的合并权重参数,基于全部计算模型的合并权重参数和第一参数矩阵计算合并参数矩阵;基于合并参数矩阵更新每个客户端的计算模型;基于更新后的计算模型进行节点数据分类。
  • 一种基于联邦学习节点数据分类方法系统
  • [发明专利]一种车辆跟踪方法、终端及存储介质-CN202310413021.5在审
  • 胡金星;薛哲;何兵 - 中国科学院深圳先进技术研究院
  • 2023-04-07 - 2023-07-28 - G06T7/246
  • 本发明公开了一种车辆跟踪方法、终端及存储介质,通过将待检测视频的当前帧图像输入目标检测模型中,输出当前帧图像中目标车辆的目标水平检测框及其对应的目标旋转角度,然后按照目标旋转角度对目标水平检测框进行旋转,得到目标车辆对应的目标旋转检测框,再将目标车辆的目标旋转检测框的检测框信息输入目标跟踪模型,得到下一帧图像中目标车辆对应的目标旋转检测框,以生成目标车辆的跟踪轨迹,相对于现有技术中通过车辆在不同帧图像中检测框信息特征比对来进行车辆跟踪,本发明可以在节约计算资源的基础上,提高车辆跟踪效果,在类似目标密集时避免发生车辆误跟踪和目标丢失的情况。
  • 一种车辆跟踪方法终端存储介质
  • [发明专利]基于多视角的学者动态兴趣聚类方法及装置-CN202211610097.9有效
  • 李雅文;李昂;薛哲 - 北京邮电大学
  • 2022-12-15 - 2023-07-21 - G06F18/23213
  • 本申请提供一种基于多视角的学者动态兴趣聚类方法及装置,方法包括:获取各个学者在目标时段内发布的包括多种内部视角文本数据的学术成果短文本数据对应的词汇集合,词汇集合包括各个词汇以及每个词汇对应的学者标识和外部视角数据;采用词汇集合、各个学者在前一时段内的多个内部视角以及外部视角各自对应的历史兴趣概率分布数据,基于主题聚类模型获取各个学者在目标时段内的多个内部视角各自对应的兴趣概率分布数据,以基于兴趣概率分布数据针对目标时段对各个学者进行动态兴趣聚类。本申请能够从多种视角实现动态的追踪学者兴趣,能够有效提高学者动态兴趣聚类的有效性及可靠性,为学者动态兴趣的挖掘及后续应用提供有效且全面的数据基础。
  • 基于视角学者动态兴趣方法装置
  • [发明专利]基于数据质量评估的强化联邦学习动态采样方法及设备-CN202310700718.0在审
  • 梁美玉;赵泽华;杜军平;薛哲;李昂 - 北京邮电大学
  • 2023-06-14 - 2023-07-18 - G06F30/27
  • 本申请提供一种基于数据质量评估的强化联邦学习动态采样方法及设备,能够根据初始梯度信息构建初始全局模型,并根据初始全局模型的模型性能确定每个客户端的贡献指数,将贡献指数应用到联邦学习的客户端采样中,可以基于贡献指数评估每个客户端的数据质量。然后根据贡献指数和预设的目标精度确定每个客户端的最优动作价值函数值,因为最优动作价值函数综合考虑了模型性能和模型精度,所以根据最优动作价值函数值对预设数量个客户端进行采样,能够有效地在大量参与联邦学习的客户端中智能化地筛选出高数据质量的客户端,利用具有高数据质量的客户端进行强化联邦学习,可以提高联邦学习得到的全局模型的质量和精度。
  • 基于数据质量评估强化联邦学习动态采样方法设备
  • [发明专利]基于深度学习的利用成分预测高熵合金相形成的方法-CN202310384811.5在审
  • 赵宇宏;郭庆伟;裴小龙;薛哲;侯华 - 中北大学
  • 2023-04-12 - 2023-07-11 - G16C60/00
  • 本发明具体是一种基于深度学习的利用成分预测高熵合金相形成的方法,解决了现有高熵合金相形成预测方法成本高、过程繁琐、预测结果准确性较差的问题。一种基于深度学习的利用成分预测高熵合金相形成的方法,所述方法包括如下步骤:步骤S1:构建包括若干种高熵合金的特征数据的数据集;所述特征数据包括成分数据和相形成数据;步骤S2:构建卷积神经网络模型;步骤S3:利用所述数据集对所述卷积神经网络模型进行训练,得到优化后的卷积神经网络模型;步骤S4:将待预测的高熵合金的成分数据输入至所述优化后的卷积神经网络模型,进行高熵合金相形成的预测。本发明仅以高熵合金成分作为输入,摒弃了特征计算和选择流程,简化了预测过程并提升准确性。
  • 基于深度学习利用成分预测高熵合金相形成方法

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