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]一种原型模型匹配方法、装置、系统及存储介质-CN202310693351.4在审
  • 张清辰;郭禹 - 海南大学
  • 2023-06-09 - 2023-09-01 - H04L9/40
  • 本发明公开了一种原型模型匹配方法、装置、系统及存储介质,应用于模型安全匹配领域,该方法包括:接收模型需求端发送的经过CKKS同态加密算法加密的密文原型矩阵;接收模型提供端发送的经过CKKS同态加密算法加密的私有密文原型矩阵集;将密文原型矩阵与私有密文原型矩阵集中每个私有密文原型矩阵进行相似度计算得到密文相似度集;将密文相似度集发送至模型需求端,以使模型需求端解密密文相似度集得到相似度集,并根据相似度集匹配原型模型。该方法通过基于同态加密的原型模型相似度匹配,在第三方服务器端上进行相似度计算,避免了现有技术中在训练集无加密的状态下匹配需求模型导致训练数据泄露的风险。
  • 一种原型模型匹配方法装置系统存储介质
  • [发明专利]基于混合特征模型和提升模型集成的抗结核肽预测系统-CN202310502276.9在审
  • 崔菲菲;付修豪;张子龙;李兴风;张清辰 - 海南大学
  • 2023-05-06 - 2023-08-22 - G16B40/00
  • 基于混合特征模型和提升模型集成的抗结核肽预测系统,涉及生物信息领域。本发明是为了解决现有抗结核肽预测方法还存在由于泛化能力弱导致的识别效率和预测准确率低的问题。本发明包括:获取抗结核肽数据集;对抗结核肽数据中蛋白质和物化性质编码获取相关特征信息;利用相关特征信息对多种机器学习模型训练获得基线模型,从而获得混合特征信息;对混合特征信息筛选,获得最优特征子集;利用相关特征信息和最优特征子集对多种机器学习模型训练获得基线模型和混合特征模型,并构建提升模型;利用提升模型、基线模型和混合特征模型获取最终集成模型;将待预测抗结核肽数据集输入到最终集成模型中获得抗结核肽预测结果。本发明用于预测抗结核肽。
  • 基于混合特征模型提升集成结核预测系统
  • [发明专利]深度强化学习模型训练方法、图像识别方法及相关设备-CN202310086628.7在审
  • 杨峰;张祥飞;张清辰 - 海南大学
  • 2023-02-06 - 2023-05-09 - G06V10/764
  • 本发明公开了一种深度强化学习模型训练方法、图像识别方法、装置、设备及存储介质,应用于信息安全领域,该方法包括:利用经验池的经验数据对第一策略神经网络进行训练,将训练完成的第一策略神经网络确定为初始模型;获取预设数量经验数据的环境状态,根据环境状态计算初始模型中每个神经元与模型输出值的平均神经元相关性;利用平均神经元相关性计算神经元的自适应比;在训练第二策略神经网络的过程中,在每个时间步上,通过自适应比分配隐私预算至神经元;确定训练完成的第二策略神经网络为目标模型。通过神经元与模型输出的相关性进行自适应隐私预算分配,避免了现有技术在时间步中加入等量的噪声,降低模型收敛速度和可用性的问题。
  • 深度强化学习模型训练方法图像识别相关设备
  • [发明专利]一种医学对话文本匹配方法、装置、设备、存储介质-CN202310198551.2在审
  • 齐瑞林;张祥飞;张清辰 - 海南大学
  • 2023-03-03 - 2023-05-05 - G06F16/332
  • 本申请公开了一种医学对话文本匹配方法、装置、设备、存储介质,涉及深度学习技术领域,包括:当接收目标医学问题语句时,从预设医学答案库中选择医学答案语句;对目标医学问题语句和医学答案语句进行动态编码,生成对应第一动态词向量和第二动态词向量;基于第一动态词向量和第二动态词向量生成第一双向序列信息和第二双向序列信息;捕获第一双向序列信息和第二双向序列信息的第一特征向量和第二特征向量,计算第一特征向量和第二特征向量之间的余弦相似度;重复执行选择医学答案语句的步骤,直至将最大余弦相似度对应的医学答案语句确定为目标匹配语句并输出。实现用户端接收与输入的目标医学问题语句对应的医学答案语句和医学问题的自动问答。
  • 一种医学对话文本匹配方法装置设备存储介质
  • [发明专利]一种基于双通道强化学习的败血症治疗系统-CN202310025880.7在审
  • 古富强;刘会东;张清辰;俞航 - 重庆大学
  • 2023-01-09 - 2023-04-18 - G16H50/70
  • 本发明涉及一种基于双通道强化学习的败血症治疗系统,属于生物医学技术领域。该系统结合了一个全连接神经网络和一个长短期记忆神经网络,其中全连接神经网络用于捕获患者当前的生理状态,长短期记忆神经网络用于代表患者的治疗历史,包括状态、行动和奖励;该系统包括:马尔可夫决策模块、双通道数据流模块、深度强化学习模块、离线策略评估模块;马尔可夫决策模块将整个疾病治疗过程构建为马尔可夫决策过程,选择患者的历史治疗病历构建强化学习模型的输入数据库,包括状态值、动作值和奖励函数。与现有技术相比,本系统通过学习患者的历史和当前时刻的生理信息,可以更好的捕获患者生理特征的动态变化,丰富寻找最优策略的学习过程,性能更优。
  • 一种基于双通道强化学习败血症治疗系统
  • [发明专利]一种基于机器人控制气动卡盘夹取设备-CN202011047361.3有效
  • 王厚英;李福武;王春强;张清辰 - 北海职业学院
  • 2020-09-29 - 2022-10-21 - B25J15/08
  • 本发明公开了一种基于机器人控制气动卡盘夹取设备,其结构包括:夹取头机体、气动臂、控制箱、蓄电单元,使设备使用时,通过设有的夹取头机构,使本发明能够实现避免当夹持设备对于双层瓦楞纸板进行夹持运输时,由于双层瓦楞纸板其特殊的凹凸结构,正常夹持头无法较为准确的进行定位,因此会对其凹槽产生过分挤压,进而压塌其凹槽结构,使得纸板受到损坏,不利于下一步合成加工工序的进行的问题,使设备通过特有的凹槽触头装置与平触板装置结构,针对其双层瓦楞纸板两面不一的特性,能够对其进行较为吻合的夹取,同时通过接触块装置与缓冲层能够沿其凹槽进行定位夹持,有效保护瓦楞纸板原有结构的完整性,更加的智能化。
  • 一种基于机器人控制气动卡盘设备
  • [发明专利]一种航空发动机气路故障诊断方法-CN202010112320.1有效
  • 赵亮;莫春阳;张清辰;陈志奎;李朋 - 大连理工大学
  • 2020-02-24 - 2021-12-03 - G06K9/62
  • 一种基于深度学习和信息融合的航空发动机气路故障诊断方法,属于动力机械故障诊断领域。首先,对数据进行预处理;其次,利用处理后的样本数据将卷积神经网络模型和前馈神经网络分别训练至最佳,继而得到两个模型对样本数据所属类别的判定结果;再次,在证据体的基本概率分布的构造阶段,两种模型的判别结果被视为两个证据体,该阶段将证据体中样本所属各类别评分转换为样本的基本概率分布,同时计算样本不确定度;最后,在证据体的合成与决策阶段,根据D‑S证据理论的合成规则计算两个证据体合成后的概率分布,根据决策规则给出每条样本所属类别。本发明融合了两种深度神经网络从不同角度学习样本数据后给出的决策结果,获得一种精度较高的航发故障诊断模型,同时可以克服非深度学习模型对不同来源的航发大数据判别能力不稳定、鲁棒性低的问题。
  • 一种航空发动机故障诊断方法
  • [发明专利]一种基于重构图的图学习模型-CN201910342717.7有效
  • 陈志奎;王勐;高静;李朋;张清辰 - 大连理工大学
  • 2019-04-26 - 2021-03-26 - G06K9/62
  • 一种基于重构图的图学习模型,属于图像标注领域,包括以下步骤:通过改进最近邻算法,寻找测试图像的语义最近邻、对其构造相似矩阵,并通过随机点积图对图像进行聚类,挖掘其内部联系,得到加权相似矩阵,然后使用图学习算法获取初步图像标注结果。利用标签之间的关系进行标注,在这个过程中考虑标签之间共现的不平衡性,引入最近的图论模型,有效地解决标签不平衡问题。随机点积图用于重建标签的传递矩阵,解决图像标签共存的不对称问题。此外,使用朴素贝叶斯最近邻分类器来建立图像和标签之间的联合似然函数。本发明针对图像标签存在的分类不平衡的特点,提出基于重构图模型的图像标注模型,能够有效的提高标签的召回率。
  • 一种基于构图学习模型
  • [发明专利]一种基于非负矩阵分解的多模态鲁邦特征学习模型-CN201911391055.9在审
  • 赵亮;赵天阳;杨韬;张清辰;陈志奎 - 大连理工大学
  • 2019-12-30 - 2020-05-12 - G06N20/00
  • 一种基于非负矩阵分解的多模态鲁邦特征学习模型,属于计算机技术领域。首先,对多模态数据集进行归一化和特殊值预处理。其次,将各模态数据在低维共享空间中进行重构,利用图正则化思想,对数据空间上的几何空间进行拟,同时引入噪声矩阵为数据空间中去除噪声,构建基于非负矩阵分解的多模态鲁棒特征学习模型。再次,根据模型优化结果,依次更新各个模态的映射矩阵和所有模态的共享特征矩阵,更新噪声矩阵,更新模态权重因子。最后,判断本次模型值和上一次模型值之间的差异,迭代更新第三步直至满足模型收敛条件。本发明依照上述步骤推导出了一种行之有效的模型来解决含有噪声的多模态数据特征学习问题。通过大量实验验证,本发明所得到的数据表示性能优于现阶段相关模型。
  • 一种基于矩阵分解多模态鲁邦特征学习模型
  • [发明专利]一种支持增量更新的深度卷积计算模型-CN201711418936.6在审
  • 陈志奎;高静;张清辰;李朋;孙铭阳 - 大连理工大学
  • 2017-12-25 - 2018-05-08 - G06N3/04
  • 本发明属于大数据实时处理技术领域,公开了一种支持增量更新的深度卷积计算模型,包括如下步骤:通过堆叠张量卷积层、抽样层以及全链接层构建深度卷积计算模型,通过高阶反向传播算法对模型参数进行训练。在不改变模型连接结构的前提下,根据新增数据的特征,通过设计参数更新算法将模型的张量全连接层参数由θ更新为θ+Δθ,使得更新后的参数能够学习新增相似数据的特征;通过设计结构更新算法不断增加网络计算单元方式来更新模型结构迁移历时知识,实现对高速动态变化的数据特征提取。本发明针对大数据的实时性特点,设计支持增量更新的深度卷积计算模型,能够高效地提取大数据的特征。
  • 一种支持增量更新深度卷积计算模型

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