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110个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于深度学习的三维激光雷达点云语义分割的方法和装置-CN202211659267.2有效
  • 陈红阳;何嘉华;李朝 - 之江实验室
  • 2022-12-22 - 2023-10-27 - G06V10/26
  • 一种基于深度学习的三维激光雷达点云语义分割的方法,包括:轻量级深度全卷积神经网络构建;激光雷达原始点云预处理;三维空间特征转换为二维空间特征;训练轻量级深度全卷积神经网络;二维点云语义分割;二维语义标签后处理优化;三维语义标签恢复。本发明还包括一种基于深度学习的三维激光雷达点云语义分割装置。本发明使用了极坐标系变换的方式实现特征降维,利用基于深度学习的轻量级全卷积神经网络CSPRangeNet跨阶段特征融合的特点,不仅保证了分割结果的精确性,还降低了空间消耗,减少了网络特征提取阶段的运算量,大幅提升了分割速率。本发明适用于对实时性要求较高的三维激光雷达点云语义分割。
  • 一种基于深度学习三维激光雷达语义分割方法装置
  • [发明专利]一种基于过滤曲率的预测蛋白质-配体结合亲和力系统和方法-CN202310122433.3有效
  • 吴剑秋;陈红阳 - 之江实验室
  • 2023-01-19 - 2023-10-27 - G16C20/50
  • 一种基于过滤曲率的预测一个分子和一个蛋白质的结合亲和力的系统,包括数据存储器、数据整理器和模型预测器。数据整理器使用数据存储器中存储的蛋白质‑‑配体数据生成图和图的结构,并将所述的图和图的结构传递给模型预测器以预测结合亲和力。数据整理器的图模块使用数据预处理模块从所述的蛋白质—配体数据中提取亲和力、原子的坐标和属性生成图,结构模块使用所述的图生成图的结构。模型预测器的过滤曲率模块将图中的原子间的距离信息和曲率信息融合成边的表示。而基于角度和自适应图注意力机制的SIHN模块利用个性化的注意力机制将图的角度信息纳入图表示从而预测结合亲和力。本发明还包括一种基于过滤曲率的预测一个分子和一个蛋白质的结合亲和力的方法。
  • 一种基于过滤曲率预测蛋白质结合亲和力系统方法
  • [发明专利]面向图像分类的神经网络架构构建和训练方法及系统-CN202310065582.0在审
  • 孙亚楠;冯雨麒;王聪;陈红阳;宋孝天;吕泽琼 - 之江实验室;四川大学
  • 2023-01-16 - 2023-09-15 - G06V10/764
  • 本发明公开了一种面向图像分类的神经网络架构构建和训练方法及系统,其中构建和训练方法包括获取搜索空间,并对其每个搜索单元赋予一个权重形成超网;采用图像分类训练集对超网中的可训练权重进行训练和更新;对训练后超网中可训练权重进行训练和更新,每个次更新可训练权重后,根据所有搜索单元的无偏估计量更新架构参数;选取搜索空间中每条边所有架构参数中最大值对应的搜索单元,存储至单元集合中;遍历单元集合中搜索单元,将模型参数未超过设定阈值的搜索单元加入架构中,形成神经网络架构;连接多个神经网络架构形成图像分类神经网络,并对图像分类神经网络进行训练;将采集的分类图像输入训练后的图像分类神经网络,输出分类图像的类别。
  • 面向图像分类神经网络架构构建训练方法系统
  • [发明专利]一种预测模型的训练方法、装置、存储介质及电子设备-CN202311053464.4在审
  • 余磊;吕劲松;陈红阳 - 之江实验室
  • 2023-08-21 - 2023-09-15 - G06N5/02
  • 本说明书公开了一种预测模型的训练方法、装置、存储介质及电子设备,通过对样本图中的各节点进行聚类,再基于聚类结果中与目标节点属于相同聚类簇但与目标节点不存在链接关系的各节点,以及与所述目标节点距离较近但与该目标节点之间也不存在链接关系的各节点,确定指定节点,并将该指定节点和目标节点进行组合得到负样本对,以及根据确定出的负样本对和基于样本图中原有的链接关系确定出的正样本对,对该预测模型进行训练。本方法能充分考虑并利用节点间的相似信息进行负采样,从而使得训练得到的预测模型,可针对每个节点,准确预测其他节点与该节点之间存在链接关系的可能性,提高了预测结果的准确率。
  • 一种预测模型训练方法装置存储介质电子设备
  • [发明专利]一种停车位空闲率的预测方法、装置、介质及设备-CN202310493262.5在审
  • 陈红阳;曹蓉 - 之江实验室
  • 2023-04-28 - 2023-09-15 - G08G1/01
  • 本说明书公开了一种停车位空闲率的预测方法、装置、介质及设备,可将待预测时刻之前的待预测区域内的各停车场的停车位空闲率输入到停车位空闲率预测模型的特征提取网络,得到用于表征各停车场的停车位空闲率与时间关系的第一特征。以及将待预测区域内的各停车场的空间关系图以及该第一特征输入到图融合网络,得到融合特征。进而将融合特征输入到结果预测网络,以得到在待预测时刻待预测区域内的各停车场的停车位空闲率。基于停车位空闲率与时间的关系,停车位空闲率与空间的关系,以及停车位空闲率与时间和空间的潜在交互关系,同时得到待预测区域内的多个停车场的停车位空闲率预测结果,提高了停车位空闲率的预测效率和预测结果的准确性。
  • 一种停车位空闲预测方法装置介质设备
  • [发明专利]一种基于图神经网络的药物抑癌敏感性预测方法与装置-CN202310664368.7在审
  • 郑鹏飞;劳传祺;陈红阳 - 之江实验室
  • 2023-06-06 - 2023-09-05 - G16C20/50
  • 本发明公开了一种基于图神经网络的药物抑癌敏感性预测方法与装置,包括:获取候选药物及癌细胞系原始数据;提取候选药物的药物信息特征,并进行扩展;根据药物信息特征,构建药物分子特征向量,以药物的原子为节点,化学键为边,构建药物邻接矩阵、节点特征矩阵和边特征矩阵;构建并迭代图神经网络模型,得到药物图特征;药物图特征与药物分子特征向量聚合后,得到药物表征;获取存储基因序列在癌细胞系中基因表达、基因突变、基因甲基化、基因拷贝数的表达量,提取癌细胞系表征;对药物表征和癌细胞系表征进行特征融合,得到药物‑癌细胞系实例对,将其对输入至药物抑癌敏感性预测模型中,预测得到候选药物在癌细胞系环境中的IC50值。
  • 一种基于神经网络药物敏感性预测方法装置
  • [发明专利]基于矢量量化的图神经网络的药物性质预测方法和装置-CN202310673599.4在审
  • 郑鹏飞;吴春琦;陈红阳 - 之江实验室
  • 2023-06-07 - 2023-09-05 - G16C20/50
  • 本发明公开了一种基于矢量量化的图神经网络的药物性质预测方法,包括:获取药物分子原始图;构建图编码器,将药物分子原始图编码为隐变量特征;构建码本;计算各节点对应的隐变量特征与码本中各个向量的欧式距离,利用最近邻向量替换隐变量特征,得到矢量化的隐变量特征;构建图解码器,对矢量化的隐变量特征进行解码,得到药物分子增强图;构建药物分子原始图‑增强图实例对,将其对输入至药物分子图对比网络中,得到药物分子图实例对特征;构建损失函数,对药物分子增强图和药物分子图对比网络进行协同训练;将药物分子图进行图特征编码后得到的图特征输入至训练好的图对比网络进行预测,得到药物性质预测结果。
  • 基于矢量量化神经网络药物性质预测方法装置
  • [发明专利]一种基于融合认知信号和文本的情感识别方法及装置-CN202310451112.8在审
  • 陈红阳;张之涵;陈弘毅 - 之江实验室
  • 2023-04-20 - 2023-09-01 - G06F40/205
  • 本发明公开了一种基于融合认知信号和文本的情感识别方法和装置,该方法首先对认知信号与文本信息预处理,得到词嵌入矩阵和认知信号矩阵;再进行文本注意力机制,并结合softmax函数,得到带有文本认知信号注意力权重的认知信号矩阵;接着通过使用多个编码器,从带有文本认知信号注意力权重的认知信号矩阵与词嵌入矩阵两种模态的输入中分别提取各自共有特征,同时保留和纯化每个模态的特有特征;将共有特征输入至生成对抗网络获取共享特征,并与每个模态的特有特征拼接得到共享‑特有多模态特征,再输入至预测器中进行预测。本发明同时基于文本信息以及认知信号特征进行预测,结合特征融合,大大提高了下游情感识别任务的准确性。
  • 一种基于融合认知信号文本情感识别方法装置
  • [发明专利]一种模型训练的方法以及分子结构信息的推荐方法及装置-CN202310560994.1在审
  • 安丰;陈湘菊;劳传祺;戚耀;陈红阳 - 之江实验室
  • 2023-05-15 - 2023-08-15 - G16B15/30
  • 本说明书公开了一种模型训练的方法以及分子结构信息的推荐方法及装置,通过获取到的数据集,构建出指定蛋白降解靶向嵌合体的三维分子图信息,该三维分子图信息充分的表征出指定蛋白降解靶向嵌合体的分子结构的各种特征,将该三维分子图信息输入到预测模型中后,预测模型会根据三维分子图信息,来预测与指定蛋白降解靶向嵌合体组合成具有预设药物功能的分子片段的片段信息,作为目标片段信息,进而根据预测出的目标片段信息以及与指定蛋白降解靶向嵌合体对应的标签分子片段的片段信息之间的偏差,对预测模型进行训练,使得后续在预测分子结构的过程中,可以通过该预测模型实现快速、准确的分子片段预测,从而提高了分子片段探索的效率以及准确性。
  • 一种模型训练方法以及分子结构信息推荐装置
  • [发明专利]基于集成学习的育种跨代表型预测方法与系统、电子设备-CN202310373424.1在审
  • 董成航;陈红阳;冯献忠 - 之江实验室
  • 2023-04-10 - 2023-08-11 - G16B40/00
  • 本发明公开了一种基于集成学习的育种跨代表型预测方法与系统、电子设备,包括:获取高世代作物及对应后世代作物的基因型数据,采集高世代作物的目标表型数据;基于遗传算法计算评价函数,根据评价函数从基因型数据中筛选出高世代作物中与对应的后世代作物具有遗传相关的基因型数据子集;通过子集训练若干不同的机器学习模型;计算各机器学习模型的评价指标,并排序,选取前K个机器学习模型作为基础学习器;将K个基础学习器基于集成学习方法进行堆叠,训练得到元学习器;将后世代作物的基因型数据输入至基础学习器中得到元数据,再将元数据输入至元学习器中,得到后世代作物的预测目标表型数据。
  • 基于集成学习育种表型预测方法系统电子设备
  • [发明专利]基站装置和终端装置-CN202210544263.3有效
  • 陈红阳;吴建明;下村刚史 - 富士通株式会社
  • 2017-06-15 - 2023-08-08 - H04L1/00
  • 本发明提供基站装置和终端装置。基站装置具有:发送部,其发送包含多个码块组的传输块;以及接收部,其接收表示所述多个码块组中的1个以上的码块组没有被正确地接收的确认信号,在所述接收部接收到所述确认信号时,所述发送部发送控制信号,所述控制信号包含有第1信息和第2信息,所述第1信息表示所述多个码块组中的待接收的所述1个以上的码块组的重传,所述第2信息表示所述多个码块组中的先前接收到的存储在缓存中的1个以上的码块组是否能够与所述多个码块组中的所述待接收的所述1个以上的码块组结合而再现数据。
  • 基站装置终端

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