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4个,建议您升级VIP下载更多相关专利
  • [发明专利]模型的分布式训练方法和系统-CN202310755689.8在审
  • 陆唯佳;张晓东;杨志斐;马笑峰;刘创;林旺城 - 联合汽车电子有限公司
  • 2023-06-25 - 2023-09-29 - G06N3/098
  • 本发明涉及模型训练领域,提供一种模型的分布式训练方法和系统。方法包括:云端获取样本数据,并根据样本数据对预先构建的主干模型及探针模型进行首次训练;云端将首次训练后主干模型及探针模型下发至与主干模型关联的各客户端;各客户端根据预存的客户端样本数据,对首次训练后主干模型进行二次训练,得到二次训练后主干模型,并基于首次训练后的探针模型,获得二次训练后主干模型相应特征提取层的特征值分数;云端接收各客户端上传的二次训练后主干模型,并基于预设的聚合原则,根据各特征提取层的分数和接收的各二次训练后主干模型进行聚合,获得分布式模型。解决了模型训练时,由于无法获取客户端真实的数据,导致模型性能不佳的问题。
  • 模型分布式训练方法系统
  • [发明专利]基于定位模型的定位方法-CN202211248400.5在审
  • 陆唯佳;马笑峰;张晓东;乔培虎;牛寅 - 联合汽车电子有限公司
  • 2022-10-12 - 2023-01-03 - G06F18/214
  • 本发明提供了一种基于定位模型的定位方法,其中,所述定位模型通过高度预测分支和相位信息预测分支的计算结果作为注意力信号来协调距离预测分支各部分子网络的工作。这种注意力机制的设计,相比设计通用的滤波器组,相关子网络对应的滤波器组会针对特定条件的信号,能够快速收敛;相比基于门控信号(高度或者相位的预测结果)的子网络选择,基于概率加权的方法可以减少对门控阈值的依赖。基于上述设计,提高了训练后的所述定位模型的输出精度,解决了现有技术中存在的问题。
  • 基于定位模型方法
  • [发明专利]训练方法及定位方法-CN202210316647.X在审
  • 马笑峰;陆唯佳;张晓东;牛寅;乔培虎;李兵洋;刘创 - 联合汽车电子有限公司
  • 2022-03-28 - 2022-08-26 - G06N3/08
  • 本发明提供了一种训练方法及定位方法。其中,所述训练方法包括如下步骤:构建第一模型和第二模型。所述第一模型连接所述第二模型得到训练模型。基于目标函数训练所述训练模型,其中,所述目标函数至少基于所述第一模型的输出结果和所述训练模型的输出结果计算。训练后的所述第一模型被配置为所述装置定位模型。如此配置,同时通过第一模型的误差和训练模型的误差进行训练结果评价,提升模型训练效果并避免模型在训练过程中过早陷入局部最优解或者出现过度拟合的状况,使得训练得到的定位模型定位精度更高,从而解决了现有技术中存在的基于信号强度的装置定位算法精度不高的问题。
  • 训练方法定位
  • [发明专利]PCSP点火策略爆震检测方法及装置-CN202210175964.4在审
  • 马笑峰;陆唯佳;习纲;王建强;尹兆雷;曹银波;吴宁;李兵洋;刘鹏 - 联合汽车电子有限公司
  • 2022-02-25 - 2022-07-22 - G06K9/00
  • 本申请公开了一种PCSP点火策略爆震检测方法及装置,属于爆震检测技术领域。该方法中,对初始爆震指标提取新缸压特征,新缸压特征对应初始爆震指标的各个样本数据的新缸压特征;确定初始爆震指标的样本数据的标签,标签的类型包括爆震或非爆震;根据各个样本数据的新缸压特征和初始爆震特征建立缸压模型和爆震模型,初始爆震特征根据爆震传感器计算得到;对缸压模型和爆震模型进行交叉训练,根据交叉训练结果对样本数据的原标签进行修正;根据修正后样本数据的新标签对缸压模型和爆震模型进行爆震阈值优选。基于短时傅里叶变化提取缸压特征的方法,通过对爆震特征和缸压特征交叉训练来解决PCSP爆震标签模糊问题。
  • pcsp点火策略检测方法装置

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