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139101个,建议您升级VIP下载更多相关专利
  • [发明专利]一种气象事件预测方法、装置及相关设备-CN202011312818.9在审
  • 王健宗;李泽远 - 平安科技(深圳)有限公司
  • 2020-11-20 - 2021-02-19 - G06Q10/04
  • 本申请提供一种气象事件预测方法,该方法包括:第一终端根据第一样本集中的每个样本,计算待训练模型的损失函数的一阶梯度集和二阶梯度集;并接收第二终端发送的根据第二样本集计算得到的聚合一阶梯度集和聚合二阶梯度集,其中,第二样本集是从第二终端的样本集中确定的与第一样本集相似的样本集;然后根据样本的梯度值和相似样本的聚合梯度值来训练模型,并通过训练好的模型预测气象状况。通过发送相似样本的聚合梯度值给第一终端用于模型的训练,避免了数据泄露的问题,同时,训练模型的过程中用到了其他终端的相似样本,使训练出的模型更加准确,且各终端可以同步并行训练,提高了模型的计算效率,合理利用了数据和资源
  • 一种气象事件预测方法装置相关设备
  • [发明专利]用于磁共振系统的激发脉冲序列生成器-CN201110121258.3有效
  • 夏灵;邵汀汀;刘锋 - 浙江大学
  • 2011-05-11 - 2011-12-21 - G01R33/36
  • 本发明提供一种用于磁共振系统的激发脉冲序列生成器,其生成的激发脉冲序列应用于磁共振系统能够实现优化的基于并行激发技术的三维空间选择性激励。本发明的激发脉冲序列生成器能够根据激发目标和射频线圈多个发射信道的空间敏感度情况优化的确定合适的激发K空间轨迹,从而确定梯度脉冲波形和各发射信道所对应的射频脉冲包络波形。磁共振系统的梯度驱动单元和射频驱动单元据此生成梯度脉冲和射频脉冲,并驱动梯度线圈和射频线圈将其同时施加于扫描空间内,从而实现期望的三维空间内选择性激发的目标。
  • 用于磁共振系统激发脉冲序列生成器
  • [发明专利]图像梯度计算方法及装置-CN201210524572.0无效
  • 柴志雷;邵兴龙;梁久祯;王芝斌;阳文敏;马骏;张圆蒲 - 江南大学
  • 2012-12-04 - 2013-04-03 - G06T1/00
  • 本发明揭露了一种图像梯度计算方法及装置,所述方法包括对输入图像数据进行N*N窗口大小的缓存;分别对N*N窗口内的各个有效点进行向右移位操作,将有效点划分为M类;将窗口分为左右两个部分,分别统计所述窗口左右部分内属于M类中每一类的个数;根据所述窗口内左右部分各个有效点属于每一类的个数和χ2直方图分布计算当前有效点的梯度值。本发明通过可以并行地对窗口内有效点分类和进行χ2直方图计算,使得能够更加准确地对输入的每一个像素点计算其所代表的窗口具有的梯度值,从而得到精确的梯度图像。
  • 图像梯度计算方法装置
  • [发明专利]一种类Alexnet网络的模型训练方法和装置-CN201610201731.1在审
  • 王思宇 - 阿里巴巴集团控股有限公司
  • 2016-03-31 - 2017-10-24 - G06N3/08
  • 本申请实施例提供了一种类Alexnet网络的模型训练方法和装置,所述方法包括采用第一图形处理单元GPU计算在类Alexnet网络下的第一梯度值和第二梯度值;接收第二图形处理单元GPU发送的在所述类Alexnet网络下的第三梯度值;依据所述第一梯度值和第三梯度值计算所述类Alexnet网络的第一模型参数;接收所述第二图形处理单元GPU发送的在所述类Alexnet网络下的第四梯度值;依据所述第二梯度值和第四梯度值计算所述类Alexnet网络的第二模型参数;采用所述第一模型参数和第二模型参数训练所述类Alexnet网络的模型,使计算和通信两个过程分开进行,进一步使类Alexnet网络的卷积层的计算和全连接参数通信并行,有效地减少了模型训练过程耗费的时间
  • 种类alexnet网络模型训练方法装置
  • [发明专利]神经网络系统、神经网络的学习方法以及神经网络的学习程序-CN202080092251.0在审
  • 檀上匠 - 富士通株式会社
  • 2020-01-10 - 2022-08-19 - G06N3/08
  • 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器,多个处理器中的每一个处理器在多次学习中的每一次学习中,基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出,计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量,(1)在梯度或者更新量的累积不小于阈值的第一情况下,执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积,接收汇集后的梯度或者更新量的累积,用汇集后的梯度或者更新量的累积更新参数的第一更新处理,(2)在梯度或者更新量的累积小于阈值的第二情况下,执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集,用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理
  • 神经网络系统学习方法以及学习程序

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