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331089个,建议您升级VIP下载更多相关专利
  • [发明专利]一种融合Bagging的随机树慢性肾病分期预测算法-CN201610125036.1在审
  • 李智;华伟;向中辉 - 四川大学
  • 2016-03-07 - 2016-07-27 - G06K9/62
  • 本发明公开了一种融合Bagging的随机树慢性肾病分期预测算法,简称RTB算法。该算法首先在适于慢病分类决策的随机树算法基础上,将随机树算法看作一个反向传播的基分类器,融合Bagging思想,通过多次随机抽样,形成多个同样大小的袋内数据集,对生成的多个袋内数据集分别构建基分类器,用基分类器分别对每个袋外数据集进行分类,最后多数投票得到分类预测结果。其次,考虑到样本和基分类器的权重是固定的,在每次迭代时不能动态调整权重,提出一种双向自适应权重分配策略,前向更新样本的权重,对于错分的样本设置更大的权重,后向更新基分类器的权重,基分类器的投票权重随着分类错误率增大而减小
  • 一种融合bagging随机慢性肾病分期预测算法
  • [发明专利]基于机器学习的投票箱识别系统-CN202110539869.3在审
  • 刘昂博 - 广州力天文化创意产业集团有限公司
  • 2021-05-18 - 2021-12-14 - G07C13/02
  • 本发明公开了基于机器学习的投票箱识别系统,涉及一种投票识别技术领域,包括传输系统、拍照系统、识别系统和展示系统,所述传输系统包括传输模块和摆正模块,同时摆正模块设置在传输模块的后方,并且拍照系统位于传输系统的后方,进过传输系统整理完成的投票纸传输至拍照系统内,其中拍照系统内设置有高清摄像机,高清摄像机对投票纸进行拍照识别,并且拍照系统将图片传输至识别系统内,其中识别系统利用Unity3D引擎提供的运行环境,结合结合机器学习原理来实现图像的识别,该系统通过·算法自动处理识别选票,识别系统对应连接有展示系统,针对传统投票及检票进行自动化处理,保留了传统选票的仪式感的同时,节省了人力物力,提高选票统计效率。
  • 基于机器学习投票箱识别系统
  • [发明专利]一种视频会议中匿名投票的方法-CN202211010286.2有效
  • 李明;马文婷;陈劲松;刘洋;张标林;叶鹰 - 中电信数智科技有限公司
  • 2022-08-23 - 2023-08-18 - G07C13/00
  • 本发明公开了一种视频会议中匿名投票的方法,涉及电子投票技术领域,包括如下步骤:将M个视频会议终端组成投票队列;第一个投票者通过视频会议终端对候选项赋予票值,加密获得一级伪差值和一级伪和值,并选取其中一个传递至下一个视频会议终端,另一个发送至视频会议服务器;下一个投票者对候选项赋予票值,加密获得二级伪差值和二级伪和值,并选取其中一个传递至下一个视频会议终端,另一个发送至视频会议服务器;最后将数据加密处理得到的M级伪差值和M级伪和值均发送至视频会议服务器;视频会议服务器对收到的所有数据进行解析后获得投票结果,本发明的投票过程容易,无需实现复杂的加密算法,即可实现了视频会议中的投票信息的匿名化。
  • 一种视频会议匿名投票方法
  • [发明专利]基于对抗性机器学习的网络入侵检测方法-CN202210397944.1在审
  • 郭森森;田晨;慕德俊 - 西北工业大学
  • 2022-04-11 - 2022-07-19 - H04L9/40
  • 该方法包括以下步骤:(1)对网络流量数据进行特征提取、异常值过滤、向量化、以及归一化,得到计算机可处理的流量特征向量;(2)使用网络入侵检测领域常用的多种机器学习算法与基于剪枝投票的极限学习机集成模型(Learning Machines,BAVE‑ELM)共同构建网络入侵集成检测模型;(3)生成网络流量对抗样本,并对步骤(2)所述集成检测模型进行鲁棒性训练;(4)对集成检测模型中各基本分类器的预测值进行加权投票本方法综合了对抗训练、集成训练、以及自适应投票算法,在保证异常检测精度的同时,可以有效地抵抗对抗攻击,具有泛化能力强、鲁棒性强等特点。
  • 基于对抗性机器学习网络入侵检测方法

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