“时序网络”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果891417个，建议您升级VIP下载更多相关专利

[发明专利]一种时序网络动态隐特征抽取方法和装置-CN201910180094.8在审
发明人：罗辛;吴昊;尚明生;陈敏治;钟裕荣;王德贤 -专利权人：中国科学院重庆绿色智能技术研究院
申请日： 2019-03-11 - 公布日： 2019-08-02 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种时序网络动态隐特征抽取方法和装置；一种时序网络动态隐特征抽取装置，其特征在于：该装置包括：时序网络数据接收模块，用于接收具有V个节点K个时间段的时序网络数据以及把接收的数据导入到时序网络数据模块；时序网络数据模块，用于存储时序网络数据和抽取的时序网络特征数据；时序网络数据张量构造模块，用于将时序网络数据存储单元存储的时序网络数据构造成时序网络数据张量；特征提取模块，用于从时序网络数据张量中抽取时序网络特征数据，并将抽取的时序网络特征数据输出到时序网络数据模块；所述特征提取模块包括初始化单元、训练单元和输出单元；本发明可广泛应用在计算机等领域。
时序网络数据模块特征数据特征提取模块抽取方法和装置特征抽取数据存储单元数据接收模块特征抽取装置初始化单元存储时序构造模块输出单元网络数据训练单元时间段存储输出计算机应用

[发明专利]同步网络的相邻网络间时序动态调整方法和电子价签系统-CN202310022840.7有效
发明人：吉亚平;钟曦;张国锋;姜起;周军;梁敏 -专利权人：汉朔科技股份有限公司
申请日： 2023-01-08 - 公布日： 2023-06-09 - 主分类号： H04W56/00 文献下载
摘要：本发明提供一种同步网络的相邻网络间时序动态调整方法和电子价签系统，所述方法包括：服务器根据干扰时序关系图判断决策当前网络的时序调整方向和时序调整值；所述服务器将所述当前网络的时序调整方向和时序调整值生成相对应的调整任务，并在每个网络的处理过程中将所述调整任务发送到当前网络中的主基站，使所述主基站和辅基站根据所述调整任务进行时序动态调整。本发明解决了现有技术中相邻门店的同步网络之间或同一门店内的不同网络之间随着时间漂移存在相互干扰的问题，通过建立同步网络之间的干扰时序关系图并基于干扰时序关系图进行网络时序的动态调整，达到网络间能相互避让的目的，提高了同步网络的通信稳定性。
同步网络相邻时序动态调整方法电子价签系统

[发明专利]基于GAN的带有结构约束的时序图数据生成方法及系统-CN202211638436.4有效
发明人：李松;齐逸岩;刘力铭;幺宝刚 -专利权人：粤港澳大湾区数字经济研究院（福田）
申请日： 2022-12-20 - 公布日： 2023-05-23 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种基于GAN的带有结构约束的时序图数据生成方法及系统，基于GAN网络结构，使用时序图序列生成网络生成模拟时序图序列数据，对目标领域的真实时序图采样获得真实时序图序列数据，使用时序图序列判别网络获得模拟时序图序列数据与真实时序图序列数据之间的第一损失值，并比较模拟时序图序列数据的子图分布距离值、真实时序图序列数据的子图分布距离值，获得第二损失值，根据第一损失值和第二损失值优化时序图序列生成网络，训练时时序图序列生成网络能学习真实时序图的子图分布，使得训练好的时序图序列生成网络能够生成与真实时序图逼近的、高质量的时序图数据。
基于 gan 带有结构约束时序数据生成方法系统

[发明专利]一种基于多层时序滤波的目标跟踪方法-CN201910396789.X有效
发明人：权伟 -专利权人：西南交通大学
申请日： 2019-05-14 - 公布日： 2022-05-24 - 主分类号： G06T7/207 文献下载
摘要：本发明提供了一种基于多层时序滤波的目标跟踪方法，涉及计算机视觉模式识别技术领域。步骤一、从初始图像中选择并确定要跟踪的目标对象，步骤二、多层时序滤波网络包括并列的两个基础时序网络，记为基础时序网络1和基础时序网络2，它们具有相同的网络结构；步骤三、多层时序滤波网络训练，采用Adam优化方法训练，所述多层时序滤波网络具备目标定位能力；步骤四、提取视频图像作为要进行跟踪的输入图像；按照时间顺序，逐个提取帧图像作为输入图像；步骤五、通过基础时序网络1对目标位置进行初步的估计；将步骤一中的初始图像作为步骤六、通过基础时序网络2对目标进行准确的定位。
一种基于多层时序滤波目标跟踪方法

[发明专利]一种基于神经网络的异步多源时序数据的处理方法-CN201810727873.0在审
发明人：陈磊;季宇哲;杨云峰 -专利权人：丙申南京网络技术有限公司
申请日： 2018-07-02 - 公布日： 2018-12-18 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及数据处理技术领域，尤其涉及一种基于神经网络的异步多源时序数据的处理方法，包括步骤：将异步多源时序数据分别输入到权重网络和偏移网络，权重网络用于分析异步多源时序数据源的权重，偏移网络用于计算异步多源时序数据的偏移；然后将权重网络和偏移网络处理后的时序数据进行加权运算，从而得到异步多源时序数据分析预测结果。本发明提供的神经网络实现，综合了自回归和卷积神经网络的特长，对处理异步时序数据提供了可行的解决办法，提高了对异步时序数据的分析预测结果；可以对不同的异步数据进行权重分配，不会导致由于样本太小导致的数据丢失或数据集膨胀过大
时序数据多源权重偏移网络神经网络异步时序预测结果卷积神经网络神经网络实现数据处理技术加权运算权重分配数据丢失数据提供异步数据分析网络数据集自回归偏移样本膨胀

[发明专利]一种时序网络与时序数据的多态聚类方法-CN201410305660.0有效
发明人：付才;曲树彦;韩兰胜;刘铭;崔永泉;汤学明;骆婷;李敏 -专利权人：华中科技大学
申请日： 2014-06-27 - 公布日： 2018-04-27 - 主分类号： G06F17/30 文献下载
摘要：本发明提出了多态聚类的概念，并公开了一种时序网络与时序数据的多态聚类分析方法。多态聚类是一种针对时序网络或时序数据，以多种标准作为相似性度量指标的聚类分析方法，包括以下步骤首先，如果处理对象为时序数据，则只对时序数据加工成特定的形式，而如果处理对象为时序网络，则通过谱映射的方法把时序网络映射为特定形式的时序数据其次建立此时序数据的多态向量，最后，对多态向量采用改进的同步化聚类方法聚类得到多态聚类结果。本发明允许人们从不同的角度观察时序网络或时序数据的社区结构，从而得到更全面的分析结果。
一种时序网络数据多态聚类方法

[发明专利]一种无线网络信道状态预测方法、装置、设备及存储介质-CN202211281296.X在审
发明人：盛洁;吴澄;冯璐璐;张瑾;汪一鸣 -专利权人：苏州大学
申请日： 2022-10-19 - 公布日： 2023-03-14 - 主分类号： H04W24/08 文献下载
摘要：本发明公开一种无线网络信道状态预测方法、装置、设备及存储介质，涉及无线通讯技术领域，包括获取信道占用状态样本数据，基于Transformer模型构建网络状态时序预测模型，利用信道占用状态样本数据训练网络状态时序预测模型，包括：将多个编码器叠加，并连接全连接层构建网络状态时序预测模型，根据损失函数计算误差，采用优化算法训练网络状态时序预测模型，反复迭代至损失函数收敛，得训练完成的网络状态时序预测模型，利用训练完成的网络状态时序预测模型对待检测无线网络信道状态进行预测，得信道预测结果，利用信道占用状态样本数据训练所述网络状态时序预测模型，实现对无线网络中信道状态预测，精准预测出目前网络信道状态。
一种无线网络信道状态预测方法装置设备存储介质

[发明专利]一种基于隐空间概率预测的频谱异常检测方法及装置-CN202211461149.0有效
发明人：严牧;许鲁彦;刘杰;周航 -专利权人：中国人民解放军32802部队
申请日： 2022-11-21 - 公布日： 2023-10-17 - 主分类号： G01R23/16 文献下载
摘要：本发明公开了一种基于隐空间概率预测的频谱异常检测方法及装置，该方法包括：获取训练复值时序信号、测试复值时序信号和待检测的复值时序信号；对训练复值时序信号进行预处理，得到训练复值时序信号的时频信息；构建自动编码网络，利用训练复值时序信号的时频信息对自动编码网络进行训练，得到训练自动编码网络；训练自动编码网络包括训练卷积编码网络和训练反卷积解码网络；利用训练卷积编码网络对测试复值时序信号进行处理，得到隐空间向量信息；利用隐空间向量信息对高斯混合长短时记忆网络进行训练，得到训练高斯混合长短时记忆网络；利用训练高斯混合长短时记忆网络对待检测的复值时序信号进行处理，得到频谱异常检测结果。
一种基于空间概率预测频谱异常检测方法装置

[发明专利]时钟网络的构建方法和装置-CN201310218090.7有效
发明人：杨梁 -专利权人：龙芯中科技术有限公司
申请日： 2013-06-03 - 公布日： 2013-08-21 - 主分类号： H03K19/0944 文献下载
摘要：本发明公开了一种时钟网络的构建方法和装置。其中，时钟网络的构建方法包括：获取时钟网络末端的位置信息，其中，时钟网络末端为时钟网络中用于布设时序器件的线或点；当时钟网络末端为用于布设时序器件的线时，以时钟网络末端为对称轴，确定时序器件的布设区域；当时钟网络末端为用于布设时序器件的点时，以时钟网络末端为中心，确定时序器件的布设区域；以及在布设区域内布设时序器件。通过本发明，解决了现有技术中构建时钟网络的资源代价高或设计周期长的问题，进而达到了降低构建时钟网络的资源代价、缩短构建周期的效果。
时钟网络构建方法装置

[发明专利]一种基于时序特征共享结构的视频目标检测方法-CN202010762563.X有效
发明人：高飞;葛一粟;卢书芳;翁立波 -专利权人：浙江工业大学
申请日： 2020-07-31 - 公布日： 2022-11-11 - 主分类号： G06V20/40 文献下载
摘要：本发明提出了一种基于时序特征共享结构的视频目标检测方法包括：通过在原有的神经网络结构中加入时序特征共享结构，完成时序特征共享神经网络构建；在网络训练时通过相邻帧共享的时序神经网络训练方法实现端到端的神经网络训练；利用已训练完成的时序特征共享网络实现准确快速的视频目标检测。本发明通过时序特征共享结构传递上一帧图像特征，实现准确的视频目标检测，并结合相邻帧共享的网络训练方法实现端到端的神经网络训练。
一种基于时序特征共享结构视频目标检测方法

[发明专利]一种面向动态图链接预测的高阶时序超图卷积网络运行方法-CN202210386440.X在审
发明人：雷方元;黄达;戴青云;蒋健健 -专利权人：广东技术师范大学
申请日： 2022-04-13 - 公布日： 2022-07-08 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及深度学习图神经网络技术领域，具体涉及一种面向动态图链接预测的高阶时序超图卷积网络运行方法。获取动态图数据样本集，并分为训练集、验证集和测试集；将获取动态图构建为时序超图，将时序超图内部的超边进行超边投影；将训练集输入高阶时序超图卷积网络；接着将验证集输入已训练的高阶时序超图卷积网络，对网络进行调整，获取优化后的高阶时序超图卷积网络；将测试集数据输入优化后的高阶时序超图卷积网络，得到优化后的网络节点特征表示，将网络节点特征进行内积打分，得出预测结果。本发明仅使用时序超图卷积操作就可以独立地捕捉动态图中的结构特性和时间动态特性，在链接预测中准确率得到大幅度的提升。
一种面向动态链接预测时序超图卷积网络运行方法

[发明专利]一种睡眠状态识别模型训练、睡眠分期方法及装置-CN202111613821.9在审
发明人：周灵杰 -专利权人：天翼云科技有限公司
申请日： 2021-12-27 - 公布日： 2022-04-22 - 主分类号： A61B5/00 文献下载
摘要：本发明提供了一种睡眠状态识别模型训练、睡眠分期方法及装置，其中，睡眠状态识别模型训练方法，包括：获取时序心冲击图训练数据集，时序心冲击图训练数据集中包括多个时序心冲击图训练数据；将时序心冲击图训练数据输入初始网络模型中，对初始网络模型进行训练，得到睡眠状态识别模型；初始网络模型包括卷积神经网络、长短时记忆神经网络、机器学习分类器，卷积神经网络用于根据时序心冲击图训练数据获取睡眠分期特征；长短时记忆神经网络用于根据睡眠分期特征得到时序睡眠分期特征；机器学习分类器用于根据时序睡眠分期特征确定时序心冲击图训练数据对应的睡眠状态，通过执行本发明，可以提高睡眠分期结果的准确性。
一种睡眠状态识别模型训练分期方法装置

[发明专利]异常流量识别方法、装置、电子设备及存储介质-CN202210759958.3在审
发明人：潘天宇;季素润 -专利权人：北京奇艺世纪科技有限公司
申请日： 2022-06-29 - 公布日： 2022-09-27 - 主分类号： H04L9/40 文献下载
摘要：本申请涉及一种异常流量识别方法、装置、电子设备及存储介质，该方法包括：获取网络流量时间序列，网络流量时间序列用于表征目标业务在预设时间长度中，每个单位时段所接入的网络流量数据；对网络流量时间序列进行预处理，从预处理所生成的网络流量时序数据集中获取目标时序数据，目标时序数据用于表征网络流量时间序列的异常数据；利用长短期记忆神经网络预测模型对目标时序数据进行处理，获得与目标时序数据对应的预测时序数据；基于预测时序数据和目标时序数据的误差值
异常流量识别方法装置电子设备存储介质

[发明专利]一种确定时序的方法和设备-CN201610868285.X有效
发明人：司倩倩;潘学明;高雪娟 -专利权人：电信科学技术研究院
申请日： 2016-09-29 - 公布日： 2019-09-17 - 主分类号： H04W72/04 文献下载
摘要：本发明实施例涉及无线通信技术领域，特别涉及一种确定时序的方法和设备，用以解决现有技术中还没有一种指示终端使用的时序的方法的问题。本发明实施例网络侧设备确定目标时序对应的搜索空间；其中所述目标时序为所述网络侧设备指示用户设备使用的时序，所述目标时序为第一时序或第二时序；所述网络侧设备通过所述搜索空间向所述用户设备发送下行控制信息DCI，以使所述用户设备根据发送所述DCI的搜索空间确定对应的目标时序其中，所述网络侧设备在不同搜索空间中发送不同大小的DCI。本发明实施例的用户设备能够根据网络侧设备的指示，确定需要使用的时序。
一种确定时序方法设备

[发明专利]识别不同电台个体种类的智能识别方法-CN202011190513.5有效
发明人：梁先明;陈文洁;赵若冰;李奇真;曾翔宇;幸晨杰;陈涛;余博;张志 -专利权人：西南电子技术研究所(中国电子科技集团公司第十研究所)
申请日： 2020-10-30 - 公布日： 2023-01-06 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开的一种基于时序深度网络的智能个体识别方法，解决现有电台个体分类识别方法特征提取困难，泛化能力低的问题。其实现方案为：基于时序深度网络，将反映不同电台个体种类的电台个体时序信号输入深度网络，对原始电台个体数据进行补零处理，并按比例生成训练样本集和测试样本集；构建三个子网络及一维时序多子网络深度集成网络；用训练样本集训练三个子网络并将输出层并行连接获得训练后的一维时序多子网络深度集成网络；将电台原始时序数据直接输入训练后的深度集成网络对测试数据集进行预测，获得网络对电台时序数据预测的电台个体类别。本发明提高了深度网络在电台个体识别方面的泛化能力与鲁棒性，可用在电台个体分类识别技术领域中。
识别不同电台个体种类智能方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条