“模型参数”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1353632个，建议您升级VIP下载更多相关专利

[发明专利]信息处理装置、信息处理方法以及信息处理程序-CN201980092828.5在审
发明人：谷口贵耶 -专利权人：三菱电机株式会社
申请日： 2019-03-04 - 公布日： 2021-10-01 - 主分类号： G06Q10/04 文献下载
摘要：影响度分析部(103)针对多个参数，按照每个参数分析使参数值变化时对设备的影响度。参数选择部(104)从多个参数中选择得到符合选择条件的影响度的参数作为选择参数。相似度计算部(106)针对设备的多个动作模型，按照每个动作模型计算对各动作模型设定的多个参数中的与选择参数对应的参数和选择参数之间的相似度。初始概率计算部(107)按照每个动作模型，根据各动作模型的相似度计算初始概率，初始概率是作为初始值对各动作模型设定的概率。
信息处理装置方法以及程序

[发明专利]一种适用于能源互联网的模型开发与部署的方法及系统-CN202310812871.2在审
发明人：赵志渊;范家法;邱富东;周俊;白燕 -专利权人：国家电投集团综合智慧能源科技有限公司
申请日： 2023-07-04 - 公布日： 2023-09-19 - 主分类号： G06F8/60 文献下载
摘要：本发明属于能源互联网技术领域，特别涉及一种适用于能源互联网的模型开发与部署的方法及系统。所述方法包括：构建参数模型；针对各参数模型选择符合要求的求解器；利用求解器和采集的参数对各参数模型进行求解，并对参数结果进行验证；将验证通过的参数模型封装存储至对应的参数模型库。本发明能够使模型开发部署时效性降低，确保了模型部署工作进度，并且，该发明中设有模型验证机制，有着验证计划，能够及时发现和定位模型问题。
一种适用于能源互联网模型开发部署方法系统

[发明专利]建构个人化神经刺激模型的系统及方法-CN201110212958.3有效
发明人：蔡德明;李宜轩 -专利权人：财团法人交大思源基金会
申请日： 2011-07-26 - 公布日： 2012-05-23 - 主分类号： G06F19/00 文献下载
摘要：一种建构个人化神经刺激模型的系统及方法，首先，量测个人的电生理信号，且建立具有预设的模型参数的个人化神经刺激模型，其中，该个人化神经刺激模型依据该模型参数产生人体生理参数，接着，分析该模型所产生的人体生理参数并根据参数优化算法调整该模型的模型参数，从而使该个人化神经刺激模型所输出的人体生理参数匹配于所量测的该电生理信号。据此，本发明可实现生物医学上模拟神经刺激反应的个人化神经刺激模型。
建构个人化神经刺激模型系统方法

[发明专利]一种单体电池的模型参数计算方法、装置和介质-CN202011598089.8有效
发明人：李展 -专利权人：华人运通（江苏）技术有限公司
申请日： 2020-12-29 - 公布日： 2023-06-13 - 主分类号： G06F30/367 文献下载
摘要：本发明公开了一种单体电池的模型参数计算方法、装置和介质，所述单体电池的模型参数计算方法包括：根据电池模组的平均等效模型，计算所述电池模组的平均模型参数组；构建所述电池模组的单体电池等效模型；根据所述平均模型参数组和所述电池模组的单体电池等效模型的离散化方程，计算所述电池模组中每一单体电池的模型参数组。采用本发明实施例，能准确地计算电池模组中每一单体电池的模型参数，有效提高了计算单体电池的模型参数的效率。
一种单体电池模型参数计算方法装置介质

[发明专利]一种基于适定区间的邓肯-张模型单参数的反演方法-CN201410024993.6在审
发明人：唐利民;郑健龙 -专利权人：长沙理工大学
申请日： 2014-01-20 - 公布日： 2014-04-16 - 主分类号： G06F19/00 文献下载
摘要：本发明公开了一种基于适定区间的邓肯-张模型单参数的反演方法，其步骤如下：（1）从邓肯-张模型中选取需要反演的参数作为待反演参数x；（2）通过标准三轴试验，确定邓肯-张模型的参数取值；（3）确定邓肯-张模型待反演参数取值的适定区间；（4）在适定区间进行邓肯-张模型的单参数反演。运用该方法进行邓肯-张模型单参数反演，既能保证参数反演的算法稳定性，也能保证参数反演结果的唯一性，解决了邓肯-张模型单参数反演的不唯一性，大大降低了参数反演的计算量。
一种基于区间邓肯模型参数反演方法

[发明专利]模型渲染方法、装置、存储介质及计算机设备-CN202010986346.9有效
发明人：王玮璇 -专利权人：网易（杭州）网络有限公司
申请日： 2020-09-18 - 公布日： 2023-08-08 - 主分类号： G06T15/00 文献下载
摘要：本申请实施例公开了一种模型渲染方法、装置、存储介质及计算机设备。该方法包括：根据预设光源的光照向量和目标模型的表面的法线向量，确定目标模型的漫反射渐变参数；根据目标模型的曲率以及目标模型的散射颜色，确定目标模型的散射强度；根据漫反射渐变参数和散射强度，确定目标模型的暗部散射参数；根据漫反射渐变参数与暗部散射参数，确定目标模型的亮部光照参数；根据暗部散射参数和亮部光照参数，对目标模型进行渲染。本申请实施例通过调节较少的参数即可制作出不同肤色的散射效果，无需采样LUT纹理信息，降低开销，提高渲染效率。
模型渲染方法装置存储介质计算机设备

[发明专利]一种预测方法及终端、服务器-CN201711084325.2在审
发明人：陈飞;董振华;李震国;何秀强 -专利权人：华为技术有限公司
申请日： 2017-11-07 - 公布日： 2019-05-14 - 主分类号： G06Q10/04 文献下载
摘要：其方法包括服务器向多个终端发送第一模型参数和第二模型参数，第一模型参数和第二模型参数适配于终端的预测模型；服务器接收多个终端中至少一个终端发送的第一预测损失，至少一个终端中每个终端发送的第一预测损失为每个终端根据采用第一模型参数和第二模型参数的预测模型计算的；服务器根据至少一个终端发送的第一预测损失对第一模型参数进行更新，以获得更新后的第一模型参数，以及根据至少一个终端发送的第一预测损失对第二模型参数进行更新，以获得更新后的第二模型参数。采用本发明实施例，可以实现通过利用大量用户数据进行训练而得到体现用户差异性的预测模型。
模型参数终端发送终端预测服务器预测模型多个终端更新服务器接收用户数据差异性适配发送

[发明专利]数据处理方法及装置-CN202110945452.7在审
发明人：王坚;张公正;李榕;王俊 -专利权人：华为技术有限公司
申请日： 2021-08-17 - 公布日： 2023-03-24 - 主分类号： H04W16/18 文献下载
摘要：本申请公开了一种数据处理方法及装置，其中方法应用于分布式学习系统中的第一分布式节点，分布式学习系统包括多个分布式节点，分布式节点上配置有通信模型和业务模型，方法包括：获取业务模型的输入参数，业务模型的输入参数中包括通信模型的输出参数，通信模型的输出参数用于表征多个分布式节点的通信连接状态和/或通信连接质量；将业务模型的输入参数输入业务模型，获得业务模型的输出参数。本申请通过将通信模型的输出参数作为业务模型的输入参数，使得分布式节点上业务模型的输出参数为基于分布式节点的通信连接状态和/或通信连接质量的影响得出，提升了业务模型的输出参数的准确性，进而优化了系统性能。
数据处理方法装置

[发明专利]一种预测方法及终端、服务器-CN201780095993.7有效
发明人：陈飞;董振华;李震国;何秀强;钱莉;彭帅华 -专利权人：华为技术有限公司
申请日： 2017-12-29 - 公布日： 2023-10-24 - 主分类号： G06Q10/04 文献下载
摘要：其方法包括服务器向多个终端发送第一模型参数和第二模型参数，第一模型参数和第二模型参数适配于终端的预测模型；服务器接收多个终端中至少一个终端发送的第一预测损失，至少一个终端中每个终端发送的第一预测损失为每个终端根据采用第一模型参数和第二模型参数的预测模型计算的；服务器根据至少一个终端发送的第一预测损失对第一模型参数进行更新，以获得更新后的第一模型参数，以及根据至少一个终端发送的第一预测损失对第二模型参数进行更新，以获得更新后的第二模型参数。采用本发明实施例，可以实现通过利用大量用户数据进行训练而得到体现用户差异性的预测模型。
一种预测方法终端服务器

[发明专利]SPICE模型参数提取器的构建方法及SPICE建模方法-CN202210930256.7在审
发明人：程仁豪 -专利权人：绍兴中芯集成电路制造股份有限公司
申请日： 2022-08-03 - 公布日： 2022-10-14 - 主分类号： G06F30/367 文献下载
摘要：本发明提供了一种SPICE模型参数提取器的构建方法及SPICE建模方法，在目标器件的初始SPICE模型中的每个模型参数的取值范围内均选取若干具体值，将每个具体值赋值给相应的模型参数以组合出若干SPICE模型，对每个SPICE模型进行仿真得到相应的仿真数据，将每个仿真数据均输入SPICE模型参数提取器并通过比对所有SPICE模型中的每个具体值与相应的提取值优化SPICE模型参数提取器。SPICE建模时，将目标器件的测试数据输入SPICE模型参数提取器中得到模型参数的提取值，再将提取值赋值给初始SPICE模型中的相应的模型参数得到目标器件的SPICE模型。本发明无需反复修改每个模型参数的值并对比测试数据与仿真数据，也无需购买大量软件资源，节省了人力物力，建模速度更快。
spice 模型参数提取构建方法建模

[发明专利]一种市场波动率信息的生成方法及装置-CN202211204029.2在审
发明人：林晓;吴冬立 -专利权人：中国建设银行股份有限公司;建信金融科技有限责任公司
申请日： 2022-09-29 - 公布日： 2022-12-02 - 主分类号： G06Q10/06 文献下载
摘要：该方法包括：获取样本数据集合，样本数据集合包括期权市场中第一时间段内对应的市场波动率样本数据；基于预设的计算模型，创建目标模型参数集合；目标模型参数集合中包含M个计算模型对应的模型参数，M的数值大于市场波动率样本数据的个数；根据目标模型参数集合中的M个模型参数以及计算模型，生成第一时间段内对应的市场波动率的第一模型数据；调整目标模型参数集合中的模型参数，使得根据调整后的模型参数确定的第二模型数据满足预设条件；根据调整后的模型参数以及计算模型生成第二时间段内对应的市场波动率信息
一种市场波动信息生成方法装置

[发明专利]一种泥沙模型参数优化、泥沙输移过程模拟方法及装置-CN202211405512.7在审
发明人：刘肖廷;庞国飞;任实;赵汗青;张成潇;戴会超;米博宇;吕超楠 -专利权人：中国长江三峡集团有限公司
申请日： 2022-11-10 - 公布日： 2022-12-27 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种泥沙模型参数优化、泥沙输移过程模拟方法及装置，其中，泥沙模型参数优化方法包括：结合第一初始神经网络模型、第二初始神经网络模型、水沙模型建立优化目标函数，水沙模型中的恢复饱和系数和糙率是通过第二初始神经网络模型确定的；求解优化目标函数，对第一网络模型参数和第二网络模型参数进行优化，得到使得优化目标函数的值最小的第一网络模型优化参数和第二网络模型优化参数；将包含有第二网络模型优化参数的第二初始神经网络模型确定为恢复饱和系数和糙率双参数优化模型利用本发明实施例提供的方法优化得到的恢复饱和系数和糙率双参数优化模型确定的恢复饱和系数和糙率更符合实际物理过程。
一种泥沙模型参数优化过程模拟方法装置

[发明专利]一种基于置信度矩阵的高保真度仿真模型设计方法-CN202011591852.4在审
发明人：白金鹏;孙智孝;李婷珽;刘昊雨;李海泉;王凯锋;王辉 -专利权人：中国航空工业集团公司沈阳飞机设计研究所
申请日： 2020-12-29 - 公布日： 2021-04-23 - 主分类号： G06F30/20 文献下载
摘要：本申请属于模型设计技术领域，特别涉及一种基于置信度矩阵的高保真度仿真模型设计方法。所述方法包括确定进行仿真的模型架构；确定进行仿真的模型功能；梳理出需要模拟的能力项相关的关键影响因素，确定模型输入参数；确定在第一模型输入参数的情况下获得的第一模型输出序列；确定在第二模型输入参数的情况下获得的第二模型输出序列，其中，第二模型输入参数较第一模型输入参数中的测试参数进行了偏置；确定在所述偏置情况下，第二模型输出序列较第一模型输出序列的变化率，对变化率超过阈值时所对应的测试参数进行排序，获得模型仿真置信度影响参数序列本申请保证了仿真模型能够快速达到较高的仿真置信度，能够与仿真环境实现高效集成。
一种基于置信矩阵保真度仿真模型设计方法

[发明专利]一种模型训练方法、装置、电子设备及存储介质-CN202110903615.5在审
发明人：徐华鹏;李坤 -专利权人：苏州科韵激光科技有限公司
申请日： 2021-08-06 - 公布日： 2021-11-09 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种模型训练方法、装置、电子设备及存储介质。其中，该方法包括：根据第一样本数据集，对初始模型进行第一阶段训练，确定模型深度参数和第一阶段的模型层参数，并根据所述模型深度参数和所述第一阶段的模型层参数，对所述初始模型进行参数更新，得到中间模型；根据第二样本数据集，对所述中间模型进行第二阶段训练，确定第二阶段的模型层参数，并根据所述第二阶段的模型层参数，对所述中间模型进行参数更新，得到目标模型。本申请实施例提供的技术方案，通过对初始模型进行两个阶段的训练，可以使得目标模型的准确率较高。
一种模型训练方法装置电子设备存储介质

[发明专利]分类模型的训练方法及装置、电子设备、存储介质-CN202210021820.3在审
发明人：单齐齐;周涛;史治国 -专利权人：上海亿保健康管理有限公司;浙江大学
申请日： 2022-01-10 - 公布日： 2022-04-15 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种分类模型的训练方法及装置、电子设备、计算机可读存储介质，方法包括：构建与已训练的标准分类模型对应的轻量模型；将样本数据集中的样本发票图像分别输入标准分类模型和轻量模型，获得标准分类模型在预测过程的第一损失参数和轻量模型在预测过程中的第二损失参数；对第一损失参数和第二损失参数加权求和，得到目标损失参数；依据目标损失参数对轻量模型的网络参数进行调整，并迭代至轻量模型收敛，得到轻量分类模型。本申请方案，训练过程中参考了标准分类模型的第一凭据参数，可将标准分类模型从样本发票图像中学习到的知识传递至轻量模型，从而训练出预测效果更佳、模型复杂度较低的轻量分类模型。
分类模型训练方法装置电子设备存储介质