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806007个,建议您升级VIP下载更多相关专利
  • [发明专利]一种离散元爆堆形态模拟方法-CN201410472310.3在审
  • 严鹏;周旺潇;卢文波;陈明;周创兵 - 武汉大学
  • 2014-09-16 - 2014-12-24 - G06F17/50
  • 本发明公开了一种离散元爆堆形态模拟方法,包括步骤:步骤1,将完整岩体的体积模量和剪切模量分别赋给人工节理的法向刚度和和切向刚度;步骤2,针对完整岩体模型,采用Harries爆破模型预测距炮孔中心不同距离处各点的预测爆破块度;步骤3,将完整岩体模型划分区域,以各区域中所有点的预测爆破块度的平均值为该区域离散块的预设块度;步骤4,根据各区域离散块的预设块度设置人工节理,并将人工节理设为倾斜正交,采用离散元法对完整岩体模型进行离散;步骤5,采用离散元法对离散后的完整岩体模型进行爆堆形态模拟。
  • 一种离散元爆堆形态模拟方法
  • [发明专利]基于离散元法的物料参数标定方法-CN202111179783.0在审
  • 宋学锋;戴飞;宋亚瑾;张锋伟;史瑞杰;王锋;刘禹辰;李相周;高文杰;许渊 - 甘肃农业大学
  • 2021-10-11 - 2022-01-04 - G06F30/23
  • 本发明公开了一种基于离散元法的物料参数标定方法,包括如下步骤根据物料物性参数构建离散元本构模型;设定待标定参数及范围;根据待标定参数及范围进行LHS抽样;将LHS抽样的抽样结果作为输入数据导入离散元本构模型进行离散元模拟;根据LHS抽样结果和离散元模拟的输出数据建立训练集;根据训练集进行神经网络训练以得到待标定参数与离散元模拟的输出数据之间的近似模型;验证近似模型是否满足第一预设条件,若不满足,则扩大LHS抽样的样本量;对近似模型进行遗传算法寻优;根据遗传算法的输出结果进行物料参数的标定。本发明基于离散元法的物料参数标定方法,提高参数标定的效率,通过多种方式对参数标定结果进行验证,提高参数标定的准确性。
  • 基于离散物料参数标定方法
  • [发明专利]量化参数确定方法及装置-CN202211635469.3在审
  • 王照;黄兴军;张昊;李斌;邢芳;张雯;王之奎 - 海信视像科技股份有限公司
  • 2022-12-19 - 2023-05-23 - H04N19/124
  • 包括:获取待编码视频;确定所述待编码视频帧是否为刷新帧;若否,则获取第一离散度参数和第二离散度参数,所述第一离散度参数和所述第二离散度参数分别用于表征所述待编码视频帧和参考视频帧中各个像素点的像素值的离散度;所述参考视频帧为与所述待编码视频帧间隔最小的刷新帧;根据所述第一离散度参数和第二离散度参数更新参考码率‑量化参数RQ模型,获取第一RQ模型;所述参考RQ模型为所述参考视频帧的RQ模型;根据所述第一RQ模型和目标码率确定所述待编码视频帧对应的量化参数。
  • 量化参数确定方法装置
  • [发明专利]集群编队跟踪控制方法-CN202010419920.2有效
  • 韩亮;王建华;任章 - 北京航空航天大学
  • 2020-05-18 - 2022-05-13 - G06F17/10
  • 本公开实施例公开了一种集群编队跟踪控制方法,包括:构建集群通信拓扑关系,所述集群包括多个智能体,所述多个智能体中一个智能体为领导者,其他智能体为跟随者;构建单智能体离散模型;基于所述单智能体离散模型构建跟随者的多智能体离散模型;基于所述跟随者的多智能体离散模型对集群的时变编队跟踪进行判断,得到判断结果;基于所述判断结果和集群通信拓扑关系获取切换函数和到达率;基于所述切换函数和到达率生成时变编队跟踪控制模型。实现能够利用离散采样的状态信息生成离散控制指令并无需知道被跟踪智能体的控制输入即可实现对多智能体的编队跟踪控制。
  • 集群编队跟踪控制方法
  • [发明专利]一种基于偏振离散度的目标检测方法-CN202310095936.6在审
  • 王国臣;高杰;陈玉彬;王馨;宋甲艺;陈昱宸;陈瑞品 - 浙江理工大学
  • 2023-01-18 - 2023-05-16 - G06V10/774
  • 本发明提供了一种基于偏振离散度的目标检测方法,包括以下内容:1、构建基于偏振图像的目标检测数据集;2、推导目标物表面偏振离散度的物理模型;3、基于偏振离散模型设计提取偏振离散度的网络结构;4、结合基于深度学习的目标检测框架设计适用于偏振图像的目标检测模型;5、优化模型参数,提高模型泛化能力。与传统的适用于光强图像的目标检测模型相比,本发明基于光学模型设计了一种全新的网络结构用于提取偏振图像的离散度特征,抑制散射介质的影响,利用不同目标物的偏振特性的差异,实现在复杂模糊环境中对目标物的精准检测
  • 一种基于偏振离散目标检测方法
  • [发明专利]销售级别预测模型的构建方法及存储介质-CN202210043408.1在审
  • 张松 - 中国平安人寿保险股份有限公司
  • 2022-01-14 - 2022-03-11 - G06Q30/02
  • 本发明涉及人工智能技术,提供一种销售级别预测模型的构建方法,利用深度学习算法对原始数据进行数据关系挖掘处理,科学提取相关因子,构建销售能力概率模型和销售意愿概率模型,合理使用相关因子,提高原始数据的利用率和模型的准确性,利用所述销售能力概率模型和所述销售意愿概率模型,分别基于所述原始数据进行预测,得到销售能力预测序列与销售意愿预测序列,基于预先设置的阈值,通过离散处理,得到销售能力离散值集合和销售意愿离散值集合,通过销售能力离散值集合和销售意愿离散值集合,得到销售能力概率模型和销售意愿概率模型的对销售级别预测的依赖程度,从而构建的销售级别预测模型,提高了对销售级别预测的准确性和科学性。
  • 销售级别预测模型构建方法存储介质
  • [发明专利]基于离散系数的深度网络模型压缩方法-CN202210521648.8在审
  • 蒋雯;李祥;邓鑫洋;耿杰 - 西北工业大学
  • 2022-05-13 - 2022-09-30 - G06V10/82
  • 本发明公开一种基于离散系数的深度网络模型压缩方法,包括以下步骤:步骤一、构建深度网络模型;步骤二、获取数据集样本;步骤三、将数据集样本输入深度网络模型,获得特征图集合;步骤四、计算深度网络模型中各卷积核的激活值;步骤五、利用各卷积核的激活值计算各卷积核的离散系数;步骤六、根据离散系数计算各卷积核的贡献度;步骤七、根据深度网络模型各层卷积核的贡献度对深度网络模型的各层卷积核进行删减。本发明结构简单、设计合理,利用离散系数计算贡献度,借用贡献度鉴别不重要的卷积核并删掉,解决深度网络模型节点规模庞大的问题,影响深度网络模型精度的同时提高了运行速度,引入离散系数,增强了深度网络模型的可解释性
  • 基于离散系数深度网络模型压缩方法
  • [发明专利]语音识别模型的训练方法、语音识别方法和装置-CN202310103041.2在审
  • 易澄;曲贺 - 北京达佳互联信息技术有限公司
  • 2023-01-30 - 2023-05-09 - G10L15/26
  • 本公开关于一种语音识别模型的训练方法、语音识别方法和装置,语音识别模型的训练方法包括:获取目标语音领域的第一无标注语音样本;基于预先训练的离散化网络,确定第一无标注语音样本的参考离散化标签;基于待训练语音识别模型,确定第一无标注语音样本的预估离散化标签;根据参考离散化标签和预估离散化标签,调整待训练语音识别模型的参数,得到第一语音识别模型。本公开利用大量无标注语音样本对语音识别模型进行自监督预训练,可供后续步骤利用相对少量的标注语音样本,快速对预训练的语音识别模型进行有监督训练,最终得到训练后的语音识别模型,能够减少标注语音样本的需求数量,从而降低人工标注成本,提升获取语音识别模型的效率。
  • 语音识别模型训练方法装置
  • [发明专利]一种基于CT扫描图像的岩石孔渗测量方法-CN202011137174.4有效
  • 姚军;宋文辉;王晓宇 - 中国石油大学(华东)
  • 2020-10-22 - 2022-07-19 - G01N15/08
  • 本发明提供一种基于CT扫描图像的岩石孔渗测量方法,包括:对岩样进行CT扫描得到扫描结果并构建常温常压数字岩心模型,并对常温常压数字岩心进行三维重建,得到三维数字岩心模型;采用离散单元对三维数字岩心模型进行填充,得到离散单元位置和体积信息;构建考虑离散单元粘结作用的接触模型,计算高温高压下三维数字岩心模型离散单元的位移,并进行离散单元位置更新,并得到高温高压三维数字岩心模型;根据常温常压数字岩心模型及高温高压三维数字岩心模型,得到三维孔隙网络模型,计算孔隙结构特征参数以及渗透率。
  • 一种基于ct扫描图像岩石测量方法

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