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718782个,建议您升级VIP下载更多相关专利
  • [发明专利]一种用于锻造自动线的锻造设备管理系统-CN202310472071.0有效
  • 冯仪;余俊;沈军舰;王朝清;郝思;李小涛;汪祥 - 武汉新威奇科技有限公司
  • 2023-04-27 - 2023-08-04 - G06Q10/0631
  • 本发明涉及数据管理技术领域,具体公开了一种用于锻造自动线的锻造设备管理系统,包括数据采集模块、数据处理模块、锻造设备集成管理模块、故障预测维修模块以及用户可视化界面。由于锻造设备使用频繁,容易发生故障,需要实时采集各设备的工作数据,因此本发明提出一种用于锻造自动线的锻造设备管理系统,通过分析设备数据,提前预测各设备可能出现的故障,实现设备间的信息共享和交互,并及时进行维护和修理本发明能够减少生产时间和成本,实现设备的最优化运作,提高生产效率和质量,同时通过预测设备可能出现的故障,能够提前进行维护和修理,减少维护成本和停机时间。
  • 一种用于锻造自动线设备管理系统
  • [发明专利]小区流量预测方法及服务器-CN202010956434.4有效
  • 盛莉莉;顾伟;张会猛 - 中国联合网络通信集团有限公司
  • 2020-09-11 - 2023-08-04 - G06Q10/04
  • 本发明实施例提供一种小区流量预测方法及服务器,该方法包括:按照小区的多个预设属性,确定待识别小区的目标类型;根据目标类型,获取待识别小区对应的训练好的小区物理资源模块PRB利用率与小区流量的关系模型,其中训练好的小区利用率与小区流量的关系模型是根据多个不存在容量瓶颈的目标类型小区的PRB利用率和小区流量训练得到的;将待识别小区的当前PRB利用率输入至关系模型中,获得待识别小区在正常情况下的实际小区流量,使得获得的预测小区流量跟符合待识别小区的实际情况,提高了预测的小区流量的准确性。
  • 小区流量预测方法服务器
  • [发明专利]基于知识蒸馏的语音情感分类方法-CN202110695067.1有效
  • 王晶晶;尤佩雯;李寿山;周国栋 - 苏州大学
  • 2021-06-22 - 2023-08-04 - G06F16/35
  • 将样本文本数据预处理后输入向量提取网络提取文本词嵌入向量;将文本词嵌入向量输入预设的分类模型;将样本文本数据进行语音合成转换;将TTS语音数据输入语音特征提取模块;将语音时域及频域特征输入预设的分类模型,使用交叉熵损失函数对预设的分类模型进行语音情感分类预测训练;将文本情感分类软标签输入所述预设的分类模型并使用预设的知识蒸馏损失函数进行语音情感分类预测训练,使所述TTS语音数据的情感类别预测趋近于所述样本文本数据的情感分布,得到训练后的分类模型。
  • 基于知识蒸馏语音情感分类方法
  • [发明专利]基于因果门控-低通图卷积网络的短时交通流量预测方法-CN202210858553.5有效
  • 徐兴;茆浩;赵芸 - 浙江科技学院
  • 2022-07-20 - 2023-07-25 - G08G1/01
  • 本发明公开了一种基于因果门控‑低通图卷积网络的短时交通流量预测方法,包括以下步骤:S1:构建因果门控低通图卷积网络,所述因果门控低通图卷积网络包括因果门控低通卷积块,因果门控低通卷积块连接有全连接输出层所述因果门控低通卷积块包括两个因果门控线性单元和一个低通图卷积块,所述低通图卷积块设置在因果门控线性单元之间;S2、根据交通流量数据获取交通流量网络图以及交通流量值,以交通流量网络图作为输入,利用因果门控‑低通图卷积网络进行短时交通流量预测本发明可以预测短时交通流量,具备很高的准确性。
  • 基于因果门控图卷网络交通流量预测方法

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