“计算梯度向量”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1624796个，建议您升级VIP下载更多相关专利

[发明专利]一种数据检测方法及装置、用户设备-CN202110901075.7在审
发明人：郭斯栩;何申;耿慧拯;张星;陆黎;张鑫月 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2021-08-06 - 公布日： 2023-04-07 - 主分类号： G06F21/62 文献下载
摘要：本申请公开了一种数据检测方法及装置、用户设备，所述方法包括：用户设备利用污染检测模型产生梯度向量，并对所述梯度向量进行秘密分享，得到秘密分享梯度向量；所述用户设备将所述秘密分享梯度向量上传至服务器，并接收所述服务器发送的聚合秘密分享梯度向量，所述聚合秘密分享梯度向量由所述服务器对多个用户设备的秘密分享梯度向量进行聚合得到；所述用户设备基于所述聚合秘密分享梯度向量获得聚合梯度向量，并基于所述聚合梯度向量更新所述污染检测模型；所述用户设备利用更新后的污染监测模型对待检测数据进行处理
一种数据检测方法装置用户设备

[发明专利]图像全局表示的特征向量确定方法、图像检索方法和装置-CN202211605917.5在审
发明人：于涵;唐邦杰;潘华东;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2022-12-14 - 公布日： 2023-04-07 - 主分类号： G06F16/535 文献下载
摘要：本发明公开了图像全局表示的特征向量确定方法、图像检索方法和装置，由于本发明中计算模型的参数之梯度作为特征，并确定出每个梯度组成的四阶的第二张量，基于第二张量中每个位置的二阶张量中每个梯度，确定出权重值矩阵中对应位置的权重值，并将特征值矩阵进行特征聚合为图像在该卷积层的全局表示的第一特征向量，对每个卷积层对应的第一特征向量进行拼接处理，得到目标图像的全局表示的目标特征向量，从而能基于图像全局表示的特征向量实现图像检索。
图像全局表示特征向量确定方法检索装置

[发明专利]家庭终端用水量监测方法及智能水表-CN202110206374.9有效
发明人：朱永楠;赵勇;师林蕊;徐卫红;何国华;姜珊;王庆明;李海红;王丽珍;翟家齐;何凡;秦长海 -专利权人：中国水利水电科学研究院
申请日： 2021-02-24 - 公布日： 2022-05-10 - 主分类号： G01F15/06 文献下载
摘要：本发明公开了一种家庭终端用水量监测方法及智能水表，其中监测方法包括S1获取用水事件发生期间监测的流量时间序列向量，并采用流量时间序列向量计算流量时间序列向量的梯度；S2判断梯度中是否存在大于预设阈值的瞬时流量梯度，若是，则进入步骤S3，否则进入步骤S4；S3根据时间序列向量中的瞬时流量的突变情况，将用水事件的流量时间序列向量拆分为多个终端流量向量；S4将每个终端流量向量与数据库中存储的所有用水终端的流量向量集进行比对，查找到对应的用水终端；S5将用水事件发生期间终端流量向量对应的用水流量累加至查找的用水终端的总用水流量。
家庭终端用水量监测方法智能水表

[发明专利]一种用于单元库LVF OCV sigma模型的快速精准建库方法-CN202211184913.4在审
发明人：陈水珑;张地;王廷元;刘强 -专利权人：成都华大九天科技有限公司
申请日： 2022-09-27 - 公布日： 2023-01-10 - 主分类号： G06F30/3308 文献下载
摘要：本发明提供了用于单元库LVF OCV sigma模型的快速精准建库方法，包括：1）读取用于LVF特征化提取的单元电路设计；2）读取单元电路设计的模型库；3）获取单元电路统计参数；4）建立单元电路仿真网表，获取性能参数值以计算偏微分；5）通过梯度的有限差分逼近计算所有性能参数对每个统计参数的灵敏度；6）根据性能参数的偏微分，建立对统计参数集梯度方向向量；7）根据性能参数对统计参数集梯度方向向量，计算统计参数集±k‑sigma处的向量位置以建立电路仿真网表并进行电路仿真；8）计算sigma并完成LVF建库。
一种用于单元 lvf ocv sigma 模型快速精准方法

[发明专利]一种基于数值模拟的气液两相界面积计算方法-CN201510178217.6有效
发明人：宋彦坡;刘志高;陶焰明;彭小奇;陈卓;周萍;张建智 -专利权人：中南大学
申请日： 2015-04-15 - 公布日： 2017-09-29 - 主分类号： G06F17/50 文献下载
摘要：本发明提出了一种根据数值模拟结果计算气液两相流相界面积的方法，提出从两相流VOF数值模拟结果中提取各网格对应的位置坐标、网格边长、目标流体体积分数以及体积分数梯度向量共四类数据；根据目标流体的体积分数及其梯度向量将网格内的相界面形貌归为5类；进而按照相界面所属的类型，依据网格边长、目标流体体积分数以及体积分数梯度向量三类数据确定相界面平面方程关键参数；根据相界面平面方程、网格边长以及体积分数梯度向量对5类形貌的相界面分别采用不同方法计算其面积
一种基于数值模拟两相界面计算方法

[发明专利]人车分类方法和装置-CN201610066022.7有效
发明人：余登超;山黎;李平生;关淑菊 -专利权人：深圳力维智联技术有限公司
申请日： 2016-01-29 - 公布日： 2019-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种人车分类方法和装置，所述方法包括以下步骤：检测视频中的运动目标，获得运动目标图像；计算出所述运动目标图像的梯度方向直方图；从所述梯度方向直方图中提取出特征向量，将所述特征向量作为输入向量利用支持向量机对所述运动目标图像进行分类由于本发明不需要对图像进行归一化处理，只需要进行梯度方向图的计算，而梯度方向图是一种相邻像素相减的简单运算，运算复杂度很小，对硬件的要求较低，因此降低了硬件成本；并且能够移植到一些嵌入式设备中，因此扩大了应用范围
分类方法装置

[发明专利]一种联邦建模验证方法、装置、设备及存储介质-CN202310678236.X有效
发明人：孙善宝;罗清彩;韩涛;孙宗臣;沈国栋 -专利权人：山东浪潮科学研究院有限公司
申请日： 2023-06-09 - 公布日： 2023-08-15 - 主分类号： G06N20/20 文献下载
摘要：本申请公开了一种联邦建模验证方法、装置、设备及存储介质，涉及隐私计算技术领域，包括：通过参与节点联邦建模训练，完成本轮计算并获取模型参数梯度信息；通过参与节点与令牌持有节点生成共享密钥，通过令牌持有节点对目标数据进行加密，以便参与节点基于加密后目标数据生成本轮计算验证向量；通过参与节点将本轮计算验证向量进行加密及计算MAC值的操作，完成全部参与节点的向量验证，得到目标密文数据，以便令牌持有节点确定目标密文数据与目标参数梯度位置的聚合值的差值；通过令牌持有节点基于差值与预设计算验证阈值的关系确定本轮计算验证结果，并进行迭代，直至联邦建模训练的模型参数收敛。本申请能高效可信地验证联邦建模的计算。
一种联邦建模验证方法装置设备存储介质

[发明专利]一种意图分类模型建立的方法和终端-CN202011045793.0在审
发明人：张勇 -专利权人：云知声智能科技股份有限公司;厦门云知芯智能科技有限公司
申请日： 2020-09-28 - 公布日： 2021-01-05 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种意图分类模型建立的方法和终端，方法包括：获取训练数据，将所述噪音数据的第一独热向量的所有维度的值全部设置为预设值，得到第二独热向量；基于输入数据进行前向计算，得到预测结果；所述输入数据由所述训练数据组成的第一词向量矩阵与所述第二独热向量组成；基于所述输入数据及所述预测结果进行损失计算，得到损失结果；基于所述损失结果对所述第一词向量矩阵进行求导得到梯度；基于所述第一词向量矩阵、所述梯度与求符号函数得到变换后的第二词向量矩阵；基于所述第二词向量矩阵与所述第二独热向量得到意图分类模型
一种意图分类模型建立方法终端

[发明专利]神经网络训练方法、模型计算服务器及存储介质-CN202010858863.8在审
发明人：林涛 -专利权人：北京达佳互联信息技术有限公司
申请日： 2020-08-24 - 公布日： 2020-12-08 - 主分类号： G06N3/08 文献下载
摘要：本公开关于一种神经网络训练方法、模型计算服务器及存储介质，神经网络训练方法应用于包括图形处理器以及中央处理器的模型计算服务器，神经网络训练方法包括：中央处理器接收特征查询服务器发送的特征向量，特征向量为特征查询服务器根据多个业务数据样本的特征从特征向量服务器中查询得到；中央处理器将特征向量传输至图形处理器；图形处理器根据特征向量，计算神经网络的参数的梯度；图形处理器将参数的梯度返回至中央处理器；中央处理器根据梯度调节神经网络的参数，并对神经网络进行迭代训练，直到满足预定条件为止
神经网络训练方法模型计算服务器存储介质

[发明专利]基于差分隐私的联邦学习方法、装置及电子设备-CN202011409580.1有效
发明人：熊涛;吴若凡;漆远 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-12-06 - 公布日： 2022-05-17 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例提供一种基于差分隐私的联邦学习方法及装置、电子设备，该方法应用于任一终端设备，包括多次迭代，每次迭代包括：基于训练数据和当前本地参数，确定待处理的第一梯度向量，该第一梯度向量的欧式范数小于等于预设范数，对第一梯度向量进行多级量化处理，得到第二梯度向量，在第二梯度向量的向量空间中，基于第二梯度向量，生成第一向量集合和第二向量集合，进行满足差分隐私的采样，以从第一向量集合或第二向量集合中随机采样出第三梯度向量对第三梯度向量进行归一化，得到目标梯度向量，并向服务器上传目标梯度向量。能够提高联邦学习过程中的通讯效率，从而提高了联邦学习的效率。
基于隐私联邦学习方法装置电子设备

[发明专利]数字图像中斑状特征的位置与尺寸自动检测方法-CN201010204898.6无效
发明人：王志衡;刘红敏;贾宗璞;杨立身;薛霄 -专利权人：河南理工大学
申请日： 2010-06-09 - 公布日： 2010-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种数字图像中斑状特征的位置与尺寸自动检测方法，包括步骤：采集图像并输入计算机；利用高斯梯度模板计算图像中各点的梯度向量；将图像中各点的梯度向量与其邻域内各点的梯度向量进行内积能量运算，获得图像的内积能量图；利用一组大小不同的检测圆计算图像中各点的特征能量，并构造三维特征能量空间；在三维特征能量空间中确定极大值点；利用极大值点之间的位置关系去除不对应图像中斑状特征的极大值点；将三维极大值点对应为图像中斑状特征的位置与尺寸信息并输出结果
数字图像中斑状特征位置尺寸自动检测方法

[发明专利]一种人体动作识别方法-CN201810373614.2有效
发明人：范敏;韩琪;刘亚玲;陈欢;胡雅倩;范理波 -专利权人：重庆大学
申请日： 2018-04-24 - 公布日： 2022-03-08 - 主分类号： G06V40/20 文献下载
摘要：本发明公开一种基于运动边界稠密采样和运动梯度直方图的人体动作识别方法，主要包括以下步骤：1)输入视频流。2)计算输入视频的光流场并进行特征点采样，提取稠密特征点。3)计算特征点的轨迹。4)沿该特征点轨迹计算稠密描述符。5)对相邻两帧视频图像在时间上求导得到时序上的运动图像，再计算运动图像的空间梯度，得到运动梯度描述符HMG。6)对各个描述符分别进行特征编码。7)对各个描述符作正则化处理后，将稠密描述符与运动梯度描述符以串联形式相连接形成特征向量。8)对特征向量进行训练和学习得到人体动作识别模型。9)利用所述人体动作识别模型对人体动作进行识别。本发明在提高动作识别精度的同时缩减了计算开销。
一种人体动作识别方法

[发明专利]基于差分隐私的联邦学习方法、装置及电子设备-CN202210636831.2在审
发明人：熊涛;吴若凡;漆远 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-12-06 - 公布日： 2022-09-20 - 主分类号： G06N20/00 文献下载
摘要：本说明书实施例提供一种基于差分隐私的联邦学习方法及装置、电子设备，该方法应用于任一终端设备，包括多次迭代，每次迭代包括：基于训练数据和当前本地参数，确定待处理的第一梯度向量，对第一梯度向量进行多级量化处理，得到第二梯度向量，在第二梯度向量的向量空间中，基于第二梯度向量，生成第一向量集合和第二向量集合，进行满足差分隐私的采样，以从第一向量集合或第二向量集合中随机采样出第三梯度向量。对第三梯度向量进行归一化，得到目标梯度向量，并向服务器上传目标梯度向量。能够提高联邦学习过程中的通讯效率，从而提高了联邦学习的效率。
基于隐私联邦学习方法装置电子设备

[发明专利]一种面向数据不均衡的联邦聚合方法及装置-CN202310182577.8在审
发明人：伊文超;朱利霞;何彬彬;潘心冰;李旭东 -专利权人：浪潮云信息技术股份公司
申请日： 2023-03-01 - 公布日： 2023-06-27 - 主分类号： G06F18/23 文献下载
摘要：本发明涉及联邦学习技术领域，具体提供了一种面向数据不均衡的联邦聚合方法及装置，具有如下步骤：S1、构建数据质量向量，由梯度因子、分布因子、数量因子组成；S2、以数据质量向量作为聚类特征，对参与方进行聚类分析，实现参与方分组；S3、基于分组聚合梯度的方式，完成全局梯度计算。与现有技术相比，本发明构建了一个数据质量描述向量，权衡了数据不均衡情况下各个参与方数据的数量、质量、模型贡献，多角度衡量数据集之间的差异，且基于此向量的聚类分析可以大大提升通讯效率。
一种面向数据均衡联邦聚合方法装置

[发明专利]尾牌识别方法、装置以及计算机可读存储介质-CN201911055902.4在审
发明人：唐健;张彦彬;王浩 -专利权人：深圳市捷顺科技实业股份有限公司
申请日： 2019-10-31 - 公布日： 2020-02-07 - 主分类号： G06K9/32 文献下载
摘要：本申请实施例公开了尾牌识别方法、装置以及计算机可读存储介质，用于进行尾牌识别。本申请实施例的方法包括：获取目标图像；在所述目标图像中，使用第一检测框框选车牌；对所述第一检测框进行扩大，得到第二检测框；使用回归模型对所述第二检测框进行调整，得到第三检测框；提取所述第三检测框中图像的方向梯度直方图特征，得到方向梯度直方图向量；提取所述第三检测框中图像的局部二值模式特征，得到局部二值模式向量；将所述方向梯度直方图向量和所述局部二值模式向量结合,得到复合向量；使用KNN分类器对所述复合向量进行分类，得到分类结果
检测框向量方向梯度直方图二值模式第二检测复合向量图像车牌计算机可读存储介质分类结果回归模型获取目标目标图像申请判定分类检测