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6058395个,建议您升级VIP下载更多相关专利
  • [发明专利]签名识别模型构建方法及装置-CN202210546100.9在审
  • 车瑞红 - 中国银行股份有限公司
  • 2022-05-19 - 2022-07-12 - G06V40/30
  • 本发明提供一种签名识别模型构建方法及装置,可应用于人工智能领域或金融领域,该方法包括:获取各个设备端发送的模型更新参数;对各个模型更新参数进行聚合,得到全局模型参数;使用包含高斯噪声的全局模型参数更新签名识别模型中的模型参数,当签名识别模型未满足收敛条件时,向各个设备端广播全局模型参数,在触发各个设备端重新训练本地识别模型后,服务端返回获取各个设备端的模型更新参数的步骤,直至签名识别模型满足收敛条件,得到用于识别手写签名图片的签名识别模型使用多个设备端的本地识别模型模型更新参数构建用于识别手写签名图片的签名识别模型,使用签名识别模型代替人工工作,减少人工参与,减少识别误差,提高识别准确率。
  • 签名识别模型构建方法装置
  • [发明专利]一种数字孪生模型的确定方法、装置、终端设备及介质-CN202310566397.X有效
  • 陈晓红;许冠英;徐雪松;艾彦迪;刘星宝;杨俊丰;马涛 - 中南大学
  • 2023-05-19 - 2023-08-08 - G06F30/27
  • 本申请适用于联邦学习和数字孪生技术领域,提供了一种数字孪生模型的确定方法、装置、终端设备及介质,通过构建初始数字孪生模型,并初始化模型参数,得到初始数字孪生模型参数;针对每个工业设备,根据初始数字孪生模型参数,构建初始本地模型,并对初始本地模型进行训练,得到最终本地模型;根据最终本地模型模型参数,得到每个工业设备的全局得分,并根据全局得分,确定联邦工业设备;对所有联邦工业设备的最终本地模型模型参数进行聚合,得到初始全局模型;基于强化学习,对初始全局模型中的网络结构进行更新,得到最终全局模型;基于联邦学习,得到目标任务对应的最终数字孪生模型。本申请能提高数字孪生模型的准确性。
  • 一种数字孪生模型确定方法装置终端设备介质
  • [发明专利]虚拟现实设备控制家居设备的实现方法及相关设备-CN202010135911.0在审
  • 尹左水;姜滨;迟小羽 - 歌尔科技有限公司
  • 2020-02-28 - 2020-07-03 - G06F3/01
  • 本发明公开一种虚拟现实设备控制家居设备的实现方法及相关设备,应用于虚拟现实设备,所述实现方法包括:获取家居设备模型参数,其中,所述模型参数至少包括功能按键;根据所述模型参数建立设备模型,所述设备模型至少包括所述功能按键对应的功能按键模型;将所述设备模型加载至虚拟场景,以实现在所述虚拟现实设备操作所述功能按键模型时所述家居设备执行所述功能按键对应的操作。本发明提供一种虚拟现实设备控制家居设备的实现方法及相关设备,旨在解决现有技术中用户对家居设备进行控制时,需要按照不同家居设备对应的应用程序分别进行控制,降低用户对家居设备的操作效率的问题。
  • 虚拟现实设备控制家居实现方法相关
  • [发明专利]一种模型训练方法、装置和系统,以及预测方法和装置-CN201910744658.6在审
  • 韩炳涛;王建伟;孙宗英 - 中兴通讯股份有限公司
  • 2019-08-13 - 2021-02-23 - G06K9/62
  • 本发明实施例公开了一种模型训练方法、装置和系统,以及预测方法和装置,所述模型训练方法包括:第一设备根据模型训练作业中的模型训练所需要的数据的描述确定参与模型训练的第二设备,向第二设备发送所述模型训练作业中的部分或全部;第一设备执行所述模型训练作业中的第一模型训练代码以实现对于第j个训练步骤,当模型训练未结束时,第一设备向第二设备下发第j个训练步骤对应的模型参数;接收第二设备上传的第j个训练步骤对应的模型参数增量,根据第二设备上传的第j个训练步骤对应的模型参数增量计算第(j+1)个训练步骤对应的模型参数。本发明实施例适用于多种应用场景下的模型训练,减少了占用的带宽,降低了数据安全管理的难度。
  • 一种模型训练方法装置系统以及预测
  • [发明专利]联邦学习方法、装置及联邦学习系统-CN202210398878.X在审
  • 崔锦铭;陈岑;王力 - 支付宝(杭州)信息技术有限公司
  • 2022-04-15 - 2022-07-05 - G06N20/00
  • 联邦学习系统包括至少两个第一成员设备和第二成员设备,第一成员设备具有用于全局模型训练的本地数据。在各个第一成员设备处,使用本地数据训练全局模型得到各个模型参数的本地参数更新量;从全局模型模型参数中选择适合于本地训练的部分模型参数;并将所选择的模型参数的本地参数更新量发送给第二成员设备。在第二成员设备处,使用从各个第一成员设备接收的本地参数更新量重构全局模型的各个模型参数的参数更新量;基于所述重构的各个模型参数的参数更新量进行全局模型更新;以及将更新后的全局模型作为下一模型训练过程的全局模型发送给各个第一成员设备
  • 联邦学习方法装置学习系统
  • [发明专利]基于异步联邦学习的模型训练控制方法、装置及系统-CN202211025788.2有效
  • 刘吉;田浩;周瑞璞;窦德景 - 北京百度网讯科技有限公司
  • 2022-08-25 - 2023-09-01 - G06N20/00
  • 本公开提供了一种基于异步联邦学习的模型训练控制方法、装置及系统。涉及数据处理技术领域,尤其涉及边缘计算、机器学习等技术领域。具体实现方案为:向多个边缘设备发送第一全局模型的第一参数;接收来自多个边缘设备中第一边缘设备返回的第二全局模型的第二参数,第二全局模型是第一边缘设备根据本地数据集对第一全局模型训练完毕后得到的全局模型;在基于第二全局模型聚合得到第三全局模型的情况下,向多个边缘设备中的第二边缘设备下发第三全局模型的第三参数,第三全局模型是相对于第一全局模型的最新的全局模型,第二边缘设备是对第一全局模型尚未训练完毕的设备根据本公开的方案,能提高模型训练的效率和精度。
  • 基于异步联邦学习模型训练控制方法装置系统
  • [发明专利]基于目标化的联合学习方法、装置、电子设备及存储介质-CN202111552743.6在审
  • 赵蕾 - 新智我来网络科技有限公司
  • 2021-12-17 - 2023-06-30 - G06F30/27
  • 本公开提供了一种基于目标化的联合学习方法、装置、电子设备及存储介质。该方法包括:对联合学习框架中的参与方设备进行分组得到相似设备组;为每个相似设备组配置边缘设备,利用边缘设备对相似设备组内的参与方设备的第一本地模型及数据样本进行处理,得到第二本地模型;将第二本地模型上传至联合学习框架的服务端,利用服务端对第二本地模型进行聚合得到全局模型;基于相似设备组的全局模型以及本地模型训练算法,对边缘设备中的基于目标化的模型进行训练,并将训练后的基于目标化的模型发送至各个参与方设备,使参与方设备利用基于目标化的模型对第一本地模型进行更新本公开能够体现各参与方的基于目标化的信息,使各参与方能够训练基于目标化的本地模型,适应不同的目标任务。
  • 基于目标联合学习方法装置电子设备存储介质

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