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195619个,建议您升级VIP下载更多相关专利
  • [发明专利]基于生成对抗网络的非成对异质人脸图像生成方法、装置-CN202010435726.3在审
  • 霍静;王逸群;高阳 - 南京大学
  • 2020-05-21 - 2020-10-20 - G06K9/62
  • 本发明公开了一种基于生成对抗网络的非成对异质人脸图像生成方法、装置,所述方案包括:通过多次迭代对异质人脸图像生成模型进行训练,其中每次迭代包括:将a和b中采样的非成对的异质人脸图像分别输入a的生成器和b的生成器,使用a的解码器和b的解码器分别得到生成图像,使用a的判别器和b的判别器分别评价生成图像的真假,基于异质人脸图像生成模型的损失更新模型参数;采用训练完成的异质人脸图像生成模型进行人脸图像生成采用上述技术方案,可以在无监督、非成对的条件下进行异质人脸图像生成,增强生成图像的质量、多样性以及大幅度地增强身份信息保持能力。
  • 基于生成对抗网络成对异质人脸图像方法装置
  • [发明专利]基于元路径增强的异质图神经网络的双向推荐方法-CN202211464569.4在审
  • 杨超;彭琳莉 - 湖南大学
  • 2022-11-22 - 2023-05-26 - G06F16/9535
  • 本发明涉及推荐技术领域,特别是涉及一种基于元路径增强的异质图神经网络的双向推荐方法MEH‑GNN。首先,设计了新的节点编码方式,以改善不同内知识冲突的现象。根据推荐中用户和项目自身数据特性的不同,对其分别使用不同的节点编码和聚合方法。同时,设计了一种由路径级注意力、语义级注意力和级注意力组成的层次注意力,增强推荐项目表示的同时,选择双向迁移的权重比例。本发明在融合特征的同时考虑了特有特征和共有特征,最后,在异质图中采样的内和间元路径为推荐提供了基于路径的可解释性。实验结果表明,通过两之间的双向知识迁移,本发明在推荐精度方面能超越现有最先进的方法。
  • 基于路径增强异质图神经网络双向推荐方法
  • [发明专利]推荐模型的训练方法、装置、设备、介质及产品-CN202310084391.9在审
  • 叶祺;王峰;郑智勇 - 腾讯科技(深圳)有限公司
  • 2023-01-13 - 2023-10-27 - G06F16/9535
  • 本申请公开了一种推荐模型的训练方法、装置、设备、介质及产品,属于人工智能领域。该方法包括:构建异质网络,异质网络包括样本源内容节点和样本目标内容节点之间的节点二部图、样本源内容节点和样本源语义标签之间的第一标签二部图、样本目标内容节点和样本目标语义标签之间的第二标签二部图;基于节点二部图中存在连接边的样本源内容节点和样本目标内容节点、样本源内容节点在第一标签二部图中对应的样本源语义标签,以及样本目标内容节点在第二标签二部图中对应的样本目标语义标签,生成训练样本;基于训练样本对推荐模型进行训练。该方法可以实现更好的使用该推荐模型向用户推荐目标内容。
  • 推荐模型训练方法装置设备介质产品
  • [发明专利]一种基于异质数据嵌入的域论文推荐方法-CN202211566343.5在审
  • 牛振东;邱萍;赵梓钧 - 北京理工大学
  • 2022-12-07 - 2023-06-09 - G06F16/9535
  • 本发明涉及一种基于异质数据嵌入的域论文推荐方法,属于大数据挖掘应用与信息处理技术领域。首先为数据集划分领域,为各学科构建有向无环图,使用潜在狄利克雷分布模型提取领域语义,通过最大信息系数学习关联。然后通过异质数据嵌入,将论文和用户分别表示成向量的形式,通过论文之间的引用和未引用关系训练域论文之间的映射关系。如果用户提供关键词检索,则依据关键词划分用户领域,用户的兴趣列表便是引用文献。最后利用域论文推荐模型,为用户推荐论文。本发明能够自动评估论文的相关性,有效地克服了传统方法仅根据论文内容相似性作为推荐依据的技术缺陷,大幅提升了推荐精度和效率。
  • 一种基于质数嵌入论文推荐方法

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