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1023811个,建议您升级VIP下载更多相关专利
  • [发明专利]透光性导电薄膜和调光薄膜-CN201680065213.X有效
  • 藤野望;梨木智刚 - 日东电工株式会社
  • 2016-11-08 - 2020-04-17 - H01B5/14
  • 一种透光性导电薄膜,其具备透光性基材和非晶质透光性导电层,在将非晶质透光性导电层的载流子密度设为Xa×1019(/cm3)且将霍尔迁移率设为V·s)、将对非晶质透光性导电层进行加热处理后的被加热透光性导电层的载流子密度设为Xc×1019(/cm3)且将霍尔迁移率设为Yc(cm2/V·s)、将移动距离L设为{(Xc‑Xa)2+(Yc‑Ya)2}1/2时,满足下述(1)~(3)的条件,(1)Xa≤Xc、(2)Ya≥Yc、(3)前述移动距离L为1.0以上且45.0以下。
  • 透光导电薄膜调光
  • [发明专利]跨语言知识单元迁移方法、装置、存储介质及终端-CN202110693347.9在审
  • 吴旭;吴京宸;颉夏青;管子键;邱莉榕;杨金翠;孙利娟;张勇东 - 北京邮电大学
  • 2021-06-22 - 2021-11-02 - G06F16/21
  • 本发明公开了一种跨语言知识单元迁移方法,包括:获取两种不同语言各自的知识图谱,并获取两种不同语言对应的跨语言知识对齐种子库;针对知识图谱中不同语义层次的知识单元建模后得到第一建模结果;针对知识图谱中同一语义层次的知识单元建模后得到第二建模结果;将第一建模结果与第二建模结果拼接后,生成拼接结果;根据拼接结果以及跨语言知识对齐种子库,并通过对齐模型的损失函数将知识单元各自的向量空间进行线性转换,生成转换后的知识单元;计算转换后的知识单元的距离和置信度进行跨语言知识单元迁移因此,由于本申请通过对知识单元的语义层次进行建模,并对不同语言的向量空间进行线性转换,从而可以实现跨语言知识单元的迁移
  • 语言知识单元迁移方法装置存储介质终端
  • [发明专利]一种基于选择性特征迁移的小样本学习网络-CN202111400311.3在审
  • 翁仲铭;赵子旭 - 天津大学
  • 2021-11-19 - 2022-02-15 - G06N3/04
  • 本发明公开一种基于选择性特征迁移的小样本学习网络,包括元学习模块、ResNet模块、选择性对抗迁移网络模块和自注意力模块;元学习模块包括元训练阶段和元测试阶段,元训练阶段通过在与目标任务相近的任务上学习,训练得到能够作为目标任务初始化起点的预训练模型;元测试阶段是在预训练模型上训练目标任务;ResNet模块采用了层级之间的恒等映射,通过残差学习的方式进行训练;选择性对抗迁移网络模块由一个生成器和若干个鉴别器组成;自注意力模块能够对同一类别的样本点进行均值的计算,求出类别的原型向量,再通过每个样本与原型向量的欧几里得距离求得每个样本的权重,从而辅助模型的训练。
  • 一种基于选择性特征迁移样本学习网络
  • [发明专利]一种基于半监督迁移学习的单幅图像去雨方法及系统-CN202310631988.0在审
  • 胡明娣;张瑞芳 - 西安邮电大学
  • 2023-05-31 - 2023-08-15 - G06T5/00
  • 本公开是关于一种基于半监督迁移学习的单幅图像去雨方法及系统。分别得到合成雨纹图像和真实雨纹图像;利用多尺度卷积稀疏编码分别对合成雨纹图像和真实雨纹图像建立模型,并对该模型进行迭代半监督训练和迭代优化,分别得到合成雨核集和真实雨核集;最小化合成雨核集和真实雨核之间的距离,实现从合成雨图像的数据域到真实雨图像的数据域的迁移学习过程。该系统包括依次连接的半监督训练模块、多尺度卷积稀疏编码模块和迁移学习模块。本公开所提方法和系统能够很好地适用真实的降雨模式,提升了去雨性能和网络泛化性。
  • 一种基于监督迁移学习单幅图像方法系统

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