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7200个,建议您升级VIP下载更多相关专利
  • [实用新型]集训运动鞋-CN200820219559.3无效
  • 齐明强 - 齐明强
  • 2008-11-15 - 2009-09-30 - A43B5/00
  • 本实用新型公开了一种集训运动鞋,它克服了传统沙袋的笨重,能够帮助运动员锻炼腿部的肌肉。它包括鞋帮和鞋底,鞋底内部镶嵌有五块金属块,五块金属块之间有间隙,五块金属块平行排列。
  • 集训运动鞋
  • [发明专利]具有自动回收机构的板式网球训练设备-CN202310411206.2在审
  • 米思奇 - 阿坝师范学院
  • 2023-04-18 - 2023-07-14 - A63B69/38
  • 本发明公开了具有自动回收机构的板式网球训练设备,包括发球训练台以及固定设置在发球训练台一侧的收集训练台,收集训练台的两侧均固定设置有侧拦网架,收集训练台的一端固定设置有背板,收集训练台顶端的两侧均开设有驱动滑槽,两个驱动滑槽的内部均转动连接有传动丝杆,本发明具有自动回收机构的板式网球训练设备,该网球训练设备主要由发球训练台和收集训练台两部分组成,运动员可在发球训练台上向收集训练台上进行持续发球训练,练习接球和发球技巧,网球进入收集训练台后会被拦下,避免随意滚落,并通过推球拦板对滚落的网球进行统一集中收集,从而无需工作人员进行网球的收集,减少了工作人员的劳动量,同时提高网球的收集效率。
  • 具有自动回收机构板式网球训练设备
  • [发明专利]一种基于原型学习的开放集干扰识别模型和方法-CN202210909603.8有效
  • 陈杰;赵知劲;叶学义;岳克强;姜明 - 杭州电子科技大学
  • 2022-07-29 - 2022-11-08 - G06K9/00
  • 本方案公开了一种基于原型学习的开放集干扰识别模型和方法,包括具有特征提取网络和分类模型的PL‑Net,特征提取网络对输入干扰提取特征,分类模型根据特征向量与干扰类别的原型中心的距离进行类别识别,用于训练PL‑Net的损失函数包括闭集训练项和开集训练项,开集训练项的原型中心集合包括未知干扰类别原型中心,闭集训练项的原型中心集合无未知干扰类别原型中心,训练得到若干已知干扰类别原型中心和一未知干扰类别原型中心。本方案设计的损失函数基于原型学习策略,通过假定开放类别原型中心将闭集训练和开集训练相结合,使其对未知干扰也能够基于原型中心进行识别,从而使模型能够被用于识别未知干扰,有效提高模型在开放集合情况下干扰识别精度
  • 一种基于原型学习开放干扰识别模型方法
  • [发明专利]一种联合原始数据和生成数据的人脸识别方法-CN201810007534.5有效
  • 许浩 - 中科汇通投资控股有限公司
  • 2018-01-04 - 2022-04-19 - G06V40/16
  • 本发明提供了一种通过小规模人脸数据集训练卷积神经网络的方法,其特征在于,包括步骤:步骤1:使用原始标注的人脸样本集训练卷积神经网络VGG人脸识别模型;步骤2:构造深度卷积生成对抗网络DCGAN模型,使用原始标注的人脸样本集训练深度卷积生成对抗网络;步骤3:通过DCGAN生成无标签的人脸样本集;步骤4:对DCGAN生成人脸数据集标注;步骤5:使用原始标注的人脸样本集训练即插即用生成网络PPGN;步骤6:通过PPGN生成带有标签的人脸样本集;步骤7:联合DCGAN、PPGN生成的样本集和原始标注的样本集训练卷积神经网络;步骤8:重复训练,即重复步骤4,5,6,7多次;步骤9,使用原始标注的人脸样本集微调VGG网络。
  • 一种联合原始数据生成数据识别方法
  • [发明专利]机器学习应用的云配置推荐方法以及装置-CN202010251615.7在审
  • 谢峰;龙欣 - 阿里巴巴集团控股有限公司
  • 2020-04-01 - 2021-08-24 - H04L29/08
  • 本说明书实施例提供机器学习应用的云配置推荐方法以及装置,其中所述机器学习应用的云配置推荐方法包括:在使用第一数据集在第一云配置上进行机器学习训练测试时,收集训练参数,第一数据集为完整数据集的部分数据集;利用所述训练参数,预测出在第一云配置上进行第二数据集训练的训练时间,第二数据集为所述完整数据集或者所述完整数据集的其他部分数据集;利用在第一云配置上进行第二数据集训练的训练时间以及预设的训练时间比例关系,预测出未测云配置的第二数据集训练时间,所述预设的训练时间比例关系包括所述第一云配置与所述未测云配置之间的训练时间比例关系;根据未测云配置以及第一云配置各自的第二数据集训练时间,确定推荐的云配置。
  • 机器学习应用配置推荐方法以及装置

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