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728039个,建议您升级VIP下载更多相关专利
  • [实用新型]学龄前后儿童数字教学用教具-CN202121420836.9有效
  • 张飞 - 张飞
  • 2021-06-24 - 2022-01-11 - G09B23/02
  • 本实用新型公开了学龄前后儿童数字教学用教具,包括一套数字教具,每个数字教具均为一种立体结构;数字教具包括表示数量的数字主体和与数字主体对应数量的立体数量物。本实用新型通过表示数量的主体和与主体相对应数量的立体数量物,从而使得幼儿能通过数立体数量物来直观的认识到数字的数量概念,便于幼儿理解数字的含义,加强幼儿数感的培养,且可以使盲人儿童更容易认识数字与数量的概念
  • 学龄前后儿童数字教学教具
  • [发明专利]文本向量表模型的训练和文本聚类-CN202110862902.6有效
  • 尚航;吕廷迅 - 北京达佳互联信息技术有限公司
  • 2021-07-29 - 2023-10-10 - G06F40/30
  • 本公开关于一种文本向量表模型的训练方法和装置及文本聚类方法和装置。所述训练方法包括:获取文本样本;将文本样本转换为第一文本输入矩阵和经过掩码处理后的第二文本输入矩阵;将第一文本输入矩阵输入至所述文本向量表模型,以获取第一文本向量表;将第二文本输入矩阵输入至辅助文本向量表模型,以获取第二文本向量表;根据第一文本向量表与第二文本向量表之间的相似度损失值来更新所述文本向量表模型的参数,以对所述文本向量表模型进行训练。
  • 文本向量表征模型训练
  • [发明专利]一种煤层微构造的定量表和预测方法-CN202310405224.X在审
  • 郭子熙;康芸玮;杨顶辉;陈俊清 - 清华大学;西南石油大学
  • 2023-04-17 - 2023-08-08 - G01V11/00
  • 本发明公开一种煤层微构造的定量表和预测方法,包括观测并统计全直径煤芯样本表面的微构造发育情况,从全直径煤芯中心出发统计不同半径的圆内煤芯表面的微构造数量,以半径为自变量,以微构造数量为因变量建立对数坐标系,对数坐标系中的数据点进行线性回归之后得到的回归方程斜率即为微构造半径维数,以此作为煤层微构造的定量表;统计酸可溶物含量并进行测井数据的标定;建立双层双层人工神经网络模型;根据所有煤芯样本划分训练集和测试集本发明能够实现煤层微构造的定量表及预测,且能够适用于不同环境和岩性的煤岩样本,对深部煤层气等开发禁区有着重要的指导意义。
  • 一种煤层构造定量表征预测方法
  • [发明专利]语音模型训练数据集构建方法及装置-CN202110697465.7有效
  • 马明;刘宇 - 海信视像科技股份有限公司
  • 2021-06-23 - 2022-11-11 - G10L15/06
  • 本申请实施例提供一种语音模型训练数据集构建方法及装置,方法包括:获取多音字样本和非多音字样本后,对多音字样本和非多音字样本分别向量表。进一步对多音字样本向量表进行重复采样处理,根据重复采样的多音字样本向量表构建新的多音字样本向量表。最后合并多音字样本向量表,新的多音字样本向量表以及非多音字样本向量表,得到构建的语音模型训练数据集。本申请提供的语音模型训练数据集构建方法及提取装置,能够增加语音模型训练数据集中多音字样本向量表,避免多音字训练样本和非多音字训练样本分布不平衡的情况,进而提升被训练语音模型的转化准确率,提升用户使用体验
  • 语音模型训练数据构建方法装置
  • [发明专利]一种基于元学习的稀疏知识图谱嵌入方法和装置-CN202211455034.0有效
  • 李超;张钊;姚远舟 - 之江实验室
  • 2022-11-21 - 2023-10-03 - G06F16/36
  • 一种基于元学习的稀疏知识图谱嵌入方法,包括:步骤1、根据知识图谱中实体所含三元组数量划分头部实体集和尾部实体集;步骤2、将头部实体集进行拆分,以准备数据对MetaTransfer元学习迁移框架进行训练;步骤3、采用传统知识图谱表征模型根据现有三元组集合对各实体进行向量表;步骤4、将步骤三得到的few‑shot向量表输入MetaTransfer进行训练得到更高一级shot的表征向量,使其学习到few shot表征向量到many shot表征向量的映射过程;步骤5、结束训练,使用训练好的模型来对尾部实体集合Tk的各实体表征向量进行迁移。
  • 一种基于学习稀疏知识图谱嵌入方法装置

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