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13858746个,建议您升级VIP下载更多相关专利
  • [发明专利]机器学习装置-CN202180018401.8在审
  • 并木勇太 - 发那科株式会社
  • 2021-02-26 - 2022-10-25 - B25J13/08
  • 提供一种能够高效地进行机器学习机器学习装置机器学习装置具备:视觉执行部,其通过从机器人程序执行视觉执行命令,利用视觉传感器拍摄对象物(W),并从拍摄到的拍摄图像检测或判定对象物(W);结果取得部,其通过从机器人程序执行结果取得命令来取得对象物(W)的检测结果或判定结果;追加注释部,其通过从机器人程序执行注释命令,基于对象物(W)的图像的检测结果或判定结果,对拍摄图像赋予标签,取得新的学习数据;以及学习部,其通过从机器人程序执行学习命令,使用新的学习数据进行机器学习
  • 机器学习装置
  • [发明专利]机器学习装置-CN202110900681.7在审
  • 横山大树;金子智洋 - 丰田自动车株式会社
  • 2021-08-06 - 2022-02-22 - G05B23/02
  • 在车辆部件被进行了更换的情况下,在车辆中使用的机器学习模型的推定精度会降低。机器学习装置具备:学习部(31),其进行在车辆(1)中使用的机器学习模型的学习;和检测部(32),其对搭载于车辆的车辆部件的更换进行检测。学习部在与机器学习模型的输入数据有关的车辆部件被进行了更换的情况下,使用与更换后的车辆部件对应的训练数据集,进行机器学习模型的再学习
  • 机器学习装置
  • [发明专利]机器学习装置-CN202110633484.3在审
  • 横山大树;浅原则己 - 丰田自动车株式会社
  • 2021-06-07 - 2021-12-21 - G06F1/3228
  • 本发明提供一种机器学习装置,在能够向外部供给电力的车辆中,抑制在灾害时能够从车辆向外部供给的电力量因与机器学习模型的学习相关的处理而减少的情况。机器学习装置设置于能够向外部供给电力的车辆(3),并具备实施与在车辆中使用的机器学习模型的学习相关的处理的学习部(51)。学习部在取得了灾害信息的情况下,与未取得灾害信息的情况相比,使与学习相关的处理中的电力消耗量降低。
  • 机器学习装置
  • [发明专利]机器学习装置-CN202111174503.7在审
  • 横山大树;大八木大史 - 丰田自动车株式会社
  • 2021-10-09 - 2022-04-15 - G06K9/62
  • 本公开涉及机器学习装置机器学习车辆(2)特有的学习模型的机器学习装置具备:使用包含由设置于车辆的检测器检测出的状态参数的值的训练数据集进行学习模型的机器学习学习部(146、333);以及在由检测器检测出的状态参数的值发生了异常的情况下取得由其他车辆检测出的状态参数的值的参数值取得部学习部在由检测器检测出的状态参数的值发生了异常的情况下,使用代替由检测器检测出的状态参数的值而包含由参数值取得部从其他车辆取得的值的训练数据集,进行学习模型的机器学习。由此,即使构成训练数据集的状态参数的值发生了异常,也能适当地学习学习模型。
  • 机器学习装置
  • [发明专利]机器学习装置-CN202110857979.4在审
  • 角谷彰彦 - 精工爱普生株式会社
  • 2021-07-28 - 2022-02-18 - B22F10/80
  • 一种机器学习装置。提供一种能够预测在制造时的三维造型物的变形的技术。机器学习装置具备:数据获取部,获取第一数据和第二数据,该第一数据包含与三维造型物的目标形状相关的形状数据以及与由三维造型装置对三维造型物进行造型时的条件相关的造型条件数据,该第二数据与三维造型物的变形相关;存储部,存储包含多个第一数据和多个第二数据的学习数据集;以及学习部,通过执行使用了学习数据集的机器学习,来学习第一数据与第二数据的关系。
  • 机器学习装置
  • [发明专利]机器学习装置-CN202110820390.7在审
  • 角谷彰彦 - 精工爱普生株式会社
  • 2021-07-20 - 2022-01-25 - B22F12/00
  • 提供一种能够预测制造时的三维造型物的变形的机器学习装置机器学习装置具备:数据获取部,获取第一数据和第二数据,所述第一数据包含表示三维造型物的目标形状的形状数据和表示为了抑制制造中的三维造型物的变形而向三维造型物追加的追加部分的目标形状的追加形状数据,所述第二数据是与三维造型物的变形相关的数据;存储部,存储学习数据集,所述学习数据集包含多个第一数据和多个第二数据;以及学习部,通过执行使用了学习数据集的机器学习学习第一数据与第二数据的关系。
  • 机器学习装置
  • [发明专利]机器学习装置-CN202010071013.3有效
  • 福冈圭辅;小鲋俊介;北川荣来;横山大树 - 丰田自动车株式会社
  • 2020-01-21 - 2023-06-30 - G06N3/084
  • 本发明提供一种能够在车辆中高效地进行神经网络模型的学习机器学习装置。设于车辆的机器学习装置具备:学习计划部(81),其制作神经网络模型的学习计划;数据集制作部(82),其取得多个输入参数的实测值和至少一个输出参数的实测值来制作训练数据集;学习部(83),其在车辆停着时进行神经网络模型的学习数据集制作部将训练数据集分到基于多个输入参数的各个范围确定的多个学习区域。学习部按各学习区域进行神经网络模型的学习学习计划部将多个学习区域分配到停车期间以使得在停车期间中神经网络模型的学习不中断。
  • 机器学习装置
  • [发明专利]机器学习装置-CN202010553059.9在审
  • 小久保嘉人;末次惠久;足立淳;上田康贵 - 爱信精机株式会社
  • 2020-06-17 - 2020-12-18 - G06N3/04
  • 本发明提高学习模型的反馈效率。实施方式的机器学习装置具备:推断部,基于学习模型,针对学习用的数据所包含的要素,按照对要素进行分类的多个类别中的每个类别,推断表示被分类到该类别的可能性的似然;损失值计算部,基于规定的损失函数和由推断部推断出的每个类别的似然,计算表示似然的错误的程度的损失值;权重计算部,基于按照每个类别计算出的似然中的、应将要素分类为真的第一类别的第一似然与不应将要素分类为真的其它类别的第二似然的比较结果来计算权重;以及机器学习部,基于损失值和权重,使学习模型机器学习
  • 机器学习装置
  • [发明专利]机器学习装置-CN202180029020.X在审
  • 大久保淑实 - 株式会社斯巴鲁
  • 2021-07-07 - 2023-05-23 - G06T7/00
  • 本公开的一个实施方式的机器学习装置具备:路面检测处理部,其基于第一拍摄图像以及与第一拍摄图像对应的第一距离图像,检测第一拍摄图像中所包含的路面;距离值选择部,其基于路面检测处理部的处理结果,选择第一距离图像中所包含的多个距离值中的、成为处理对象的一个以上的距离值;以及学习处理部,其基于第一拍摄图像和一个以上的距离值进行机器学习处理,由此生成被输入第二拍摄图像并输出与第二拍摄图像对应的第二距离图像的学习模型。
  • 机器学习装置
  • [发明专利]机器学习装置-CN202280009199.7在审
  • 堀川祐太郎;安田将司 - 发那科株式会社
  • 2022-01-07 - 2023-09-19 - G05B19/4093
  • 本发明提供一种机器学习装置,其可以计算能够产生工具的空摆且能够实现良好的加工完成工件的评价数据的摆动条件。一种机器学习装置,其学习一边使工具与工件相对地摆动一边进行摆动加工的机床的摆动条件,具有:设定条件取得部,其取得用于所述摆动加工的设定条件;标签取得部,其取得所述机床的加工完成工件的评价数据作为标签;学习部,其将所述设定条件与所述标签的组作为训练数据来进行监督学习,所述学习部具有:学习模型,其学习使所述加工完成工件的评价数据最佳化的摆动条件。
  • 机器学习装置
  • [发明专利]机器学习装置-CN201980001105.X有效
  • 北川荣来;江原雅人 - 丰田自动车株式会社
  • 2019-02-05 - 2020-09-15 - F02D45/00
  • 在用于使用神经网络来输出相对于机器的运转参数的值的输出值的机器学习装置中,在机器的运转参数的值为预先设定的范围外时,增大神经网络的输出层的前一个隐藏层的节点的个数,使用对新取得的机器的运转参数的值通过实测而得到的训练数据,以使根据机器的运转参数的值而变化的输出值与对应于机器的运转参数的值的训练数据之差变小的方式学习神经网络的权重。
  • 机器学习装置

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