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1597828个,建议您升级VIP下载更多相关专利
  • [发明专利]滤波器组及改善其效能的方法-CN200610131796.X有效
  • 盛思豪 - 威盛电子股份有限公司
  • 2006-10-12 - 2007-03-28 - H03H17/02
  • 首先于第一存储装置中以一排列方式依序储存该滤波器组的方程式中出现的多个输入样本值与多个输出样本值。接着,以起始指标指向该滤波器组中的第一滤波器所对应的多个样本值中的第一个元素。接着,根据所述方程式,藉由所述多个样本值与新输入样本值,以产生该滤波器组的新输出样本值。之后根据该排列方式,以所述新输入样本值与新输出样本值更新该第一存储装置中的多个样本值。最后,移动该起始指标至该第一个元素的下一元素,以供该滤波器组的下一批新输入样本值的处理。
  • 滤波器改善效能方法
  • [发明专利]图像分类模型训练方法、图像分类方法、设备和介质-CN202211459133.6有效
  • 胡季宏;许莹莹;刘婧;陈延伟;童若锋;林兰芬;李劲松 - 之江实验室
  • 2022-11-18 - 2023-03-24 - G06V10/764
  • 本申请涉及一种图像分类模型训练方法、图像分类方法、设备和介质,通过将有标签样本输入至图像分类模型,得到监督损失;将无标签样本输入至图像分类模型,得到伪标签和半监督损失,无标签样本由无标签数据集进行不同程度的图像增强处理得到;根据无标签样本的伪标签的属性和对应的图像增强处理的程度,筛选相应无标签样本作为图像分类模型中预设分类的正样本、负样本和锚点,将正样本、负样本和锚点输入至损失函数进行计算,得到对比学习损失,负样本携带有不可靠伪标签;根据监督损失、半监督损失和对比学习损失,确定总损失,将总损失输入至图像分类模型进行反向传播以更新图像分类模型的参数,提升了模型的预测精度,加快了模型收敛速度。
  • 图像分类模型训练方法设备介质
  • [发明专利]低延时助听器-CN202210630727.2在审
  • J·詹森;M·S·佩德森 - 奥迪康有限公司
  • 2022-06-06 - 2022-12-06 - H04R25/00
  • 本申请公开了低延时助听器,其包括:至少一输入单元,用于提供第一域的电输入信号的至少一样本流;至少一编码器,配置成将所述至少一样本流转换为第二域的电输入信号的至少一样本流;处理单元,配置成处理第二域的至少一电输入信号;解码器,配置成将第二域的处理后的信号的样本流转换为第一域的处理后的信号的样本流;其中,至少一编码器配置成将来自第一域的电输入信号的至少一样本流的第一数量N1的样本转换为第二域的电输入信号的至少一样本流中的第二数量N2的样本;解码器配置成将来自第二域的第二数量N2的样本转换为第一域的第一数量N1的样本;N2大于N1;至少一编码器进行优化及处理单元的至少一部分实施为经训练的神经网络。
  • 延时助听器
  • [发明专利]一种基于竞争与协作机制的高抗哄骗多模态身份验证方法-CN202010116561.3有效
  • 黄增喜;王晓明 - 西华大学
  • 2020-02-25 - 2022-08-02 - G06V40/40
  • 本发明公开了一种基于竞争与协作机制的高抗哄骗多模态身份验证方法,属于模式识别领域,包括如下步骤:S1对每一模态生物特征,使用目标类与竞争类的特征模板构成验证字典,对输入样本特征进行稀疏表示,计算输入样本与目标类的匹配度和相关度;S2评价各模态输入样本质量,并据此计算自适应编码权重;S3对输入样本特征进行多模态自适应联合稀疏表示,计算多模态匹配度和相关度;S4将多模态和各模态的匹配度和相关度级联成多模态匹配向量,输入分类器进行身份验证在系统部署前,使用多模态匹配向量正样本、普通负样本和哄骗样本集一起训练分类器,使其具备辨识普通负样本和哄骗样本的能力,有效提高多模态身份验证的抗哄骗能力同时不降低验证精度。
  • 一种基于竞争协作机制哄骗多模态身份验证方法

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