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2508077个,建议您升级VIP下载更多相关专利
  • [发明专利]优化梯度提升特征选择-CN202011460925.6在审
  • J.多恩休 - SAP欧洲公司
  • 2020-12-11 - 2021-10-26 - G06N20/00
  • 梯度提升决策树相继堆叠许多决策树,决策树在每一步都试图修复残留误差。梯度提升决策树产生的最终分值仅是通过将决策树应用于输入向量而获得的各个分值的总和。从训练数据中删除对输出影响最小的输入值能够减少梯度提升决策树中的过度拟合。确定哪个输入变量具有低预测价值的一种方法是确定梯度提升决策树中的最新决策树中首次使用的输入变量。这种识别要删除哪些低预测性的特征的方法不需要重新生成较早的树以生成新的梯度提升决策树。由于在较早的树中未使用已删除特征,因此这些树早就忽略了已删除特征
  • 优化梯度提升特征选择
  • [发明专利]学习装置、识别装置、学习识别系统和学习识别装置-CN201080060941.4有效
  • 细井利宪 - 日本电气株式会社
  • 2010-12-24 - 2012-10-03 - G06T7/00
  • 学习装置包括:梯度特征提取单元,其基于输入的学习对象图案在每个坐标上的亮度与其周边的亮度之间的变化量提取包括每个坐标上的梯度方向及其梯度强度值的梯度特征量;和差特征提取单元,基于提取的梯度特征量,通过对符合包含在指示预定梯度方向的范围的预定梯度范围内的梯度方向的梯度强度值求和,并且从计算出的和值中减去符合包含在临近预定梯度范围的其他梯度范围内的梯度方向的梯度强度值,计算预定的和差特征量;以及学习单元,使用梯度特征量以及和差特征量,基于预定学习算法,获取每个坐标上的学习参数。
  • 学习装置识别系统
  • [发明专利]图像特征提取、训练、检测方法及模块、装置、系统-CN201310218938.6有效
  • 魏代猛;赵勇;黎国梁;程如中;李晶晶 - 北京大学深圳研究生院
  • 2013-06-04 - 2013-10-09 - G06K9/46
  • 本申请公开了一种图像特征提取、训练、检测方法及模块、装置,首先获得原始图像的原始梯度图像,并对原始梯度图像进行第一次扫描,得到每个第一扫描区域对应的N维度向量,然后将N维度向量的分量分别映射到不同方向图像中,形成N个方向图像,其次得到方向图像特征,并组合方向图像特征形成原始梯度图像对应的附加梯度方向直方图特征,在进行训练时,使用原始图像对应的主梯度方向直方图特征以及附加梯度方向直方图特征获得分类器。这样,在主梯度方向直方图特征的基础上,结合了保留有原始图像中的边缘梯度信息附加梯度方向直方图特征参与训练,从而增强了训练所用特征中的边缘梯度信息,进而在物体检测时,提高了物体检测的检测率。
  • 图像特征提取训练检测方法模块装置系统
  • [发明专利]对象检测方法和对象检测装置-CN201410226011.1在审
  • 伍健荣 - 富士通株式会社
  • 2014-05-26 - 2016-02-17 - G06K9/00
  • 本发明提供了一种对象检测方法和一种对象检测装置,其中,对象检测方法包括:将当前帧图像分解成多个子图像,每个子图像包括多个子块;计算每一子块的方向梯度直方图特征,方向梯度直方图特征包含与各角度对应的梯度序列;对梯度序列进行数值变换,生成简化方向梯度直方图特征;根据每一子图像的所有子块的简化方向梯度直方图特征得到每一子图像块的简化方向梯度直方图特征;采用分类器对每一子图像块的简化方向梯度直方图特征进行检测,通过本发明的技术方案,简化了方向梯度直方图特征,并由此减少了对噪声的敏感度。
  • 对象检测方法装置
  • [发明专利]一种基于联邦学习的通信优化方法-CN202210906790.4在审
  • 张盼;许春根;徐磊;梅琳;窦本年 - 南京理工大学
  • 2022-07-29 - 2022-11-01 - H04W16/22
  • 本发明提供的一种基于联邦学习的通信优化方法,属于联邦机器学习技术领域,包括:获取各客户端上传的本地梯度核心特征;本地梯度核心特征指各客户端对目标数据进行预处理,训练出本地模型,对本地模型进行奇异值分解提取出的数据;对本地梯度核心特征进行草图梯度压缩与草图梯度聚合,提取前k个稀疏化参数矩阵,并对前k个稀疏化参数矩阵执行联邦平均聚合算法得到全局模型并发给各客户端;计算各客户端的累计梯度误差值与梯度误差补偿值,自适应调整本地梯度核心特征需要补偿的梯度和本地梯度核心特征进行草图梯度聚合时的权重本发明既能够有效压缩模型梯度,降低模型训练中产生的通信开销,又能提高模型预测的准确度。
  • 一种基于联邦学习通信优化方法
  • [发明专利]图像识别方法及装置-CN201510881619.2在审
  • 张涛;汪平仄;张胜凯 - 小米科技有限责任公司
  • 2015-12-03 - 2016-04-20 - G06K9/46
  • 其中,该方法包括:提取待识别图像的方向梯度直方图特征,调用adaboost分类器对所述待识别图像的方向梯度直方图特征进行识别,得到识别结果,其中,所述adaboost分类器预先基于adaboost训练流程对样本图像的方向梯度直方图特征进行分类训练获得由于将方向梯度直方图特征作为adaboost训练中的特征,既利用了adaboost快速的特点,又融合了方向梯度直方图比较好的描述轮廓特征的特点,因此提取待识别图像的方向梯度直方图特征,调用adaboost分类器对待识别图像的方向梯度直方图特征进行识别,实现了快速、高精度的图像识别。
  • 图像识别方法装置
  • [发明专利]学习装置和学习方法-CN201980037327.7在审
  • 田中拓哉;笠原亮介 - 株式会社理光
  • 2019-06-07 - 2021-01-12 - G06N20/00
  • 一种学习装置,其被配置为通过梯度增强来进行学习,并且包括:数据存储单元,被配置为存储包括特征量的类型的学习数据和对应的梯度信息;梯度输出单元,每个梯度输出单元被配置为从数据存储单元中的相应一个接收特征量的输入和对应的梯度信息,并通过与输入特征量的每个值相对应的输出端口输出梯度信息;加法单元,用于将与相同值的特征量对应的一个或多个梯度信息相加,并输出与所述特征量的各个值对应的梯度信息的相加值;直方图存储单元,其被配置为存储直方图,在作为堆(bin)的情况下,通过对与所述特征量的每个值对应的所述梯度信息的相加值进行积分而得到直方图。
  • 学习装置学习方法

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