“示例”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果45087个，建议您升级VIP下载更多相关专利

[发明专利]交叉示例SOFTMAX和/或交叉示例负挖掘-CN202080098439.6在审
发明人：安德烈亚斯·法伊特;金佰利·威尔伯 -专利权人：谷歌有限责任公司
申请日： 2020-03-18 - 公布日： 2022-10-25 - 主分类号： G06F16/33 文献下载
摘要：公开了能够使用交叉示例来学习嵌入空间的技术，其中嵌入空间中的查询与电子资源之间的距离提供电子资源与查询的相关性的指示。各种实现方式包括使用交叉示例Softmax技术来学习嵌入空间。各种实现方式包括使用交叉示例负挖掘来学习嵌入空间。
交叉示例 softmax 挖掘

[发明专利]示例演示方法及装置-CN202010656143.3有效
发明人：李晨楠 -专利权人：万翼科技有限公司
申请日： 2020-07-09 - 公布日： 2023-08-18 - 主分类号： G06F9/451 文献下载
摘要：本申请公开了一种示例演示方法及装置，方法包括：对第一图纸进行审查，得到所述第一图纸中不符合审查规则的第一位置；确定审查结果为合格的第二图纸，所述第一图纸的图纸类型与所述第二图纸的图纸类型相同；对所述第二图纸中的第二位置进行截图
示例演示方法装置

[发明专利]基于判别性示例选择多示例学习的恐怖视频识别方法-CN201310376064.7有效
发明人：胡卫明;丁昕苗;李兵 -专利权人：中国科学院自动化研究所
申请日： 2013-08-26 - 公布日： 2013-11-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于判别性示例选择多示例学习的恐怖视频识别方法。该方法包括：提取训练视频集中每个视频的视频镜头，针对每个视频镜头选取情感代表帧和情感突变帧表示该镜头；提取对每个镜头的音频和视频特征作为视频示例，组成视频示例集合；从所述视频示例集合中选择出判别性视频示例；计算训练视频集合中每个视频示例与所述判别性视频示例之间的相似性距离，得到特征向量集合；将待识别视频的特征向量与训练视频集合对应的特征向量集合进行稀疏重构，根据重构误差识别视频的类别。本发明提出了一种新的基于判别性示例选择的多示例学习模型应用到恐怖电影场景识别中，该技术具有重要的学术意义和社会意义，并具有广阔的应用前景。
基于判别示例选择学习恐怖视频识别方法

[发明专利]通过示例来学习ETL规则-CN201980013060.8在审
发明人： M·莎森 -专利权人：甲骨文国际公司
申请日： 2019-04-11 - 公布日： 2020-09-25 - 主分类号： G06F16/84 文献下载
摘要：实施例提供了用于通过示例来学习提取、变换和加载映射的系统和方法。可以从源架构和目标架构中提取多个特征。可以将示例ETL映射提供给机器学习算法，该示例ETL映射包括用于从源表提取数据并将提取出的数据加载到目标表中的定义。
通过示例学习 etl 规则

[发明专利]软件程序修复示例的生成-CN202111153873.2在审
发明人：吉田浩章;臧志强;穆库尔·R·普拉萨德 -专利权人：富士通株式会社
申请日： 2021-09-29 - 公布日： 2022-04-01 - 主分类号： G06F11/07 文献下载
摘要：公开了软件程序修复示例的生成。操作可以包括生成软件程序的源代码的有漏洞版本的第一图形表示以及生成该源代码的修复版本的第二图形表示。有漏洞版本可能包括错误，并且该错误已经在修复版本中被纠正。此外，操作可以包括生成关于纠正错误的修复示例，其中，修复示例基于约简的有漏洞版本和约简的修复版本。
软件程序修复示例生成

[发明专利]按示例格式化数据-CN201210019215.9有效
发明人： C·罗斯切里尔;D·巴塔金;C·本尼迪克特;R·莫雷拉－席尔维拉;D·O·丹尼洛夫;E·科恩;S·古瓦尼;D·鲁哈纳;R·辛哈;B·G·佐恩;R·凡卡特杉 -专利权人：微软公司
申请日： 2012-01-20 - 公布日： 2012-07-25 - 主分类号： G06F17/24 文献下载
摘要：本发明涉及按示例格式化数据。基于用户编辑来自动确定将数据从一种形式转换为另一种形式的数据格式化规则。将机器学习试探法应用于用户编辑以确定可应用于数据的数据格式化规则。
示例格式化数据

[发明专利]从单个示例学习对象剪切-CN200880018756.1有效
发明人： Q·杨;F·温;X·唐 -专利权人：微软公司
申请日： 2008-06-05 - 公布日： 2010-03-31 - 主分类号： G06T7/40 文献下载
摘要：描述了用于从单个示例学习视觉对象剪切的系统和方法。在一个实现中，示例性系统确定模式图像中每个块附近的色彩上下文以创建外观模型。该系统还学习跨模型图像中的视觉边缘出现的色彩序列以创建边缘轮廓模型。该示例性系统接着基于外观模型和边缘轮廓模型来推断未知图像中的分割边界。在一个实现中，该示例性系统将图形剪切模型中的能量最小化，其中外观模型用于数据能量而边缘轮廓用于调整边缘。
单个示例学习对象剪切

[发明专利]一种基于自动示例选择的端到端多示例学习方法-CN202011380710.3有效
发明人：詹德川;王魏;李新春 -专利权人：南京智谷人工智能研究院有限公司
申请日： 2020-12-01 - 公布日： 2021-02-19 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于自动示例选择的端到端多示例学习方法，包括以下具体步骤：（一）、对多示例数据进行采集，并将数据分成若干个多示例数据包，多示例数据包包括若干个示例，且多示例数据包设置为由若干个示例组合成的一组示例集合，多示例数据包上具有标签，示例设置为一个多维向量；（二）、搭建深度多示例网络，深度多示例网络包括示例处理层、示例选择层和分类层；（三）、每个多示例数据包通过深度多示例网络进行处理，通过前向或反向传播进行训练，训练包括深度多示例网络训练和深度多示例网络测试，相比现有技术，本发明可以通过示例选择层自动地选择重要的示例，一方面使得整个深度网络的优化过程可以端到端地进行训练。
一种基于自动示例选择端到端多学习方法

[发明专利]基于在线示例分类器精化的多示例检测网络及其训练方法-CN201611241532.X有效
发明人：刘文予;姜玉静;唐芃;王兴刚 -专利权人：华中科技大学
申请日： 2016-12-29 - 公布日： 2019-10-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于在线示例分类器精化的多示例检测网络及其训练方法，包括：确定训练图片集，并选择每张训练图片中的多个候选区域；获得所述训练图片集中训练图片的卷积特征图，并得到各候选区域的卷积特征；将各候选区域的卷积特征输入到全连接层中，得到各候选区域的特征向量；构建一个基准示例分类器，并构建多个精化示例分类器，通过更新每个候选区域得分的权重进行在线示例分类器精化；合并整个网络中的损失函数，训练端到端的多示例检测网络。本发明将多示例分类器训练和分类器精化整合到一起，训练速度快识别准确率高，仅依赖图像标签的数据集，不需要人工对目标示例的位置和标签进行标注，适用于弱监督的目标检测问题。
基于在线示例分类器精化检测网络及其训练方法

[发明专利]药物活性检测方法、装置、电子设备及存储介质-CN202110623454.4在审
发明人：任玲钰 -专利权人：中移系统集成有限公司;中移雄安信息通信科技有限公司;中国移动通信集团有限公司
申请日： 2021-06-04 - 公布日： 2022-12-06 - 主分类号： G01N33/15 文献下载
摘要：本发明提供一种药物活性检测方法、装置、电子设备及存储介质，由于在确定正目标多示例包时引入核密度估计方法，考虑了正药物成分多示例包中真阳性示例以及假阳性示例的分布，可以确定正药物成分多示例包中各正示例的共同特征，以便于对正药物成分多示例包中的示例进行正确的标记；通过对真阳性示例以及假阳性示例的数量进行调整，进而得到正目标多示例包，可以有效提升正目标多示例包中真阳性示例的比例，缩小训练样本的类不平衡程度。通过正目标多示例包以及负目标多示例包对分类模型进行训练，可以使得到的分类模型准确率提升，保证药物活性检测结果的准确性。
药物活性检测方法装置电子设备存储介质

[发明专利]聚风风力发电机-CN202211545346.0在审
发明人：吕恒;吕培信 -专利权人：吕恒;吕培信
申请日： 2022-12-02 - 公布日： 2023-09-05 - 主分类号： F03D3/06 文献下载
摘要：示例1为避雷针，其作用为保护发电机；示例2的主要作用为控制风力发电机的风叶，同时控制示例3，4的自动翻起及翻平操作；示例3为风力发电机的风叶，示例3的风叶为垂直180°的风叶；示例4为风力发电机的风叶，示例4为平行的风叶，其为平行180°的风叶；示例5主要作用为确保风叶的平衡；示例6为聚风风力发电机的核心部件，直接连接示例示例1，2，3，4，5；示例7的主要作用为连接示例3，4，5，6各部件，3，4，5，6各部件转动连接7传动轴，传动连接发电机发电；示例8为铁塔，其作用为承担示例1至7的压力及安全；示例9为发电机机房。
风力发电机

[发明专利]一种正则表达式生成方法、装置、电子设备及存储介质-CN202310542925.8在审
发明人：王淑军;田永强;何登成 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-05-11 - 公布日： 2023-09-12 - 主分类号： G06F18/23 文献下载
摘要：本申请公开了一种正则表达式生成方法、装置、电子设备及存储介质，方法包括：提取接收到的多个示例中各个示例的示例特征；基于提取的示例特征过滤多个示例中的异常示例；利用属于同一目标示例特征的示例生成目标示例特征的正则表达式；将各个目标示例特征对应的正则表达式组合生成一个最终的正则表达式。通过对多个示例进行示例特征的提取，并基于示例特征将异常示例剔除掉，避免影响正则表达式准确性。通过利用同一示例特征的示例生成正则表达式，从而每个示例特征对应得到一个简单的正则表达式，再将多个简单正则表达式组合起来，这样可以降低生成正则表达式的复杂度，并且多个简单正则表达式组合成的最终正则表达式更具有解释性
一种正则表达式生成方法装置电子设备存储介质

[发明专利]神经命令行界面示例生成-CN202280013554.8在审
发明人： C·B·克莱门特;R·齐卢基安·穆加达姆;N·森达雷桑 -专利权人：微软技术许可有限责任公司
申请日： 2022-01-20 - 公布日： 2023-10-20 - 主分类号： G06F9/451 文献下载
摘要：示例生成工具生成示出命令行界面的命令的正确使用的示例。命令可以包括命令名、零个或多个子命令以及具有对应参数值的一个或多个参数。包括命令的正确语法的模板被从模板数据库中获取。
神经命令行界面示例生成

[发明专利]使用比特块生成输出示例-CN201880027651.6在审
发明人： N.E.卡尔奇布伦纳;K.西蒙扬;E.K.埃尔森 -专利权人：渊慧科技有限公司
申请日： 2018-05-22 - 公布日： 2019-12-13 - 主分类号： G06N3/04 文献下载
摘要：用于使用神经网络生成输出示例的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。该方法中的一种包括接收生成特定类型的输出示例的请求，访问依赖性数据，并且在多个生成时间步骤中的每一个生成时间步骤处，通过以下内容来生成输出示例：识别对于生成时间步骤的一个或多个当前块，其中，每个当前块是其中对于该块的依赖性中识别的所有其他块中的比特值已经被生成的块
时间步骤输出计算机存储介质计算机程序依赖性数据神经网络访问

[发明专利]一种基于多示例深度学习的医学图像分类方法-CN202011605056.1有效
发明人：高伟;袁泽宇 -专利权人：哈尔滨工程大学
申请日： 2020-12-30 - 公布日： 2022-10-25 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于多示例深度学习的医学图像分类方法，使用多示例学习算法，对医学图像数据进行处理，将图像进行分割，将一张医学图像看作一个“包”，将图像被分割出的各个部分看作一个个“示例”，对于一个阳性的包，有部分示例是阴性的(负示例)，且至少有一个示例是阳性的(正示例)，对所有示例进行特征提取和学习，使得阳性示例的特征更加突出，同时增加了可学习的阴性示例的数据量，通过多示例学习对示例标签进行初始标记，之后选取合适的带标签的数据
一种基于示例深度学习医学图像分类方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 45087 条