“自适应网络”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1566089个，建议您升级VIP下载更多相关专利

[发明专利]网络系统、网络管理装置、通信装置以及路径设置方法-CN200810160915.3无效
发明人：松本健彦;舟崎智诚 -专利权人：日本电气株式会社
申请日： 2008-09-19 - 公布日： 2009-03-25 - 主分类号： H04L12/56 文献下载
摘要：本发明公开了网络系统、网络管理装置、通信装置以及路径设置方法，它们可以在既包含自治分布式控制自适应装置又包含自治分布式控制非自适应装置的网络中，通过自治分布式控制非自适应装置的自治分布式控制来设置路径。为此，根据本发明的网络系统既包含自治分布式控制自适应网络又包含自治分布式控制非自适应网络，并且包含可以在自治分布式控制自适应网络和自治分布式控制非自适应网络中设置预定路径的网络管理装置，其中该网络管理装置具有这样的功能，即根据表示在自治分布式控制非自适应网络中设置的自治分布式控制非自适应路径的信息，将自治分布式控制非自适应路径设置为自治分布式控制自适应路径的一部分。
网络系统管理装置通信以及路径设置方法

[发明专利]基于图卷积网络的无监督域自适应的分类方法-CN202210208723.5在审
发明人：吴飞;魏鹏飞;高广谓;胡长晖;季一木;蒋国平 -专利权人：南京邮电大学
申请日： 2022-03-04 - 公布日： 2022-06-28 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种基于图卷积网络的无监督域自适应的分类。所述方法包括：获取源域中的样本数据和目标域中样本数据作为训练数据；根据源域和目标域中样本数据间的相似性分别更新两个域中样本的图连接关系；将源域和目标域中的样本数据输入到域自适应网络中进行训练，域自适应网络是基于图卷积网络的无监督域自适应网络，域自适应网络包括：跨域特征提取模型、源域特征提取模型、分类模型、域对抗鉴别模型、类对齐模型；训练域自适应网络不断更新迭代域自适应网络中的参数，当域自适应网络达到收敛条件时，获得域自适应分类模型；输入待分类数据至域自适应分类模型进行分类提高了基于图卷积的无监督域自适应模型性能。
基于图卷网络监督自适应分类方法

[发明专利]一种基于骨架的双流自适应图卷积网络行为识别方法-CN202011282994.2有效
发明人：田联房;余陆斌;杜启亮 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2020-11-17 - 公布日： 2023-08-08 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于骨架的双流自适应图卷积网络行为识别方法，包括步骤：1)视频图像采集；2)标注视频中人体的骨架信息和行为类别，构建训练集；3)构建自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt；4)利用自适应空间域图卷积单元Convs和自适应时间域图卷积单元Convt构建自适应图卷积模块；5)利用自适应图卷积模块构建自适应图卷积网络；6)利用自适应图卷积网络构建双流自适应图卷积网络；7)利用训练集训练双流自适应图卷积网络；8)利用训练得到的双流自适应图卷积网络对视频图像中的人体行为进行识别。
一种基于骨架双流自适应图卷网络行为识别方法

[发明专利]一种基于自适应神经网络的潮流计算方法-CN202111486131.1在审
发明人：赵健;张海鹏;王小宇;李梁;边晓燕;曹俊杰;王炜韬;徐明杰;徐斌;刘波 -专利权人：上海电力大学
申请日： 2021-12-07 - 公布日： 2022-04-01 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于自适应神经网络的潮流计算方法，包括获取配电网典型节点的数据，并形成训练数据集作为后续输入；定义隐藏层与神经元的数量，建立神经自适应神经网络模型框架；利用训练数据集训练自适应神经网络模型，更新神经网络中的参数，构建自适应数据潮流模型。本发明提出了一种基于自适应神经网络的潮流计算方法，根据所采集的测量数据集，基于自适应神经网络模型建立自适应潮流模型，实现在拓扑以及线路参数未知场景下的潮流计算。
一种基于自适应神经网络潮流计算方法

[发明专利]自适应选择网络的方法-CN02157968.7有效
发明人：谢巍;史云涛;朱灴;孙国滨;刘旭国 -专利权人：联想(北京)有限公司
申请日： 2002-12-23 - 公布日： 2004-07-07 - 主分类号： H04L12/24 文献下载
摘要：一种自适应选择网络的方法，首先根据终端设备获取所有可适应的网络；然后判定该网络是否可以启动自适应，从而将可启动自适应的网络按照所设置的自适应网络方式的优先顺序进行记录；接着启动自适应，则终端设备将通过所记录的优先顺序，将选择的最优先无线网络同当前使用的网络类型进行比较，如果相同，则不进行切换，否则切换到最优先的无线网络；重复上述步骤直至找到最佳或需要的网络环境。
自适应选择网络方法

[发明专利]基于改进Actor-Critic算法的SDN下自适应威胁缓解方法及系统-CN202211058834.9有效
发明人：石成豪;王宇;钱克昌;熊达鹏;万颖;吴曙光;苏英豪 -专利权人：中国人民解放军战略支援部队航天工程大学
申请日： 2022-08-31 - 公布日： 2022-11-25 - 主分类号： H04L9/40 文献下载
摘要：本发明涉及网络安全技术领域，具体公开了基于改进Actor‑Critic算法的SDN下自适应威胁缓解方法及系统，包括架设SDN下自适应威胁缓解架构，SDN下自适应威胁缓解架构包括深度强化学习代理，其为基于改进Actor‑Critic算法搭建的深度神经网络；训练基于改进Actor‑Critic算法搭建的深度神经网络，以获得自适应威胁缓解代理；基于自适应威胁缓解代理输出最优自适应网络威胁缓解策略，基于最优自适应网络威胁缓解策略来改变网络安全部署；该方法对Actor‑Critic算法进行改进，对于长序列、不完全信息的观测环境效果更好，能产生更好网络威胁缓解策略。
基于改进 actor critic 算法 sdn 自适应威胁缓解方法系统

[发明专利]自适应测量装置及其自适应测量方法-CN200810119716.8无效
发明人：金跃辉;崔毅东;钱苏苗;王佳旭;阙喜戎;程时端;王文东;龚向阳 -专利权人：北京邮电大学
申请日： 2008-09-05 - 公布日： 2009-01-28 - 主分类号： H04L12/26 文献下载
摘要：一种自适应测量装置及其自适应测量方法，自适应测量装置是安装于自组织网络中的测量节点，能自适应地测量网络性能而完成自适应测量任务的测量设备，包括三个软件功能模块：初始化模块、语义分析模块和执行模块，以及两个存储空间自适应测量方法是在自组织网络的测量体系引入主动网络中程序能够随报文传输的特点，在数据报文中嵌入测量任务，使得网络在传输数据过程中自适应地执行测量任务，即测量功能不固化在节点上，而是通过执行报文中携带的测量任务而完成测量采用本发明自适应测量装置和自适应测量方法，能够在网络拓扑不断变化的自组织网络中进行端到端的测量，并采集中间节点的网络性能信息，应用前景看好。
自适应测量装置及其测量方法

[发明专利]一种基于自适应图卷积网络的图数据集增强方法-CN202111066154.7在审
发明人：田联房;余陆斌;杜启亮 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2021-09-13 - 公布日： 2022-01-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自适应图卷积网络的图数据集增强方法，包括步骤：1)构建自适应图卷积层；2)利用自适应图卷积层构建自适应图卷积网络；3)整理待增强的图数据集，将其用于自适应图卷积网络训练；4)利用训练完的自适应图卷积网络生成增强矩阵本发明利用了自适应图卷积网络的邻接矩阵扩充图数据集，可以很好解决计算机视觉任务中图数据不足的问题。
一种基于自适应图卷网络数据增强方法

[发明专利]基于多阶段自适应网络的鲁棒目标跟踪方法及系统-CN202111425943.5在审
发明人：陈思;王立波;王大寒;朱顺痣;吴芸 -专利权人：厦门理工学院
申请日： 2021-11-26 - 公布日： 2022-02-25 - 主分类号： G06T7/246 文献下载
摘要：本发明涉及一种基于多阶段自适应网络的鲁棒目标跟踪方法及系统，该方法包括以下步骤：S1、构建离线训练数据集；S2、使用元学习的多步梯度下降训练方法对离线训练数据集进行训练，得到元学习模型；S3、构建多阶段自适应网络，包括领域自适应子网、特征自适应子网和位置自适应子网三个不同自适应子网络，S4、将测试视频中仅已知目标位置的第一帧输入到领域自适应子网，对构建的多阶段自适应网络进行初始化训练；S5、将测试视频中第二帧开始的后续帧依次输入到特征自适应子网中，利用多阶段自适应网络对测试视频进行跟踪。
基于阶段自适应网络目标跟踪方法系统

[发明专利]一种基于多流三维自适应图卷积的人体行为识别方法-CN202110799095.8有效
发明人：田联房;余陆斌;杜启亮;向照夷 -专利权人：华南理工大学;华南理工大学珠海现代产业创新研究院
申请日： 2021-07-15 - 公布日： 2023-06-09 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于多流三维自适应图卷积的人体行为识别方法，包括：1)采集包含人体的视频，构建训练集；2)利用训练集构建自适应空间域注意力矩阵SAM和自适应时间域注意力矩阵TAM；3)构建自适应空间域注意力图卷积模块ASAGCM、自适应时间域注意力图卷积模块ATAGCM、三维时空域图卷积模块GCN‑3d；4)构建自适应图卷积层；5)利用自适应图卷积层构建自适应图卷积网络；6)利用自适应图卷积网络构建多流三维自适应图卷积网络；7)利用训练集训练多流三维自适应图卷积网络；8)利用训练后的多流三维自适应图卷积网络对视频中的人体进行行为识别。
一种基于三维自适应图卷人体行为识别方法

[发明专利]码率自适应模型的训练、视频码率自适应方法及装置-CN202210470786.8有效
发明人：孙立峰;周超;黄天驰 -专利权人：清华大学;北京达佳互联信息技术有限公司
申请日： 2022-04-28 - 公布日： 2023-07-25 - 主分类号： H04N21/462 文献下载
摘要：本公开关于一种码率自适应模型的训练、视频码率自适应方法及装置。码率自适应模型的训练方法包括：从网络状态池中选择网络状态作为第一训练环境；通过码率自适应模型在第一训练环境中进行码率决策，将得到的码率决策轨迹数据作为第一轨迹；基于第一轨迹对码率自适应模型的参数进行调整，得到码率自适应模型的第一更新模型；从网络状态池中再次选择网络状态作为第二训练环境；通过第一更新模型在第二训练环境中进行码率决策，将得到的码率决策轨迹数据作为第二轨迹；基于第二轨迹对第一更新模型的参数进行调整，得到码率自适应模型的第二更新模型。本公开的码率自适应模型的训练方法可使得码率自适应模型适应各种个性化网络。
自适应模型训练视频方法装置

[发明专利]一种自适应动态折扣因子的强化学习方法-CN202210501034.3在审
发明人：邓岳;戴兵泉;蒋星宇;章修惠;李洪珏 -专利权人：北京航空航天大学
申请日： 2022-05-09 - 公布日： 2022-08-12 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种自适应动态折扣因子的强化学习方法，包括：构建动作网络、价值网络和自适应折扣因子网络；随机从经验回放池中采样轨迹数据作为训练集和验证集；固定自适应折扣因子网络的参数，确定当前奖励下的自适应折扣因子；基于训练集对动作网络和价值网络的参数进行更新；固定更新后的动作网络和价值网络的参数，基于验证集对自适应折扣因子网络的参数进行更新；对动作网络、价值网络和自适应折扣因子网络的参数进行交替迭代优化。
一种自适应动态折扣因子强化学习方法

[发明专利]一种基于神经网络的变转速工况下旋转机械故障分类方法-CN202211243455.7有效
发明人：饶猛;左明健 -专利权人：青岛明思为科技有限公司
申请日： 2022-10-12 - 公布日： 2023-02-03 - 主分类号： G06F18/241 文献下载
摘要：本发明涉及故障诊断领域，具体是一种基于神经网络的变转速工况下旋转机械故障分类方法,包括以下步骤：S1、采集目标旋转机械信号；S2、数据预处理；S3、搭建速度自适应卷积神经网络模型；S4、训练速度自适应卷积神经网络模型；S5、测试速度自适应卷积神经网络模型；S6、上线应用。本发明的速度自适应卷积神经网络模型的卷积神经网络分支从振动信号中提故障特征，然而该特征受到转速的影响；速度自适应分支学习一个转速自适应函数，该函数可根据转速，自适应地调整卷积神经网络分支中的信息流，从而达到抑制转速影响
一种基于神经网络转速工况旋转机械故障分类方法

[发明专利]一种基于自适应降噪卷积神经网络的故障诊断方法-CN202111681530.3在审
发明人：杨帆;黄栋铧;李东东;赵耀;林顺富;俞士炳 -专利权人：上海电力大学
申请日： 2021-12-29 - 公布日： 2022-04-22 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于自适应降噪卷积神经网络的故障诊断方法，方法包括以下步骤：检测机械设备振动信号，组成一维的振动数据集，对振动数据集做灰度图化处理，获得灰度图数据库；将灰度图数据库输入自适应降噪卷积神经网络进行训练，训练得到其自适应降噪神经网络模型；利用训练好的自适应降噪神经网络模型进行故障诊断。与现有技术相比，本发明构建了一种自适应降噪卷积神经网络，其含有自适应滤波器使得卷积神经网络能自适应高噪声下的故障诊断，具有抗噪能力强和准确性高的优点。
一种基于自适应卷积神经网络故障诊断方法

[发明专利]一种基于自适应因子探测的智能化网络设备扫描方法-CN201610403472.0有效
发明人：李晓光;张义;赵玉敬;刘向波;杜宁宁;李晓亮;伊瑞鹏;马莉;付云磊;周伟;袁宝;乔亚男;冯庆云;张颜艳 -专利权人：国网山东省电力公司滨州供电公司;国家电网公司
申请日： 2016-06-06 - 公布日： 2019-04-02 - 主分类号： H04L12/26 文献下载
摘要：本发明公开一种基于自适应因子探测的智能化网络设备扫描方法，包括以下步骤：自适应因子初始化阶段；自适应因子动态更新阶段。本发明将自适应因子概念引入网络设备存活探测领域，通过引入生存计数、自适应因子、自适应因子变更次数等三个参数，计算出较为合适的扫描权值，实现扫描IP地址的自适应学习和自适应因子的动态校正，避免重复扫描的出现，一方面可以大大减少探测报文的数量，减少网络资源的消耗，同时又可以最大程度发现网络中非存活设备，降低了存活探测时间，解决由于网络设备数量庞大带来的扫描效率不足的问题，做到真正意义上的高效。
一种基于自适应因子探测智能化网络设备扫描方法

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 100000 条