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16258个,建议您升级VIP下载更多相关专利
  • [发明专利]解释器访存优化方法及装置-CN201510053110.9有效
  • 傅杰;靳国杰;高翔;王剑 - 龙芯中科技术有限公司
  • 2015-02-02 - 2019-04-16 - G06F9/455
  • 本发明实施例提供一种解释器访存优化方法及装置,其中,所述方法包括:在非一致性存储访问NUMA系统的至少两个节点上分别生成解释器;根据解释器线程所在的节点的编号,从所述至少两个节点上的解释器中选择一个解释器作为当前解释器;使用所述当前解释器对所述解释器线程调用的虚拟机指令进行解释执行。本发明实施例提供的解释器访存优化方法及装置,通过在至少两个节点上分别生成解释器,运行时根据解释器线程所在的节点的编号,从所述至少两个节点上的解释器中选择一个解释器作为当前解释器,以减少解释器的跨节点存储访问数量,从而提高虚拟机解释器的性能。
  • 解释器访存优化方法装置
  • [其他]解释程序的扩充方法-CN101985000009064在审
  • 原武司 - 日本电气株式会社
  • 1985-12-10 - 1989-07-26 -
  • 解释程序的扩充方法,具有记忆机构,将源程序的指令解释执行的第一解释执行机构,将第一解释机构所不能解释的多数个扩充语句解释的N个第2解释执行机构,将表示上述第一解释机构与第1号的第2解释执行机构的连接关系的信息存储而设于上述第一解释机构的第1结合信息存储部以及将表示上述第i号与i+1号的第2解释机构连接关系的信息存储而设于上述第i号的第2解释执行机构的第2结合信息存储部并以N个第2解释执行机构中之一来解释源程序中的抗充语句,从而达到扩充解释程序的目的
  • 解释程序扩充方法
  • [发明专利]解释程序的扩充方法-CN85109064.8无效
  • 原武司 - 日本电气株式会社
  • 1985-12-10 - 1989-07-26 - G06F9/44
  • 解释程序的扩充方法,具有记忆机构,将源程序的指令解释执行的第一解释执行机构,将第一解释机构所不能解释的多数个扩充语句解释的N个第2解释执行机构,将表示上述第一解释机构与第1号的第2解释执行机构的连接关系的信息存储而设于上述第一解释机构的第1结合信息存储部以及将表示上述第i号与i+1号的第2解释机构连接关系的信息存储而设于上述第i号的第2解释执行机构的第2结合信息存储部并以N个第2解释执行机构中之一来解释源程序中的抗充语句,从而达到扩充解释程序的目的
  • 解释程序扩充方法
  • [发明专利]模型的解释方法及装置-CN202111326193.6在审
  • 李耀满;王伟啸;方菲 - 联想(北京)有限公司
  • 2021-11-10 - 2022-02-15 - G06N20/00
  • 本公开涉及一种模型的解释方法及装置,该方法包括:基于第一类参数特征确定待解释模型为第一模型;获取所述第一模型对应的输入数据;基于所述输入数据对所述第一模型进行分析,得到用于对所述第一模型进行解释的第一可解释性方案,其中,所述第一可解释性方案的解释参数至少基于所述第一模型的模型属性确定;利用所述第一可解释性方案对所述第一模型进行解释,得到解释结果;基于所述解释结果,确定所述第一模型的解释相关度,其中,所述解释相关度用于表征所述解释参数对所述第一模型的解释效果本公开能够自动生成模型的可解释性方案,使复杂的机器学习模型白盒化,且可以基于解释结果对模型参数进行调整、优化,提高模型的透明度和可信度。
  • 模型解释方法装置
  • [发明专利]深度学习可解释方法及设备、存储介质和程序产品-CN202111395480.2在审
  • 张宝昌;李宏;段晓玥;吕金虎 - 北京航空航天大学
  • 2021-11-23 - 2022-03-11 - G06V10/778
  • 本发明提供一种深度学习可解释方法及设备、存储介质和程序产品,其中深度学习可解释方法,先针对获取的待解释图像确定待解释图像中的待解释类别,然后再基于预设深度学习可解释模型,确定所述待解释类别的解释结果。由于所述预设深度学习可解释模型包括先获取所述待解释图像中每一个像素点加噪后的平均收益、再根据所述平均收益确定针对所述待解释类别的目标像素点、后基于所述目标像素点的深度学习程度确定所述待解释类别的解释结果,以此实现通过开发和探索每个像素点的重要性达到确定用于解释图像中类别的目标像素点目的,不仅时间成本低,而且也提高了图像中类别的解释精度和解释准确性。
  • 深度学习可解释方法设备存储介质程序产品
  • [发明专利]电子设备中安全的程序解释的方法-CN200580040204.7无效
  • L·塔尔克卡拉 - 诺基亚公司
  • 2005-11-24 - 2007-10-31 - G06F21/00
  • 本发明涉及用于在电子设备中安全的程序解释的方法。加载一种解释的程序并且使用可执行原型存根形成可执行存根。该可执行存根与解释的程序相关联。还为该解释的程序进而为该可执行存根分配至少一个第二能力。可执行存根调用共享解释器库中的至少一个功能用于解释解释的程序。解释器引擎检查解释的程序是否引用外部解释的程序代码段。解释引擎推断至少一个第二能力用于该外部解释的程序代码段。如果所述至少一个第一能力不是所述至少一个第二能力的子集,则该解释器引擎不允许执行所述外部解释的程序代码段。
  • 电子设备安全程序解释方法
  • [发明专利]问题的解释要素生成方法、装置、介质及电子设备-CN202210548072.4在审
  • 胡意仪;阮晓雯;陈远旭 - 平安科技(深圳)有限公司
  • 2022-05-19 - 2022-08-09 - G16H50/20
  • 本公开涉及知识推理领域,揭示了一种问题的解释要素生成方法、装置、介质及电子设备。该方法包括:基于问题解释样本集构建解释要素多分类模型;将目标问题信息输入至解释要素多分类模型,得到多个解释要素;根据相关性模型确定各解释要素与目标问题信息的相关度;生成与多个解释要素对应的所有解释要素组合,并根据各解释要素组合及相关度构建与各解释要素组合对应的图结构;利用切线对各图结构进行切图操作,并确定与每次切图操作对应的解释要素组和切图损失;根据各次切图操作对应的切图损失确定目标切图损失,并将目标切图损失对应的解释要素组中的解释要素作为目标解释要素此方法可以高效准确地为目标问题信息生成相应的解释要素。
  • 问题解释要素生成方法装置介质电子设备
  • [发明专利]打印管理设备、打印管理方法和打印系统-CN201410325470.5有效
  • 福井健 - 富士施乐株式会社
  • 2014-07-09 - 2018-01-23 - B41J29/393
  • 该打印管理设备包括分配单元,其将各条打印数据当中要解释的各部分分配给对打印数据进行解释的多个解释器,以对这些部分进行解释;故障检测器,其检测解释器的故障;以及再分配单元,其将打印数据当中被分配给由故障检测器检测到的故障解释器的部分再分配给多个解释器当中除了故障解释器以外的剩余解释器,以对这些部分进行解释,其中,多个解释器将通过对分配单元所分配的各部分进行解释而获得的解释结果数据传送到一个打印控制设备,并且打印控制设备使得打印设备根据从多个解释器接收到的与打印数据的每个部分相对应的解释结果数据来执行打印
  • 打印管理设备方法系统

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