“tucker”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134个，建议您升级VIP下载更多相关专利

[发明专利]一种基于Tucker分解和知识图谱的商品推荐方法-CN202111419472.7有效
发明人：曹扬;杨波;李少松 -专利权人：电子科技大学
申请日： 2021-11-26 - 公布日： 2022-08-02 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开一种基于Tucker分解和知识图谱的商品推荐方法，属于信息推荐技术领域，先构建推荐学习数据库、知识图谱数据库和联系数据表；初始化得到各用户、商品、实体和关系的特征向量；然后分别计算获得商品特征向量和偏好特征向量，结合用户特征向量采用Tucker分解的逆运算学习推荐系统信息，提取三元组采用Tucker分解的逆运算学习知识图谱信息，分别得到对应的得分函数；以推荐学习数据库和知识图谱数据库为训练集进行训练，使用训练后的模型对用户进行本发明将知识图谱补全任务与推荐系统任务进行联合学习，并利用Tucker分解的逆运算计算推荐系统得分，从而提高了推荐结果。
一种基于 tucker 分解知识图谱商品推荐方法

[发明专利]基于张量Tucker分解模糊控制的柴油机故障诊断方法-CN201810433376.X在审
发明人：王威;周文起;李岩 -专利权人：西北农林科技大学
申请日： 2018-05-08 - 公布日： 2019-11-15 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种基于张量tucker分解模糊控制的发动机故障诊断方法，对现有柴油发动机ECU中的数据进行整合，组成三阶张量，通过利用张量tucker分解的思想，运用HOSVD‑ALS联立的张量的Tucker
矩阵输出量柴油发动机分解切片发动机故障诊断数据归一化故障诊断模糊控制三阶张量特征提取推理运算模糊化短路传感器整合开路模糊

[发明专利]一种针对图像识别的最小二乘支持三阶张量机建模方法-CN202010013260.8有效
发明人：孙涛;孙希明 -专利权人：大连理工大学
申请日： 2020-01-07 - 公布日： 2022-11-18 - 主分类号： G06V10/774 文献下载
摘要：本发明属于人工智能中的图像识别技术领域，提供一种针对图像识别的最小二乘支持三阶张量机建模方法，首先在图片预处理的三阶张量数据结构下建立原始的最小二乘支持三阶张量机模型；其次通过利用拉格朗日乘子方法与张量‑Tucker分解方法获得具有Tucker分解形式的线性方程组；最后通过求解该线性方程组并获得具有Tucker分解形式的最小二乘支持三阶张量机识别模型。Tucker分解形式的最小二乘支持三阶张量机识别模型充分考虑了图像数据内部的自然空间关系。一方面避免了图像数据本身在向量化训练的过程中可能遇到的维度灾难和误差庞大等问题。
一种针对图像识别最小支持张量建模方法

[发明专利]基于Tucker算法的深度卷积神经网络压缩方法-CN201910738065.9在审
发明人：袁国慧;贺晨;王卓然;彭真明;曲超;范文澜;赵浩浩;张鹏年;赵学功;王慧;何艳敏;蒲恬;周宇 -专利权人：电子科技大学
申请日： 2019-08-12 - 公布日： 2019-11-08 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及基于Tucker算法的深度卷积神经网络压缩方法，包括：A.获得深度卷积神经网络模型；B.使用EVBMF算法依次估计所述深度卷积神经网络模型中每一个隐藏层参数的分解秩；C.根据深度卷积神经网络模型中隐藏层的参数张量和对应的分解秩，通过Tucker算法依次分解每一个参数张量，产生多个低秩子张量；D.通过所述的低秩子张量生成新的隐藏层，并将深度卷积神经网络模型中原有的隐藏层替换为所述新的隐藏层，生成新的深度卷积神经网络模型。本发明基于Tucker算法的深度卷积神经网络压缩方法，能够大幅度提高压缩倍数，并且有效减少了压缩时间和系统开销。
卷积神经网络隐藏层算法压缩分解低秩系统开销有效减少替换

[发明专利]基于增量式张量Tucker分解的教育推荐方法及系统-CN202210389002.9有效
发明人：周亚建;岳宗乾 -专利权人：北京邮电大学
申请日： 2022-04-13 - 公布日： 2023-10-20 - 主分类号： G06Q50/20 文献下载
摘要：本发明公开了基于增量式张量Tucker分解的教育推荐方法；获取t时刻的教育用户数据、教育资源数据和教育轨迹数据；分别对教育用户数据、教育资源数据和教育轨迹数据进行张量表示，获得教育用户张量、教育资源张量和教育轨迹张量；对教育用户张量、教育资源张量和教育轨迹张量进行融合，获得t时刻的教育融合张量；对t时刻的教育融合张量进行Tucker分解，获得t时刻的因子矩阵和t时刻的核心张量；根据增量式张量Tucker分解算法对t
基于增量张量 tucker 分解教育推荐方法系统

[发明专利]一种基于优化LM算法的半盲接收机-CN201811144253.0有效
发明人：杜建和;邓如意;陈远知 -专利权人：中国传媒大学
申请日： 2018-09-29 - 公布日： 2021-07-20 - 主分类号： H04L25/02 文献下载
摘要：其实现步骤为：1)发射端对每个信息符号进行三维空时编码并发送；2)接收端接收从信道中传输来的信号；3)将接收端接收到的信号构建成Tucker‑2模型；4)设计优化的LM算法拟合所构造的Tucker‑2模型本发明所构造的Tucker‑2模型仅需要一个符号的先验信息来消除尺度模糊，从而使得所设计的方案具有更高的频谱效率；由于使用了优化的LM算法，所设计的半盲接收机即使在发送数据流的数量多于发射天线数目的情况下也仍然具有良好的估计性能
一种基于优化 lm 算法接收机

[发明专利]一种多天线LC-DS-CDMA信号扩频码盲估计方法-CN201710976777.5有效
发明人：尹辉;赵知劲;强芳芳;尚俊娜;杨安锋;毛翊君;张笑菲 -专利权人：杭州电子科技大学
申请日： 2017-10-19 - 公布日： 2019-12-10 - 主分类号： H04B1/7073 文献下载
摘要：本发明将接收信号构建成的三维张量并按照扩频增益分块成等价于TUCKER分解模型的子张量；然后对子张量利用变步长梯度下降算法TUCKER分解得到扩频码片段和接收增益矩阵。本发明将结构复杂的信号模型简化，且降低了TUCKER分解的计算量，提高了收敛性能。得到扩频码片段后，利用接受增益矩阵的互相关性和扩频码的自相关性，去除张量分解的次序模糊和幅度模糊。
扩频码矩阵接收增益去除分解模糊自相关性互相关矩阵收敛性能下降算法信号模型增益矩阵置换矩阵变步长多天线计算量盲估计分块扩频等价排序三维

[发明专利]一种基于Tucker分解的图像隐写分析方法及终端-CN202110337203.X有效
发明人：谭舜泉;陈奕邻;李秋实;李斌;黄继武 -专利权人：深圳大学
申请日： 2021-03-30 - 公布日： 2021-07-20 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种基于Tucker分解的图像隐写分析方法及终端，所述方法包括：利用数据集进行训练得到初始图像隐写分析模型；利用预设的搜索算法对初始图像隐写分析模型的各个卷积层进行Tucker分解搜索，得到每一层分解后核心张量的输入通道数和输出通道数本发明通过Tucker分解将初始图像隐写分析模型中的一个卷积层分解成三个轻量级的卷积层组成的卷积组，以达到降低模型参数量以及计算量的目的。
一种基于 tucker 分解图像分析方法终端

[发明专利]一种基于Tucker分解的轻量级文本分类方法-CN202110109055.6有效
发明人：张帅;张鹏;陈仁海;甘国兵;李孙竹 -专利权人：天津大学
申请日： 2021-01-27 - 公布日： 2022-11-29 - 主分类号： G06F16/35 文献下载
摘要：本发明公开一种基于Tucker分解的轻量级文本分类方法，该方法采用了一个轻量级分类(TDLM)模型，包括基于Tucker分解的局部特征抽取模块、基于全局标识的全局特征抽取模块和类别预测模块。基于Tucker分解的局部特征抽取模块通过分解TextCNN网络获取更加轻量低维的卷积层，这些轻量的卷积层不仅可以获取丰富句子的局部语义信息，而且计算速度更快，参数量更少；基于全局标识的全局特征抽取模块通过全局标识跟每个单词的交互和融合
一种基于 tucker 分解轻量级文本分类方法

[发明专利]基于张量分解的异构大数据核心特征提取的方法及系统-CN202010024055.1在审
发明人：杨天若;高源;赵雅靓;杨静 -专利权人：华中科技大学鄂州工业技术研究院;华中科技大学
申请日： 2020-01-14 - 公布日： 2020-05-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于张量分解的异构大数据核心特征提取的方法，所述方法根据N+1阶张量的正交Tucker‑N分解模型，将变换后的K个张量数据Y(k)沿第N+1阶进行串联，获得N+1阶张量Y；并对Y进行正交Tucker‑N模式分解，获得核心张量F；基于核心张量F，获得所述张量数据X(k)的低维核心特征，不仅对K个张量数据同时进行了降维，且由于对K个张量数据串联后，再进行正交Tucker‑N模式分解，其获得的低维核心特征保持原始K个张量数据的全局信息，使任意两个张量数据的低维核心特征距离等于其对应的两个原始张量之间的张量距离，因此，利于后续直接对提取到的低维核心特征进行深度处理与分析
基于张量分解异构大数据核心特征提取方法系统

[发明专利]基于张量分解的异构大数据因子特征提取的方法及系统-CN202010034983.6在审
发明人：杨天若;高源;赵雅靓;杨静 -专利权人：华中科技大学鄂州工业技术研究院;华中科技大学
申请日： 2020-01-14 - 公布日： 2020-05-29 - 主分类号： G06F17/16 文献下载
摘要：本发明公开了基于张量分解的异构大数据因子特征提取的方法，所述方法根据N+1阶张量的正交Tucker‑N分解模型，将变换后的K个张量数据Y(k)沿第N+1阶进行串联，获得N+1阶张量Y；并对Y进行正交Tucker‑N模式分解，获得核心张量F；基于核心张量F，获得所述张量数据X(k)的低维因子特征，不仅对K个张量数据同时进行了降维，且由于对K个张量数据串联后，再进行正交Tucker‑N模式分解，其获得的低维因子特征保持原始K个张量数据的全局信息，使任意两个张量数据的低维因子特征距离等于其对应的两个原始张量之间的张量距离，因此，利于后续直接对提取到的低维因子特征进行深度处理与分析
基于张量分解异构大数据因子特征提取方法系统

[发明专利]基于Tucker分解和ripple时间窗的脑磁图源定位方法和装置-CN202011526796.6有效
发明人：张冀聪;史丽娟 -专利权人：北京航空航天大学
申请日： 2020-12-22 - 公布日： 2021-12-24 - 主分类号： A61B5/245 文献下载
摘要：提供一种基于Tucker分解和ripple时间窗的脑磁图源定位方法和装置，该装置包括：脑磁图传感器，用于获取用户的第一脑磁图信号；ripple检测单元，用于通过均方根方法检测所述第一脑磁图信号中的ripple时间窗作为源定位的时间窗口，获得所述ripple时间窗内的第一脑磁图信号作为第二脑磁图信号；基于高阶正交迭代的Tucker分解单元，用于对所述第二脑磁图信号的原始张量进行Tucker分解来计算所述原始张量的估计值
基于 tucker 分解 ripple 时间脑磁图源定位方法装置

[发明专利]一种短视频推荐方法、系统及设备-CN202111311290.8在审
发明人：王进;韩惠;何施茗;吴一鸣 -专利权人：长沙理工大学
申请日： 2021-11-08 - 公布日： 2022-03-01 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种短视频推荐方法、系统、及设备，步骤包括：获得目标视频的两个特征向量，将目标融合张量利用Tucker分解成一个核心张量和三个因子矩阵，利用Tucker融合将目标视频的两个特征向量与核心张量和三个因子矩阵进行融合并且在融合过程中为核心张量通过差分隐私添加噪声
一种视频推荐方法系统设备

[发明专利]一种基于Pairwise分类器的多特征融合目标检测方法及系统-CN202211013983.3在审
发明人：杨英仪 -专利权人：南方电网电力科技股份有限公司
申请日： 2022-08-23 - 公布日： 2022-11-22 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于Pairwise分类器的多特征融合目标检测方法及系统，涉及目标检测技术领域，通过对传统的SSD模型进行改进，将SSD模型中的特征层进行Tucker分解实现降维，利用得到的核张量进行特征融合得到融合特征图通过将不同深度的图像特征信息进行融合，可以提高检测的整体精度，利用Tucker分解对特征实现降维又可以节省计算机算力资源，使得轻量化的模型更加适用于移动端的部署。
一种基于 pairwise 分类特征融合目标检测方法系统

[发明专利]一种大规模MIMO中继系统联合信息估计方法-CN201910973082.0有效
发明人：杜建和;韩梦;金立标;张鹏 -专利权人：中国传媒大学
申请日： 2019-10-14 - 公布日： 2023-02-24 - 主分类号： H04B7/026 文献下载
摘要：其实现步骤为：1)建立多用户大规模MIMO中继系统模型；2)通信过程分为MAC和BC两个阶段；3)将用户端的接收信号构造为Tucker2‑PARAFAC张量模型；4)利用迭代的ALS算法拟合Tucker2
一种大规模 mimo 中继系统联合信息估计方法

1
2
3
4
5
6
7
8
9
下一页»
尾页
共 134 条