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1478个,建议您升级VIP下载更多相关专利
  • [发明专利]基于DP-XGBoost的稻米品种溯源模型隐私保护方法及系统-CN202211319800.0在审
  • 于润众;李星妍;高若祺;张菱 - 黑龙江八一农垦大学
  • 2022-10-26 - 2023-04-04 - G06F21/62
  • 本发明适用于粮食安全技术领域,提供了一种基于DP‑XGBoost的稻米品种溯源模型隐私保护方法及系统,所述基于DP‑XGBoost的稻米品种溯源模型隐私保护方法包括以下步骤:获得稻米的谱图以确定特征数据;对特征数据进行预处理得到训练数据和测试数据;根据不同品种稻米的特征数据建立XGBoost分类溯源模型;基于XGBoost分类溯源模型,构建DP‑XGBoost隐私保护模型;通过调整尺度参数σ,使得所述DP‑XGBoost隐私保护模型通过训练数据训练后,得到满足分类精度的最优权重;使用该最优权重迭代所述DP‑XGBoost隐私保护模型。本发明基于XGBoost分类算法,并结合随机噪声实现扰动,避免稻米品种溯源时产生数据暴露,实现隐私保护。
  • 基于dpxgboost稻米品种溯源模型隐私保护方法系统
  • [发明专利]基于XGboost模型的锂离子电池荷电状态估算-CN202010689444.6在审
  • 宋树祥;潘凯;费陈;夏海英 - 广西师范大学
  • 2020-07-17 - 2020-10-23 - G01R31/367
  • 本发明涉及锂离子电池预测领域,是基于XGboost模型的锂离子电池荷电状态估算,包括以下步骤:将锂离子电池放电的数据划分为训练数据集和测试数据集,将训练数据集数据集中的电压、电流、温度作为特征输入XGBoost模型;设置XGBoost模型的参数;利用XGBoost模型对训练数据集进行训练;判定训练数据集的预测SOC与训练数据集真实的SOC误差,若误差最小,设置的XGBoost模型参数为最优参数;并将测试数据集中的电压、电流、温度作为特征输入XGBoost模型,利用得到XGBoost模型的最优参数对测试数据集进行预测,获得测试数据的预测SOC;提高估算精度和鲁棒性。
  • 基于xgboost模型锂离子电池状态估算
  • [发明专利]一种基于XGBoost的气象雷达地物回波识别方法-CN202111596988.9在审
  • 张舒娜;汪玲;朱岱寅;周晔 - 南京航空航天大学
  • 2021-12-24 - 2022-04-22 - G01S7/41
  • 本发明公开了一种基于XGBoost的气象雷达地物回波识别方法,包括以下步骤:步骤S1、选择输入XGBoost模型的雷达参数,雷达参数包括反射率因子、反射率因子纹理、差分反射率因子、回波强度沿径向的变化程度、径向速度的区域平均值和相关系数;步骤S2、对XGBoost模型进行初始化,确定初始的XGBoost模型的参数;步骤S3、输入气象雷达实测数据样本集,将气象雷达实测数据样本集分为训练集和测试集;步骤S4、运用训练集对初始的XGBoost模型进行贝叶斯优化,得到最终的XGBoost优化模型;步骤S5、将测试集输入XGBoost优化模型,进行迭代,当达到最大迭代次数或XGBoost优化模型的损失函数达到目标函数最优解时
  • 一种基于xgboost气象雷达地物回波识别方法
  • [发明专利]一种基于XGBoost的水文预报误差校正方法-CN202210234577.3在审
  • 万定生;张甲甲;余宇峰;朱跃龙 - 河海大学
  • 2022-03-10 - 2022-06-03 - G06Q10/04
  • 本发明公开一种基于XGBoost的水文预报误差校正方法,该方法包括:(1)采集一水系流域对应预报站点一定时间段内的实况水位值及水文模型预报水位值,组织成水文时间序列数据集;(2)构建误差数据集,对数据进行预处理,划分训练集和测试集并确定模型最终的输入;(3)采用SPGA优化算法对XGBoost的学习率、弱学习器个数、惩罚项系数、决策树最大深度四个参数进行优化,同时利用样本数据集对XGBoost模型进行训练,最终得到SPGA优化的XGBoost预报误差校正模型;(4)对所述SPGA优化的XGBoost水文预报误差校正模型进行测试。本发明自行组织数据集,使用XGBoost模型进行模拟误差计算,其中采用SPGA算法对XGBoost模型的参数进行优化,利用最优参数得到的模型进一步提升误差校正能力。
  • 一种基于xgboost水文预报误差校正方法
  • [发明专利]一种基于睡眠分期的机器学习算法的部署方法-CN202211715986.1在审
  • 刘文华;刘冰 - 浙江柔灵科技有限公司
  • 2022-12-30 - 2023-04-18 - A61B5/00
  • 本发明提供了一种基于睡眠分期的机器学习算法的部署方法,包括如下具体步骤:步骤1):采集脑电数据,将脑电数据切分成若干个分段数据并保存;步骤2):对分段数据做特征工程;步骤3):将脑电数据切分成训练集和测试集,对xgboost模型进行训练和调优,得到训练好的原始睡眠分期xgboost模型;步骤4):用C语言中的math函数库实现原始睡眠分期xgboost模型的推理,得到纯C语言睡眠分期xgboost模型;步骤5):对纯C语言睡眠分期xgboost模型进行校准;步骤6):将校准后的纯C语言睡眠分期xgboost模型部署到端侧设备。本发明在传统的xgboost模型基础上实现了纯C语言推理,在部署至端侧设备上时,无需在端侧设备上事先安装相应的系统或平台,可以减少对端侧设备的系统需求。
  • 一种基于睡眠分期机器学习算法部署方法

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