基于时间自擦除的神经网络的训练方法和设备

    公开(公告)号:CN119578470A

    公开(公告)日:2025-03-07

    申请号:CN202510138089.6

    申请日:2025-02-07

    Abstract: 提供基于时间自擦除的神经网络的训练方法和设备。所述训练方法包括:针对每个时间步长,通过将训练样本输入卷积层,生成与所述时间步长对应的第一特征图;针对除了第一个时间步长之外的每个时间步长,通过将应用了随着每个时间步长而变化的擦除掩码的第一特征图输入池化层,生成第二特征图;通过将第二特征图输入第一全连接层,生成第一预测图;基于第一预测图和真实标签,生成损失;通过基于损失调整所述神经网络的参数,得到训练后的神经网络。因此,提高了整体的预测准确性,提高了计算效率,并且降低了计算开销。

    城市群运行状态知识图谱构建方法、系统及设备

    公开(公告)号:CN112948595B

    公开(公告)日:2023-04-25

    申请号:CN202110337746.1

    申请日:2021-03-30

    Abstract: 本发明属于大数据技术领域,具体涉及了一种城市群运行状态知识图谱构建方法、系统及设备,旨在解决现有的方法缺少对城市群各领域运行状态的综合定量分析,不能满足对城市群运行规律深入挖掘的需求的问题。本发明包括:获取多源异构城市群运行数据,将所述多源异构城市群运行数据,转换为城市群运行时空数据集并划分子集,基于所述时空数据子集确定通用城市群运行状态指标,基于所述通用城市群运行状态指标结合城市特点计算指标权重,构建城市群运行状态指标体系进而建城市群运行状态知识图谱。本发明实现了城市群内各运行要素之间的潜在关系的抽取,为城市群运行规律的深度挖掘提供了技术改进。

    城市群运行状态知识图谱构建方法、系统及设备

    公开(公告)号:CN112948595A

    公开(公告)日:2021-06-11

    申请号:CN202110337746.1

    申请日:2021-03-30

    Abstract: 本发明属于大数据技术领域,具体涉及了一种城市群运行状态知识图谱构建方法、系统及设备,旨在解决现有的方法缺少对城市群各领域运行状态的综合定量分析,不能满足对城市群运行规律深入挖掘的需求的问题。本发明包括:获取多源异构城市群运行数据,将所述多源异构城市群运行数据,转换为城市群运行时空数据集并划分子集,基于所述时空数据子集确定通用城市群运行状态指标,基于所述通用城市群运行状态指标结合城市特点计算指标权重,构建城市群运行状态指标体系进而建城市群运行状态知识图谱。本发明实现了城市群内各运行要素之间的潜在关系的抽取,为城市群运行规律的深度挖掘提供了技术改进。

    涡旋式空调压缩机的轴承-曲柄轴智能压装方法及系统

    公开(公告)号:CN102107352A

    公开(公告)日:2011-06-29

    申请号:CN201010592892.0

    申请日:2010-12-08

    Abstract: 本发明涉及一种涡旋式空调压缩机的轴承-曲柄轴智能压装方法及系统,该系统包括压装装置、工业机器人、视觉装置三个部分,工业机器人接收视觉装置输出的轴承和曲柄轴的位置信号,并对轴承和曲柄轴的位置信号进行处理,生成了工业机器人的运动轨迹,然后抓取轴承放置到压装装置内,抓取曲柄轴放置到轴承内;压装装置接收工业机器人的状态信号,将其转换为控制信号,控制压装装置将曲柄轴压装到轴承内;工业机器人接收压装装置的状态信号后,将压装好的轴承和曲柄轴从压装装置内取出。

    NFT跨模态检索方法、装置及存储介质

    公开(公告)号:CN118520153B

    公开(公告)日:2024-12-06

    申请号:CN202410972733.5

    申请日:2024-07-19

    Abstract: 本发明提供一种NFT跨模态检索方法、装置及存储介质,涉及电数字数据处理技术领域,所述方法包括:获取用于检索的语义信息;将所述语义信息输入至NFT跨模态检索模型中,基于置信累加两阶段搜索算法获取与语义信息最为匹配的NFT检索结果,所述NFT跨模态检索模型是基于动态组件差分训练得到的。本发明提供的NFT跨模态检索方法、装置及存储介质,可以根据动态组件差分训练得到NFT跨模态检索模型,然后根据NFT跨模态检索模型通过置信累加两阶段搜索算法,从而能够根据用户输入的语义信息输出与之最为匹配的检索结果,可以提高NFT图像的检索精度。

    引力波侯选体筛选方法、装置及存储介质

    公开(公告)号:CN114549912A

    公开(公告)日:2022-05-27

    申请号:CN202210436894.3

    申请日:2022-04-25

    Abstract: 本申请提供一种引力波侯选体筛选方法、装置及存储介质,其中方法包括:确定多探测器联合观测的观测数据的相干信噪比;将所述相干信噪比投射到天区图后得到目标二维图像;将所述目标二维图像输入至引力波侯选体筛选模型,得到所述引力波侯选体筛选模型输出的引力波侯选体筛选结果;所述引力波侯选体筛选模型是基于目标二维图像样本及预先确定的引力波侯选体标签训练后确定的。本申请通过模拟多探测器对同一天区图进行联合观测的观测结果,确定联合观测的相干信噪比,减少了噪声对信号的干扰,提升了观测数据的信噪比,同时结合深度学习算法,利用引力波侯选体筛选模型实现引力波信号的自动筛选识别。

    基于深度时间对齐梯度增强的神经网络的训练方法及装置

    公开(公告)号:CN119538100A

    公开(公告)日:2025-02-28

    申请号:CN202510081115.6

    申请日:2025-01-17

    Abstract: 本申请公开了一种基于深度时间对齐梯度增强的神经网络的训练方法及装置。所述训练方法包括:获取输入样本数据;将输入样本数据输入到基于深度时间对齐梯度增强的神经网络模型,得到与输入样本数据的类别对应的预测类别概率数据;根据预测类别概率数据和样本标签数据,调整基于深度时间对齐梯度增强的神经网络模型的各个参数,得到训练后的神经网络模型,其中,基于深度时间对齐梯度增强的神经网络模型包括输入层、K个阶段和输出层,第1个阶段至第K‑1个阶段各自包括基于深度时间对齐梯度增强的卷积网络和辅助分类器网络,并且第K个阶段包括基于深度时间对齐梯度增强的卷积网络,其中,K为大于1的正整数。

Patent Agency Ranking