-
公开(公告)号：TW202030683A
公开(公告)日：2020-08-16
申请号：TW108131514
申请日：2019-09-02
发明人： 吳博坤
摘要： 本說明書一個或多個實施例提供一種理賠資訊提取方法和裝置、電子設備，該方法包括：獲取與理賠案件相關的圖像數據集合；將該圖像數據集合中的圖像數據輸入至第一分類模型中進行分類計算，並基於分類計算結果對該圖像數據集合中的圖像數據進行分類；其中，該第一分類模型為基於若干被標注了圖像類別的圖像數據樣本訓練出的機器學習模型；從分類得到的各個圖像類別的圖像數據中分別提取用於理賠的關鍵資訊。
简体摘要： 本说明书一个或多个实施例提供一种理赔信息提取方法和设备、电子设备，该方法包括：获取与理赔案件相关的图像数据集合；将该图像数据集合中的图像数据输入至第一分类模型中进行分类计算，并基于分类计算结果对该图像数据集合中的图像数据进行分类；其中，该第一分类模型为基于若干被标注了图像类别的图像数据样本训练出的机器学习模型；从分类得到的各个图像类别的图像数据中分别提取用于理赔的关键信息。
-
公开(公告)号：TW202030624A
公开(公告)日：2020-08-16
申请号：TW108103762
申请日：2019-01-31
发明人： 陳旻宏 , CHEN, MIN-HUNG
摘要： 本發明關於一種語音辨識控制方法及裝置。該語音辨識控制方法包括下列步驟：以一語音收發器接收一語音信號；以一學習模塊至少與一雲端搜尋引擎伺服器互動學習該語音信號，再將該語音信號轉換為至少一語言資料；以一處理器依據各該語言資料解析該語音信號，以產生一控制訊號；以一紅外線發射器發射該控制訊號。本發明另關於一種該語音辨識控制裝置。
简体摘要： 本发明关于一种语音辨识控制方法及设备。该语音辨识控制方法包括下列步骤：以一语音收发器接收一语音信号；以一学习模块至少与一云端搜索发动机服务器交互学习该语音信号，再将该语音信号转换为至少一语言数据；以一处理器依据各该语言数据解析该语音信号，以产生一控制信号；以一红外线发射器发射该控制信号。本发明另关于一种该语音辨识控制设备。
-
公开(公告)号：TWI700646B
公开(公告)日：2020-08-01
申请号：TW107142248
申请日：2018-11-27
发明人： 吳思賢 , WU, SZ HSIEN , 林韋任 , LIN, WEI REN , 林依潔 , LIN, YI CHIEH , 官振鳴 , GUAN, JENN MING , 黃存健 , HUANG, TSWEN JIANN , 朱康民 , JU, KANG MIN
IPC分类号： G06N20/00
-
公开(公告)号：TW202026954A
公开(公告)日：2020-07-16
申请号：TW108148515
申请日：2019-12-31
申请人： 美商谷歌有限責任公司 , GOOGLE LLC
发明人： 威爾卡克 傑瑞米亞 , WILLCOCK, JEREMIAH , 古瑞安 喬治 , KURIAN, GEORGE
摘要： 本發明揭示用於在神經網路訓練期間使用動態最小批次尺寸之方法、系統及設備，其等包含編碼於電腦儲存媒體上之電腦程式。一種方法包含：由複數個主機電腦之各者接收一各自訓練實例批次，各訓練實例具有零或多個特徵；由各主機電腦運算該主機電腦可將該各自訓練實例批次分成之最小批次之一最小數目，使得該主機電腦可在不超過可用運算資源之情況下使用該神經網路之一嵌入層來處理各最小批次；判定任何主機電腦可將其各自訓練實例批次分成之最小批次之一最大最小數目(N)；由各主機電腦自由該主機電腦接收之該各自訓練實例批次產生N個最小批次；及由各主機電腦使用該嵌入層來處理該N個最小批次。
简体摘要： 本发明揭示用于在神经网络训练期间使用动态最小批次尺寸之方法、系统及设备，其等包含编码于电脑存储媒体上之电脑进程。一种方法包含：由复数个主机电脑之各者接收一各自训练实例批次，各训练实例具有零或多个特征；由各主机电脑运算该主机电脑可将该各自训练实例批次分成之最小批次之一最小数目，使得该主机电脑可在不超过可用运算资源之情况下使用该神经网络之一嵌入层来处理各最小批次；判定任何主机电脑可将其各自训练实例批次分成之最小批次之一最大最小数目(N)；由各主机电脑自由该主机电脑接收之该各自训练实例批次产生N个最小批次；及由各主机电脑使用该嵌入层来处理该N个最小批次。
-
公开(公告)号：TWI697849B
公开(公告)日：2020-07-01
申请号：TW108122862
申请日：2018-03-16
发明人： 篠田伸一 , SHINODA, SHINICHI , 豊田康隆 , TOYODA, YASUTAKA , 崎村茂寿 , SAKIMURA, SHIGETOSHI , 石川昌義 , ISHIKAWA, MASAYOSHI , 新藤博之 , SHINDO, HIROYUKI , 菅原仁志 , SUGAHARA, HITOSHI
-
公开(公告)号：TW202022716A
公开(公告)日：2020-06-16
申请号：TW108133385
申请日：2019-09-17
IPC分类号： G06N20/00
摘要： 說明書披露一種叢集結果的解釋方法和裝置。該方法包括：採用嵌入算法對嵌入對象進行嵌入處理，得到每個嵌入對象的嵌入結果；採用叢集模型對所述嵌入結果進行叢集，得到每個嵌入對象的類別標籤；採用所述嵌入對象的特徵和類別標籤對解釋模型進行訓練；針對每個類別，從所述類別中提取若干嵌入對象；基於提取的每個嵌入對象的特徵和已訓練的解釋模型確定所述嵌入對象屬於所述類別的解釋特徵；匯總同一類別下提取的每個嵌入對象的解釋特徵，得到所述叢集模型在該類別下的解釋特徵。
简体摘要： 说明书披露一种集群结果的解释方法和设备。该方法包括：采用嵌入算法对嵌入对象进行嵌入处理，得到每个嵌入对象的嵌入结果；采用集群模型对所述嵌入结果进行集群，得到每个嵌入对象的类别标签；采用所述嵌入对象的特征和类别标签对解释模型进行训练；针对每个类别，从所述类别中提取若干嵌入对象；基于提取的每个嵌入对象的特征和已训练的解释模型确定所述嵌入对象属于所述类别的解释特征；汇总同一类别下提取的每个嵌入对象的解释特征，得到所述集群模型在该类别下的解释特征。
-
公开(公告)号：TW202022713A
公开(公告)日：2020-06-16
申请号：TW107143784
申请日：2018-12-05
申请人： 宏碁股份有限公司 , ACER INCORPORATED
发明人： 黃俊凱 , HUANG, CHUN-KAI , 李愛先 , LI, AI-HSIEN , 蕭妟如 , HSIAO, YEN-JU , 林昀廷 , LIN, YUN-TING
摘要： 一種心臟狀態評估方法與系統、電子裝置及超音波掃描裝置。所述方法包括：獲得至少一第一影像，其中所述第一影像中的每一者為二維影像且包含第一心臟圖案；利用所述第一影像訓練深度學習模型；以及使用經訓練的所述深度學習模型分析至少一第二影像以自動評估使用者的心臟狀態，其中所述第二影像中的每一者為所述二維影像且包含第二心臟圖案。
简体摘要： 一种心脏状态评估方法与系统、电子设备及超音波扫描设备。所述方法包括：获得至少一第一影像，其中所述第一影像中的每一者为二维影像且包含第一心脏图案；利用所述第一影像训练深度学习模型；以及使用经训练的所述深度学习模型分析至少一第二影像以自动评估用户的心脏状态，其中所述第二影像中的每一者为所述二维影像且包含第二心脏图案。
-
公开(公告)号：TW202022708A
公开(公告)日：2020-06-16
申请号：TW107143414
申请日：2018-12-04
申请人： 中原大學
摘要： 一種田口法（Taguchi Method）與人工神經網路（artificial neural network, ANN）進行微電網靜態開關之故障偵測、分類與定位之方法，係使用離散小波變換（discrete wavelet transform, DWT）之多層解析分析（multiresolution analysis, MRA）與基於田口法之ANN進行故障偵測、分類與定位。藉由三相故障電壓、三相故障電流與中性故障電流之小波熵值之差異，透過田口之正交實驗作為ANN之輸入訓練，以減少訓練樣本。ANN會識別故障之種類與位置。並且，本發明提出之DWT與ANN將藉由Renesas RX62T微控制器進行實驗，該微控制器以即時數位模擬器（OP5600）進行晶片迴圈（Chip-in-the-loop）模擬。
简体摘要： 一种田口法（Taguchi Method）与人工神经网络（artificial neural network, ANN）进行微电网静态开关之故障侦测、分类与定位之方法，系使用离散小波变换（discrete wavelet transform, DWT）之多层解析分析（multiresolution analysis, MRA）与基于田口法之ANN进行故障侦测、分类与定位。借由三相故障电压、三相故障电流与中性故障电流之小波熵值之差异，透过田口之正交实验作为ANN之输入训练，以减少训练样本。ANN会识别故障之种类与位置。并且，本发明提出之DWT与ANN将借由Renesas RX62T单片机进行实验，该单片机以实时数码仿真器（OP5600）进行芯片循环（Chip-in-the-loop）仿真。
-
公开(公告)号：TW202022641A
公开(公告)日：2020-06-16
申请号：TW108133376
申请日：2019-09-17
摘要： 說明書披露一種嵌入結果的解釋方法和裝置。該方法包括：採用嵌入算法對嵌入對象進行嵌入處理，得到每個嵌入對象的嵌入結果，所述嵌入結果包括若干維度的嵌入值；根據所述嵌入值的極值提取各維度下嵌入值滿足顯著條件的嵌入對象作為顯著訓練樣本；針對每個維度，採用該維度下的顯著訓練樣本的樣本特徵和顯著類別標籤對解釋模型進行訓練；基於已訓練的解釋模型確定所述顯著訓練樣本屬於所述顯著類別的解釋特徵，作為所述嵌入結果在該維度下的解釋特徵。
简体摘要： 说明书披露一种嵌入结果的解释方法和设备。该方法包括：采用嵌入算法对嵌入对象进行嵌入处理，得到每个嵌入对象的嵌入结果，所述嵌入结果包括若干维度的嵌入值；根据所述嵌入值的极值提取各维度下嵌入值满足显着条件的嵌入对象作为显着训练样本；针对每个维度，采用该维度下的显着训练样本的样本特征和显着类别标签对解释模型进行训练；基于已训练的解释模型确定所述显着训练样本属于所述显着类别的解释特征，作为所述嵌入结果在该维度下的解释特征。
-
公开(公告)号：TWI696124B
公开(公告)日：2020-06-11
申请号：TW107135756
申请日：2018-10-11
-
-
-
-
-
-
-
-
-
搜索结果
100 条记录 (耗时 0.022 秒)
