利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

424 条记录 (耗时 0.038 秒)

    센서의 문맥 인식 기반 결측값을 보간하기 위한 장치 및 이를 위한 방법
    1.
    发明申请
    센서의 문맥 인식 기반 결측값을 보간하기 위한 장치 및 이를 위한 방법 审中-公开

    公开(公告)号：WO2023090967A1

    公开(公告)日：2023-05-25

    申请号：PCT/KR2022/018409

    申请日：2022-11-21

    申请人： 에스케이플래닛 주식회사

    发明人： 박영현 ,  이준성

    IPC分类号： G06F30/27 ,  G06F17/40 ,  G06N20/00 ,  G06N3/08

    摘要： 본 발명의 결측값을 보간하기 위한 방법은 데이터처리부가 센서 신호를 구성하는 복수의 단위 신호 중 결측 부분 없이 온전한 전측 신호를 선별한 데이터 세트를 수집하는 단계와, 학습부가 상기 데이터 세트를 이용하여 센서 신호의 적어도 일부가 결측된 결측 부분을 가지는 결측 신호에서 결측 부분을 보간하는 보간망을 학습시키는 단계와, 보간부가 센서 신호의 적어도 일부가 결측된 결측 신호를 입력 받는 단계와, 상기 보간부가 상기 보간망을 이용하여 상기 결측 부분을 보간하여 보간 신호를 생성하는 단계를 포함한다.

    一种交通状态预测方法、装置、设备、介质及程序
    3.
    发明申请
    一种交通状态预测方法、装置、设备、介质及程序 审中-公开

    公开(公告)号：WO2023088131A1

    公开(公告)日：2023-05-25

    申请号：PCT/CN2022/130549

    申请日：2022-11-08

    申请人： 中移（上海）信息通信科技有限公司 ,  中移智行网络科技有限公司 ,  中国移动通信集团有限公司

    发明人： 鱼一帆

    IPC分类号： G06F30/27 ,  G06N3/04 ,  G06N3/08

    摘要： 一种交通状态预测方法、装置、设备、介质及程序，涉及智能交通技术领域，所述方法包括：生成多个染色体单元（101），每个染色体单元用于表征一类时空卷积网络模型；基于样本集分别计算多个染色体单元中每个染色体单元对应的时空卷积网络模型的损失值（102）；依据多个染色体单元对应的时空卷积网络模型的损失值更新多个染色体单元，并返回执行基于样本集分别计算多个染色体单元中每个染色体单元对应的时空卷积网络模型的损失值的步骤，直至确定满足预设条件的目标染色体单元（103）；基于目标染色体单元对应的时空卷积网络模型确定预先训练的时空卷积网络模型（104）；基于预先训练的时空卷积网络模型预测交通状态（105）。上述方法能够提高预测交通状态的准确性。

    训练智能模型的方法、装置、电子设备及存储介质
    5.
    发明申请
    训练智能模型的方法、装置、电子设备及存储介质 审中-公开

    公开(公告)号：WO2023083240A1

    公开(公告)日：2023-05-19

    申请号：PCT/CN2022/131038

    申请日：2022-11-10

    申请人： 杭州海康威视数字技术股份有限公司

    发明人： 孟让 ,  浦世亮 ,  陈伟杰 ,  杨世才 ,  谢迪

    IPC分类号： G06F30/27

    摘要： 本申请提供一种训练智能模型的方法、装置、电子设备及存储介质。所述方法包括：从第一神经网络中获取包括第一神经网络及m-1个第二神经网络的第一网络集合和包括m个第二神经网络的第二网络集合，所述m-1个第二神经网络和所述m个第二神经网络是所述第一神经网络中的不同子网络；基于第一样本集合和第二样本集合，训练所述第一网络集合中的每个神经网络，得到第一模型集合，其包括训练第一神经网络得到的第一智能模型和训练m-1个第二神经网络得到的m-1个第二智能模型；基于所述第一样本集合、所述第二样本集合和所述第一模型集合，训练所述第二网络集合中的每个神经网络，得到第二模型集合，其包括训练所述m个第二神经网络得到的m个第二智能模型。

    MACHINE LEARNING-BASED INTEGRATED CIRCUIT PVT TEST CASE SELECTION FOR TIMING ANALYSIS
    7.
    发明申请
    MACHINE LEARNING-BASED INTEGRATED CIRCUIT PVT TEST CASE SELECTION FOR TIMING ANALYSIS 审中-公开

    公开(公告)号：WO2023049577A1

    公开(公告)日：2023-03-30

    申请号：PCT/US2022/075306

    申请日：2022-08-23

    申请人： QUALCOMM INCORPORATED

    发明人： KOSTAS, Lindsey, Makana ,  PATTANAYAK, Santanu ,  JAIN, Tushit

    IPC分类号： G06F30/3312 ,  G06F30/27 ,  G06F119/18 ,  G06F119/22 ,  G06F119/12

    摘要： Testing integrated circuit designs based on test cases selected using machine learning models by receiving a plurality of test cases for an integrated circuit. An embedding data set is generated from the plurality of test cases (730). A respective embedding for a respective test case of the plurality of test cases includes a mapping of the respective test case into a multidimensional space. A plurality of test case clusters is generated based on a clustering model and the embedding data set. A plurality of critical test cases for testing the integrated circuit is selected based on the plurality of test case clusters. The integrated circuit is timed based on the plurality of critical test cases and a hard macro defining the integrated circuit.

    一种通信方法及装置
    9.
    发明申请
    一种通信方法及装置 审中-公开

    公开(公告)号：WO2023030221A1

    公开(公告)日：2023-03-09

    申请号：PCT/CN2022/115402

    申请日：2022-08-29

    申请人： 华为技术有限公司

    发明人： 柴晓萌 ,  孙琰 ,  吴艺群

    IPC分类号： G06N20/00 ,  G06N20/20 ,  G06F30/27

    摘要： 本公开涉及一种通信方法及装置。该方法包括：接入网设备从M个终端设备接收M个本地模型的M个第一信息，M个终端设备和M个本地模型一一对应，M个本地模型和M个第一信息一一对应，M个本地模型的M个第一信息为在第一时长内接收的信息。接入网设备根据该M个本地模型的M个第一信息更新全局模型，并向K个终端设备发送全局模型的第一信息。该方法通过设置第一时长，可以保证本地信息的更新进度与全局模型的更新进度相匹配，提高接入网设备所得到的全局模型的准确性以及性能。

    SYSTEM ZUM ERMITTELN INNERER BELASTUNGSZUSTÄNDE EINES MECHANISCHEN BAUTEILS
    10.
    发明申请
    SYSTEM ZUM ERMITTELN INNERER BELASTUNGSZUSTÄNDE EINES MECHANISCHEN BAUTEILS 审中-公开

    公开(公告)号：WO2023021022A1

    公开(公告)日：2023-02-23

    申请号：PCT/EP2022/072833

    申请日：2022-08-16

    申请人： RHEINISCH-WESTFÄLISCHE TECHNISCHE HOCHSCHULE (RWTH) AACHEN

    发明人： STOFFEL, Marcus ,  TANDALE, Saurabh Balkrishna

    IPC分类号： G06F30/23 ,  G06F30/27 ,  G06F119/14

    摘要： Die Erfindung betrifft ein System zum Ermitteln innerer Belastungszustände eines mechanischen Bauteils beim Einwirken äußerer Kräfte. Das System weist die folgenden Komponenten auf: - eine Eingabe-Schnittstelle, die ausgebildet ist, Geometriedaten zu empfangen, die das Bauteil repräsentieren, - einen finite Elemente-Präprozessor, der ausgebildet ist, das Bauteil in finite Elemente zu unterteilen, und wenigsten einem Element wenigstens eine Materialeigenschaft und/oder wenigstens eine Randbedingung zuzuweisen, - einen finite Elemente-Gleichungslöser, der ausgebildet ist, eine globale Steifigkeitsmatrix für das Bauteil aufzustellen, die angibt, wie sich die Elemente des Bauteils aufgrund der zugewiesenen Materialeigenschaft und/oder Randbedingung verformen, und in dem Bauteil solche Bereiche zu identifizieren, in denen sich das Bauteil verformt und andere Bereiche zu identifizieren, in denen eine Geometrie des Bauteils trotz Einwirken äußerer Kräfte im Wesentlichen unverändert bleibt, und - einen finite Elemente-Postprozessor, der ausgebildet ist, den inneren Belastungszustand des mechanischen Bauteils beim Einwirken äußerer Kräfte darzustellen. Das System umfasst weiterhin wenigstens ein trainiertes neuronales Netz. Das trainierte neuronale Netz ist trainiert, Steifigkeitskomponenten einer Elementsteifigkeitsmatrix von wenigstens einem finiten Element des Bauteils zu bestimmen, wobei sich das finite Element vorzugsweise in demjenigen Bereich des Bauteils befindet, in dem sich das Bauteil beim Einwirken äußerer Kräfte verformt und somit seine Geometrie ändert. Der finite Elemente-Gleichungslöser ist weiterhin ausgebildet, die von dem trainierten neuronalen Netz für das verformte Element bestimmte Elementsteifigkeitsmatrix zum Aktualisieren der globalen Steifigkeitsmatrix zu verwenden und den inneren Belastungszustand des mechanischen Bauteils beim Einwirken äußerer Kräfte auf Basis der aktualisierten globalen Steifigkeitsmatrix zu bestimmen.