AI
思普艾斯申请AI驱动的实时网络优化算法专利,提高回归模型求解速度
hqy 发表于2025-06-10 浏览5 评论0
本文源自:金融界
金融界2025年6月10日消息,国家知识产权局信息显示,北京思普艾斯科技有限公司申请一项名为“AI驱动的实时网络优化算法”的专利,公开号CN120128494A,申请日期为2025年03月。
AI
长江电力等申请基于多策略改进金豺优化算法的风光氢储系统容量配置优化方法专利,提升系统经济性和稳定性
hqy 发表于2025-06-10 浏览6 评论0
本文源自:金融界
金融界2025年6月10日消息,国家知识产权局信息显示,中国长江电力股份有限公司;中国长江三峡集团有限公司申请一项名为“基于多策略改进金豺优化算法的风光氢储系统容量配置优化方法”的专利,公开号CN120127750A,申请日期为2025年03月。
AI
联通申请通感一体感知算法自更新方法相关专利,提高模型算法优化与更新效率
hqy 发表于2025-06-10 浏览7 评论0
本文源自:金融界
金融界2025年6月10日消息,国家知识产权局信息显示,中国联合网络通信集团有限公司;联通数字科技有限公司申请一项名为“通感一体感知算法的自更新方法、装置及设备”的专利,公开号CN120128947A,申请日期为2025年03月。
AI
内蒙古电力申请旋转潮流控制器和能量路由器双层规划模型混合优化算法专利,实现有效改善配电网电压时空分布
hqy 发表于2025-06-10 浏览7 评论0
金融界2025年6月2日消息,国家知识产权局信息显示,内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司、内蒙古电力(集团)有限责任公司鄂尔多斯供电分公司、内蒙古电力(集团)有限责任公司、华北电力大学(保定)申请一项名为“一种旋转潮流控制器和能量路由器双层规划模型的混合优化算法”的专利,公开号CN120069146A,申请日期为2024年10月。
AI
芯劢微电子取得损失函数综合计算方法相关专利
hqy 发表于2025-06-10 浏览6 评论0
本文源自:金融界
金融界2025年6月10日消息,国家知识产权局信息显示,浙江芯劢微电子股份有限公司取得一项名为“损失函数综合计算方法、装置及设备”的专利,授权公告号CN119762788B,申请日期为2025年03月。
AI
让回归模型不再被异常值"带跑偏",MSE和Cauchy损失函数的对比
hqy 发表于2025-06-10 浏览12 评论0
#认证作者激励计划#
在机器学习的回归分析中,损失函数的选择对模型性能具有决定性影响。均方误差(MSE)作为经典的损失函数,在处理干净数据时表现优异,但在面对包含异常值的噪声数据时,其对大误差的二次惩罚机制往往导致模型参数估计产生显著偏差。本文通过实证研究,系统比较了MSE损失函数和Cauchy损失函数在线性回归中的表现,重点分析了两种损失函数在噪声数据环境下的差异。研究结果表明,Cauchy损失函数通过其对数惩罚机制有效降低了异常值的影响,在处理含噪声数据时展现出更强的稳定性。
AI
深圳鸿芯微纳申请一种电子自动化设计文件库的信息查找方法专利,提高信息查找的准确性以及效率
hqy 发表于2025-06-10 浏览8 评论0
金融界 2024 年 11 月 30 日消息,国家知识产权局信息显示,深圳鸿芯微纳技术有限公司申请一项名为“一种电子自动化设计文件库的信息查找方法、装置、设备及介质”的专利,公开号 CN 119046233 A,申请日期为 2024 年 10 月。
AI
汇萃智能申请基于过滤剪枝的化纤丝饼外观缺陷检测网络压缩方法专利,采用剪枝技术在保证检测精度的同时实现网络轻量化陨石为啥总掉荒郊野外?是有啥在保护人类吗?地理老师说出大实话
hqy 发表于2025-06-10 浏览8 评论0
金融界 2024 年 9 月 7 日消息,天眼查知识产权信息显示,杭州汇萃智能科技有限公司申请一项名为“基于过滤剪枝的化纤丝饼外观缺陷检测网络压缩方法“,公开号 CN202410143211.4,申请日期为 2024 年 2 月。

AI
神经网络中Dropout的作用,你了解吗
hqy 发表于2025-06-10 浏览8 评论0
Dropout是一种常用的正则化方法,用于减少神经网络的过拟合现象。它的基本思想是在训练神经网络的过程中,随机地将一部分神经元的输出值置为0,从而使得神经网络的结构变得不稳定,从而强制网络学习到更加加鲁棒的特征表示。

AI
Dropout:神经网络中的随机失活技术,防止过拟合的利器刘备失败的原因是不是因为诸葛亮“隆中对”的失误?
hqy 发表于2025-06-10 浏览9 评论0
Dropout是一种常用的正则化方法,用于减少神经网络的过拟合现象。它的基本思想是在训练神经网络的过程中,随机地将一部分神经元的输出值置为0,从而使得神经网络的结构变得不稳定,从而强制网络学习到更加鲁棒的特征表示。