会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 1. 发明专利
    • КЛАССИФИКАЦИЯ ДОКУМЕНТОВ ПО УРОВНЯМ КОНФИДЕНЦИАЛЬНОСТИ
    • RU2732850C1
    • 2020-09-23
    • RU2019113177
    • 2019-04-29
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • ZYUZIN ANDREJ ANDREEVICHUSKOVA OLESYA VLADIMIROVNA
    • G06F21/60G06F16/35G06F16/93
    • Изобретениеотноситсяк средствамклассификациидокументовнаосновеуровнейконфиденциальности. Техническийрезультатзаключаетсяв повышенииконфиденциальностидокументов. Получаютс помощьювычислительнойсистемыпоменьшеймереодинэлектронныйдокумент, включающийтекстнаестественномязыке. Получаютметаданные, которыеассоциированыс поменьшеймереоднимэлектроннымдокументом. Извлекаютизуказанногопоменьшеймереодногоэлектронногодокументатекстнаестественномязыке. Анализируютпоменьшеймеречастьтекстанаестественномязыкедляполученияпоменьшеймереодногоизеголексических, морфологических, синтаксическихилисемантическихпризнаков. Извлекаютизтекстанаестественномязыкепоменьшеймереодининформационныйобъектилиегоатрибут, представленныйтекстомнаестественномязыке. Вычисляютуровеньконфиденциальностипосредствомприменениянабораклассификационныхправилк извлеченныминформационнымобъектами метаданнымпоменьшеймереодногоэлектронногодокумента. Ассоциируютс поменьшеймереоднимэлектроннымдокументомэлементметаданных, отражающийвычисленныйуровеньконфиденциальности. 3 н. и 17 з.п. ф-лы, 14 ил.
    • 2. 发明专利
    • ОПТИЧЕСКОЕ РАСПОЗНАВАНИЕ СИМВОЛОВ ДОКУМЕНТОВ С НЕКОПЛАНАРНЫМИ ОБЛАСТЯМИ
    • RU2721186C1
    • 2020-05-18
    • RU2019123072
    • 2019-07-22
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • ALEXEY KALYUZHNIY
    • G06V30/224
    • Изобретениеотноситсяк областиоптическогораспознаваниясимволов. Техническийрезультатзаключаетсяв расширенииарсеналасредствтогоженазначения. Способоптическогораспознаванияпоследовательностисимволов, включающийэтапы: получениеобрабатывающимустройствомпервогоизображениядокументас множествомпланарныхобластей, накоторомпоменьшеймередвепланарныеобластимножествапланарныхобластейвзаимнонекопланарны, выполнениеоптическогораспознаваниясимволов (OCR) первогоизображениядляопределенияраспознанноготекстанапервомизображении, получениетекстанаодномилиболеевторыхизображенияхдокумента, определениемножестваопорныхточекнапервоми второмизображениях, определениепараметровпервогои второгокоординатныхпреобразований, определение, используяпараметрыпервогокоординатногопреобразованияи параметрывторогокоординатногопреобразования, кластерапоследовательностейсимволов, содержащегопоследовательностьсимволовраспознанноготекстанапервомизображениии поменьшеймереоднойсоответствующейпоследовательностисимволовнаодномилиболеевторыхизображенияхдокументаи представлениерезультирующеготекстаоптическогораспознаваниясимволов (OCR), содержащегомедианнуюпоследовательностьсимволовдлякластерапоследовательностейсимволов. 3 н. и 17 з.п. ф-лы, 11 ил.
    • 4. 发明专利
    • ИСПОЛЬЗОВАНИЕ АВТОЭНКОДЕРОВ ДЛЯ ОБУЧЕНИЯ КЛАССИФИКАТОРОВ ТЕКСТОВ НА ЕСТЕСТВЕННОМ ЯЗЫКЕ
    • RU2678716C1
    • 2019-01-31
    • RU2017143146
    • 2017-12-11
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • ANISIMOVICH KONSTANTIN VLADIMIROVICHINDENBOM EVGENIJ MIKHAJLOVICHIVASHNEV IVAN IVANOVICH
    • G06F40/20
    • Группаизобретенийотноситсяк вычислительнымсистемами способамобработкиестественногоязыка. Техническийрезультатсостоитв достижениивысокойточностиклассификацииприобученииклассификаторанаобучающихвыборкахотносительнонебольшогообъемапосредствомиспользованиярезультатаскрытогослояавтоэнкодерадлядообученияклассификатора. Длядостижениятехническогорезультатапредложенспособ, которыйвключаетсоздание, спомощьювычислительнойсистемы, множествавекторовпризнаков, обучение, сиспользованиеммножествавекторовпризнаков, автоэнкодера, представленногоискусственнойнейроннойсетью, создание, сиспользованиемавтоэнкодера, результатаскрытогослояи обучение, сиспользованиемобучающейвыборкиданных, классификаторатекста. Такжепредложенасистема, включающаяпамятьи процессор, соединенныйс запоминающимустройством. Ипредложенпостоянныймашиночитаемыйносительданных, включающийисполняемыекоманды, которыеприисполненииихвычислительнымустройствомприводятк выполнениювычислительнымустройствомопераций. 3 н. и 17 з.п. ф-лы, 9 ил.
    • 5. 发明专利
    • ИСПОЛЬЗОВАНИЕ ВЕРИФИЦИРОВАННЫХ ПОЛЬЗОВАТЕЛЕМ ДАННЫХ ДЛЯ ОБУЧЕНИЯ МОДЕЛЕЙ УВЕРЕННОСТИ
    • RU2646380C1
    • 2018-03-02
    • RU2016150631
    • 2016-12-22
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • MATSKEVICH STEPAN EVGENEVICHBELOV ANDREJ ALEKSANDROVICH
    • G06N3/00
    • Изобретениеотноситсяк вычислительнымсистемам. Техническийрезультатнаправленнаповышениеточности, извлекаемойизтекстовнаестественномязыкеинформации. Способизвлеченияинформацииизтекстовнаестественномязыкевключаетвыполнениеобрабатывающимустройствомсемантико-синтаксическогоанализапоменьшеймереоднойчаститекстанаестественномязыкедляполучениямножествасемантическихструктур, интерпретациюс помощьюнаборапродукционныхправил, определениезначенияпоменьшеймереодногоатрибута, ассоциированногос поменьшеймереодниминформационнымобъектомизмножестваинформационныхобъектов, определениестепениуверенности, ассоциированнойсозначениемпоменьшеймереодногоатрибута, приопределениитого, чтостепеньуверенностинижепороговогозначенияуверенности, подтверждениеи/илиизменениезначенияпоменьшеймереодногоатрибута, добавлениек обучающейвыборкеданныхпоменьшеймереоднойчаститекстанаестественномязыке, определениес помощьюобучающейвыборкиданныхпоменьшеймереодногопараметрауказаннойфункцииуверенности. 3 н. и 22 з.п. ф-лы, 16 ил.
    • 7. 发明专利
    • ОБУЧЕНИЕ НЕЙРОННЫХ СЕТЕЙ С ИСПОЛЬЗОВАНИЕМ ФУНКЦИЙ ПОТЕРЬ, ОТРАЖАЮЩИХ ЗАВИСИМОСТИ МЕЖДУ СОСЕДНИМИ ТОКЕНАМИ
    • RU2721190C1
    • 2020-05-18
    • RU2018146352
    • 2018-12-25
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • EUGENE INDENBOMDANIIL ANASTASIEV
    • G06N3/02
    • Изобретениеотноситсяк способами машиночитаемомуносителюданныхдляобучениянейронныхсетей. Техническийрезультатзаключаетсяв повышениикачестваразметкивходныхпоследовательностей, выполняемойнейроннойсетью. Вспособевыполняютопределениепервоготега, связанногос текущимтокеном, обрабатываемымнейроннойсетью, второготега, связанногос предыдущимтокеном, обработаннымнейроннойсетьюпередобработкойтекущеготокена, третьеготега, связанногососледующимтокеном, которыйбудетобработаннейроннойсетьюпослеобработкитекущеготокена; вычислениедляобучающейвыборкиданныхзначенияфункциипотерь, отражающегопервое, второеи третьезначенияпотерь, представленныесоответственнопервойразницеймеждупервымтегоми первойметкой, связаннойс текущимсловомобучающейвыборкиданных, второйразницеймеждувторымтегоми второйметкой, связаннойс предыдущимсловомобучающейвыборкиданных, третьейразницеймеждутретьимтегоми третьейметкой, связаннойс последующимтокеномобучающейвыборкиданных; инастройкуодногоилиболеепараметранейроннойсетив зависимостиотзначенияфункциипотерь. 3 н. и 17 з.п. ф-лы, 5 ил.
    • 8. 发明专利
    • ОБНАРУЖЕНИЕ ТЕКСТОВЫХ ПОЛЕЙ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
    • RU2699687C1
    • 2019-09-09
    • RU2018122092
    • 2018-06-18
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • ZUEV KONSTANTIN ALEKSEEVICHSENKEVICH OLEG EVGENYEVICHGOLUBEV SERGEI VLADIMIROVICH
    • G06F16/35G06F17/27
    • Группаизобретенийотноситсяк областивычислительнойтехникии можетбытьиспользованадляобнаружениятекстовыхполейв электронныхдокументахс использованиемнейронныхсетей. Техническимрезультатомявляетсяповышениеточностиобнаружениятекстовыхполей. Способсодержитэтапы, накоторыхизвлекаютизэлектронногодокументамножествопризнаковслов, гдемножествопризнаковвключаетмножествосимвольныхвекторов, представляющихслова, имеющиесянаизображении; обрабатываютмножествопризнаковсловс использованиемнейроннойсети, включающеймножестваслоевнейроннойсети; обнаруживаютпроцессорнымустройствоммножествотекстовыхполейв электронномдокументеисходяизрезультатаработынейроннойсети, наоснованиипространственнойинформации, указывающейнарасположениеуказанныхтекстовыхполейв электронномдокументе; иприсваиваютпроцессорнымустройствомкаждоеизтекстовыхполейодномуизмножестватиповполейисходяизрезультатаработынейроннойсети, сучетомотнесениянаоснованииуказанныхпризнаковсловкаждогоизсловуказанныхтекстовыхполейк одномуиззаранееопределенныхклассов, гдекаждыйиззаранееопределенныхклассовсоответствуетодномуизтиповтекстовыхполей. 3 н. и 17 з.п. ф-лы, 8 ил.
    • 9. 发明专利
    • РАСПОЗНАВАНИЕ СИМВОЛОВ С ИСПОЛЬЗОВАНИЕМ ИЕРАРХИЧЕСКОЙ КЛАССИФИКАЦИИ
    • RU2693916C1
    • 2019-07-05
    • RU2018112554
    • 2018-04-09
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • ALEKSEY ALEKSEEVICH ZHURAVLEV
    • G06F40/20
    • Изобретенияотносятсяк средствамраспознаваниясимволовс использованиемнейронныхсетей. Техническимрезультатомявляетсяобеспечениеэффективногои точногораспознаваниясимволовдляязыковс большималфавитоми мультиязычныхтекстов. Способсодержит: отнесениевходногоизображенияграфемык первомукластеруграфемизмножествакластеровграфем, гдепервыйкластерграфемсодержитпервоемножествографем, выборобрабатывающимустройствомклассификатораизмножестваклассификатороввторогоуровня, классификатораграфемисходяизпервогокластераграфем, такогочтовыбранныйклассификаторбылобученраспознаватьпервоемножествографем, иобработкувходногоизображенияграфемыс помощьювыбранногоклассификаторадляраспознаванияпоменьшеймереодногосимволанавыходномизображенииграфемы. Системыобеспечиваютработуспособа. 3 н. и 17 з.п. ф-лы, 9 ил.
    • 10. 发明专利
    • СПОСОБЫ И СИСТЕМЫ ОПТИЧЕСКОГО РАСПОЗНАВАНИЯ СИМВОЛОВ СЕРИИ ИЗОБРАЖЕНИЙ
    • RU2673016C1
    • 2018-11-21
    • RU2017144602
    • 2017-12-19
    • OBSHCHESTVO S OGRANICHENNOJ OTVETSTVENNOSTYU ABI PRODAKSHN
    • KALYUZHNYJ ALEKSEJ IVANOVICHLEBEDEV ALEKSEJ EVGENEVICH
    • G06K9/62
    • Изобретениеотноситсяк выполнениюраспознаваниясерииизображений, содержащихтекстовыесимволы. Техническийрезультатзаключаетсяв повышениикачестваоптическогораспознавания. Связываютс использованиемпреобразованиякоординатчаститекста OCR спервымкластеромизмножествакластеровсимвольныхпоследовательностей, гдетекст OCR полученпутемобработкитекущегоизображения, игдепоследовательностисимволовполученыпутемобработкиранееполученныхизображенийизсерииизображений. Выявляютпервуюстроку-медиану, представляющуюпервыйкластерсимвольнойпоследовательности, исходяизпервогоподмножестваизображений. Выявляютпервоеполешаблонаизшаблонадокумента, соответствующегопервомукластеру, исходяизпервойстроки-медианы, представляющейпервыйкластер, иразметкитекстатекущегоизображения. Анализируютпоследовательностьсимволовпервогокластерадлявыявленияподходящихпоследовательностейсимволов, причемподходящиепоследовательностисимволовудовлетворяютпервымпараметрампервогополяшаблона. Выявляютдляпервогокластерастроки-медианывторогоуровня, соответствующиекластерусимвольныхпоследовательностей, исходяизмножестваподходящихсимвольныхпоследовательностей. Получаютс помощьюстроки-медианывторогоуровняитоговоготекста OCR, представляющегокакминимумчастьпервогополяшаблонаисходногодокумента. 3 н. и 17 з.п. ф-лы, 9 ил.