中國專利的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列股價、配息、目標價等股票新聞資訊

國際專利分析與布局(二版)

為了解決中國專利的問題，作者劉國讚 這樣論述：

　　這是一本介紹國際專利申請與布局、國際專利資料檢索與分析的書籍。本書從我國、美國、日本、歐洲、中國、PCT等專利系統的申請與審查程序、專利公報之形成與解讀，到各國專利資料之檢索方法、分析技巧，以超過20個實務專利分析與布局個案，呈現專利管理圖表之製作，為企業管理者做成經營決策、研發人員研擬研發計畫之重要工具。

中國專利進入發燒排行的影片

月桃脫殼機之研發

為了解決中國專利的問題，作者李元瀚 這樣論述：

月桃脫殼機係與嘉義月桃故事館進行產學合作所委託開發之機種，月桃故事館為台灣唯一以月桃為主題之觀光工廠，其開發及推廣之相關產品係由月桃植株各部位所製成，其中部分產品則應用月桃種籽搭配二氧化碳超臨界流體所萃取出的原料。傳統月桃收成日曬後，使用人工去殼脫殼，且月桃種子顆粒小，去殼費時費工，因此，本研究在於開發一台月桃脫殼機，主要機構係由進料斗、進料輪、脫殼滾筒及篩板機構、搖動篩網機構、兩只驅動馬達(進料分散輪馬達及脫殼滾筒馬達)、啟動及停止開關及其支撐機架所組成，試驗時選定進料輪轉速、脫殼滾筒轉速及脫殼間距作為主要的試驗因子，對脫殼率及損傷率進行探討其影響性，經試驗及直交實驗之統計與分析顯示出，當

進料轉速為8 rpm、脫殼滾筒轉速150 rpm 及脫殼間距5mm時，有較佳脫殼率 96.4%，損傷率為4.68%；而當進料輪轉速為12 rpm、脫殼滾筒轉速120 rpm 及脫殼間距為10mm時，有較低之損傷率為3.91%，脫殼率為94.51%，此機目前已加入月桃故事館附設工廠之生產線應用。

創新工廠講AI課：從知識到實踐

為了解決中國專利的問題，作者創新工廠DEECAMP組委會 這樣論述：

創新工廠於2017年發起了面向高校在校生的DeeCamp人工智慧訓練營（簡稱DeeCamp訓練營），訓練營內容涵蓋學術界與產業界領軍人物帶來的全新AI知識體系和來自產業界的真實實踐課題，旨在提升高校AI人才在行業應用中的實踐能力，以及推進產學研深度結合。   本書以近兩年DeeCamp訓練營培訓內容為基礎，精選部分導師的授課課程及有代表性的學員參賽專案，以文字形式再現訓練營“知識課程+產業實戰”的教學模式和內容。全書共分為9章，第1章、第2章分別介紹AI賦能時代的創業、AI的產品化和工程化挑戰；第3章至第8章聚焦於AI理論與產業實踐的結合，內容涵蓋機器學習、自然語言處理、電腦視覺、深度學習模型

的壓縮與加速等；第9章介紹了 4 個優秀實踐課題，涉及自然語言處理和電腦視覺兩個方向。   本書適合AI相關專業的高校在校生及AI行業的工程師使用，可作為他們瞭解AI產業和開拓視野的讀物。 ★李開復★ 李開復博士于2009年創立創新工廠，擔任董事長兼首席執行官，專注于科技創新型的投資理念與最前沿的技術趨勢。十多年來創新工廠已經投資逾400個創業項目，管理總額約160億人民幣的雙幣基金。2016年秋季創辦創新工廠人工智慧工程院，致力於利用最前沿的AI技術為企業提供人工智慧產品與解決方案。   在此之前，李開復博士曾是谷歌中國全球副總裁兼大中華區總裁，擔任微軟全球副總裁期間開創

了微軟亞洲研究院，並曾服務於蘋果、SGI等知名科技企業。   李開復在美國哥倫比亞大學取得電腦科學學士學位，以最高榮譽畢業於卡耐基梅隆大學獲得博士學位。同時，李開復獲得香港城市大學、卡耐基梅隆大學榮譽博士學位。李開復獲選為美國電機電子工程師學會（IEEE）的院士，並被《時代》雜誌評選為2013影響全球100位年度人物之一，《Wired 連線》本世紀推動科技全球25位標杆人物，2018亞洲商界領袖獎等殊榮，並出任世界經濟論壇第四次工業革命中心的AI委員會聯席主席。李開復博士發明過十項美國專利，發表逾百篇專業期刊或會議論文，並出版過十本中文暢銷書。   ★王詠剛★ 王詠剛，現任創新工廠CTO人工智

慧工程院執行院長，加入創新工廠前擔任谷歌主任工程師和高級技術經理超過十年，在穀歌參與或負責研發的專案包括桌面搜索、穀歌拼音輸入法、產品搜索、知識圖譜、穀歌首頁塗鴉（Doodles）等，在知識圖譜、分散式系統、自然語言處理、HTML5動畫和遊戲引擎等領域擁有豐富的工程研發經驗。目前專注於人工智慧前沿科技的工程化與商業化，以及人工智慧高端人才的培養，作為聯合創始人，創立了人工智慧商業化公司創新奇智，同時也是人工智慧高端應用型人才培養專案DeeCamp的發起者。   ★張潼★ 張潼博士，機器學習領域國際著名專家，擁有美國康奈爾大學數學和電腦雙學士學位，以及斯坦福大學電腦碩士和博士學位，在香港科技大學

數學系和電腦系任教。曾經擔任美國新澤西州立大學終身教授，IBM研究院研究員和雅虎研究院主任科學家，百度研究院副院長和大資料實驗室負責人，騰訊AI Lab主任。他曾參加美國國家科學院大資料專家委員會，負責過多個美國國家科學基金資助的大資料研究專案，此外還是美國統計學會和國際數理統計學會fellow，並擔任NIPS、ICML、COLT等國際頂級機器學習會議主席或領域主席，以及PAMI, JMLR, 和Machine Learning Journal等國際一流人工智慧期刊編委。   ★宋彥★ 宋彥博士，香港中文大學（深圳） 資料科學學院副教授，創新工廠大灣區研究院首席科學家。歷任微軟、騰訊研究員及首

席研究員，創新工廠大灣區研究院執行院長等職，是 “微軟小冰”項目的創始團隊成員之一，其研究方向包括自然語言處理、資訊檢索和抽取、文本表徵學習等。   ★屠可偉★ 屠可偉博士，上海科技大學信息科學與技術學院長聘副教授、研究員、博士生導師。研究方向包括自然語言處理、機器學習、知識表示、電腦視覺等人工智慧領域，側重於研究語言結構的表示、學習與應用。   ★張發恩★ 張發恩，創新奇智聯合創始人，創新奇智公司CTO， 寧波諾丁漢大學客座教授。2008年畢業於中國科學院軟體研究所，同年加入微軟，負責Office相關軟體產品的研發工作；2010年，入職Google，作為核心研發人員，主導和參與Google搜

尋引擎、Google知識圖譜等相關工作；2015年，加入百度，作為百度雲早期創始團隊成員之一，曾任百度雲計算事業部技術委員會主席，百度雲計算事業部大資料和人工智慧主任架構師。他在IT行業擁有十幾年技術研發和管理經驗，涉及企業級軟體、室內地圖定位與導航、互聯網搜尋引擎、全領域知識圖譜、大資料計算與存儲、機器學習、深度學習、機器視覺等眾多領域。工作期間獲得10餘項美國專利，70余項中國專利，發表過多篇頂級會議學術論文。   ★唐劍★ 唐劍博士，滴滴智慧控制首席科學家，AI Labs 負責人兼演算法委員會主席，IEEE Fellow和ACM傑出科學家，領導滴滴在智慧物聯網、電腦視覺和自動駕駛方向上的

研發。   他在國際頂級期刊和會議上發表了160多篇學術論文，擁有多項發明專利，在邊緣智慧、AI驅動的系統控制和群智感知方向上做出開創性貢獻，並多次獲得最佳論文獎, 其中包括通信網路領域的最高論文獎2019 年度IEEE 通信學會William R. Bennett Prize和IEEE車載技術學會2016年度最佳車載電子論文獎。   目前還擔任中國電子學會物聯網專委會專家委員、新一代人工智慧產業技術創新戰略聯盟專家委員會委員、IEEE車載技術學會傑出演講人、以及IEEE通信學會交換和路由技術委員會主席。   ★張彌★ 張彌博士，現任密歇根州立大學副教授，2006年畢業於北京大學，2013年獲

得美國南加州大學博士學位，2013-2014年在美國康奈爾大學任博士後。主要研究領域包括終端深度學習、自動機器學習、聯邦學習和機器學習系統。本人及其研究團隊在2019年Google MicroNet Challenge 全球競賽中獲得CIFAR-100賽道第四名 (北美第一名)，在 2017年NSF Hearables Challenge全球競賽中獲得第三名，在2016年NIH Pill Image Recognition Challenge全球競賽中獲得冠軍。   ★吳佳洪★ 吳佳洪，創新奇智高級研究員，2017年畢業於北京大學。曾帶隊獲得Pascal Voc 世界冠軍、Cityscapes

實例分割冠軍、ADE20K物體分割冠軍等；曾負責創新奇智無人貨櫃專案的演算法工作，專注於電腦視覺領域，發表過多篇CVPR論文。   ★劉寧★ 劉甯博士，滴滴資深研究員，畢業于美國東北大學電腦工程系。研究領域包括深度增強學習、深度模型壓縮與加速、邊緣計算等。在國際頂級期刊和會議AAAI, MICRO, ASPLOS，ISCA等發表學術論文20餘篇，發表多項發明專利。   第1章 AI賦能時代的創業 1.1　中國AI如何彎道超車 1.2 AI從“發明期”進入“應用期” 1.2.1 深度學習助推AI進入“應用期” 1.2.2 To B創業迎來黃金髮展期 1.2.3 “傳統產業+AI”將創造巨大

價值 1.2.4 AI賦能傳統行業四部曲 1.3 AI賦能時代的創業特點 1.3.1 海外科技巨頭成功因素解析 1.3.2 科學家創業的優勢和短板 1.3.3 四因素降低AI產品化、商業化門檻 1.4 給未來AI人才的建議 第2章 AI的產品化和工程化挑戰 2.1 從AI科研到AI商業化 2.2 產品經理視角—資料驅動的產品研發 2.2.1 資料驅動 2.2.2 典型C端產品的設計和管理 2.2.3 典型B端產品解決方案的設計和管理 2.2.4 AI技術的產品化 2.3 架構設計師視角—典型AI架構 2.3.1 為什麼要重視系統架構 2.3.2 與AI相關的典型系統架構 2.4 寫在本章最後

的幾句話 本章參考文獻 第3章 機器學習的發展現狀及前沿進展 3.1 機器學習的發展現狀 3.2 機器學習的前沿進展 3.2.1 複雜模型 3.2.2 表示學習 3.2.3 自動機器學習 第4章 自然語言理解概述及主流任務 4.1 自然語言理解概述 4.2 NLP主流任務 4.2.1 中文分詞 4.2.2 指代消解 4.2.3 文本分類 4.2.4 關鍵字（短語）的抽取與生成 4.2.5 文本摘要 4.2.6 情感分析 本章參考文獻 第5章 機器學習在NLP領域的應用及產業實踐 5.1 自然語言句法分析 5.1.1 自然語言句法分析的含義與背景 5.1.2 研究句法分析的幾個要素 5.1

.3 句法分析模型舉例 5.2 深度學習在句法分析模型參數估計中的應用 5.2.1 符號嵌入 5.2.2 上下文符號嵌入 本章參考文獻 第6章 電腦視覺前沿進展及實踐 6.1 電腦視覺概念 6.2 電腦視覺認知過程 6.2.1 從低層次到高層次的理解 6.2.2 基本任務及主流任務 6.3 電腦視覺技術的前沿進展 6.3.1 圖像分類任務 6.3.2 目標檢測任務 6.3.3 圖像分割任務 6.3.4 主流任務的前沿進展 6.4 基於機器學習的電腦視覺實踐 6.4.1 目標檢測比賽 6.4.2 蛋筒質檢 6.4.3 智能貨櫃 本章參考文獻 第7章 深度學習模型壓縮與加速的技術發展與應用 7

.1 深度學習的應用領域及面臨的挑戰 7.1.1 深度學習的應用領域 7.1.2 深度學習面臨的挑戰 7.2 深度學習模型的壓縮和加速方法 7.2.1 主流壓縮和加速方法概述 7.2.2 權重剪枝 7.2.3 權重量化 7.2.4 知識蒸餾 7.2.5 權重量化與權重剪枝結合並泛化 7.3 模型壓縮與加速的應用場景 7.3.1 駕駛員安全檢測系統 7.3.2 高級駕駛輔助系統 7.3.3 車路協同系統 本章參考文獻 第8章 終端深度學習基礎、挑戰和工程實踐 8.1 終端深度學習的技術成就及面臨的核心問題 8.1.1 終端深度學習的技術成就 8.1.2 終端深度學習面臨的核心問題 8.2 在冗

餘條件下減少資源需求的方法 8.3 在非冗餘條件下減少資源需求的方法 8.3.1 特殊化模型 8.3.2 動態模型 8.4 深度學習系統的設計 8.4.1 實際應用場景中的挑戰 8.4.2 實際應用場景中的問題解決 8.4.3 案例分析 本章參考文獻 第9章 DeeCamp訓練營最佳商業項目實戰 9.1 方仔照相館—AI輔助單張圖像生成積木方頭仔 9.1.1 讓“AI方頭仔”觸手可及 9.1.2 理論支撐：BiSeNet和Mask R-CNN 9.1.3 任務分解：從圖像分析到積木生成的實現 9.1.4 團隊協作與時間安排 9.2 AI科幻世界—基於預訓練語言模型的科幻小說生成系統 9.2.

1 打造人機協作的科幻小說作家 9.2.2 理論支撐：語言模型、Transformer模型和GPT2預訓練模型 9.2.3 從“找小說”到“寫小說”的實現步驟 9.2.4 團隊協作與時間安排 9.3 寵物健康識別—基於圖像表徵學習的寵物肥胖度線上檢測系統 9.3.1 人人都能做“養寵達人” 9.3.2 理論支撐：表徵學習、人臉識別原理和ArcFace損失函數 9.3.3 任務分解：從資料收集到肥胖度檢測 9.3.4 團隊協作與時間安排 9.4 商品文案生成—基於檢索和生成的智慧文案系統 9.4.1 智慧內容生成 9.4.2 理論支撐：Word2Vec詞嵌入、預訓練語言模型BERT和Seq2Se

q文本生成 9.4.3 任務分解：“尋章摘句”和“文不加點” 9.4.4 團隊協作與時間安排 本章參考文獻

中共智能化能力軍事應用之研究

為了解決中國專利的問題，作者李信宏 這樣論述：

過去人工智能共經歷三次發展浪潮，前兩次因技術瓶頸及無法普及的狀況下因而被雪藏，直到第三次在大數據、網際網路及各項科技的發展下，使人工智能成為現今各國發展的重要戰略項目之一。本研究主藉由人工智能發展情形，探討智能化在軍事應用及戰爭層面上的定位，並聚焦現今人工智能在中共軍事戰略及應用上的發展成因及運用情形。自波灣戰爭後，中共發現解放軍與美軍之間軍事與科技實力的巨大落差，因此中共一直試圖藉發展高科技裝備及殺手鐧武器「彎道超車」美國軍事實力，並在習近平時期的軍事改革及國內人工智能快速發展下，逐漸成為美國主要的競爭對象。因此本研究透過波灣戰爭後中共各領導人在高科技、信息化及智能化戰略的要求下，瞭解中共

各時期軍事方針的發展重點，最後並藉由探討中共如何經由人才培育及軍民融合的發展情形，發掘中共軍事智能化實際應用情形。