中国AI专利申请量超美国,百度居国内首位

中国在人工智能领域的专利申请量领先全球,百度在自动驾驶、语音识别等多个AI技术领域位居国内第一。报告显示,中国、美国和日本是全球AI专利申请最多的国家。

整理 | 非主流

本文数据来自《人工智能技术专利深度分析报告


随着人工智能成为新一轮科技革命和产业变革的重要驱动力量,AI 成为科技企业研发重点,专利申请量也在逐年提升。


中国专利保护协会近日发布的《人工智能技术专利深度分析报告》显示,人工智能领域的专利申请数量排名前十位的国家/地区依次为中国、美国、日本、韩国、欧洲(指在欧专局直接提出申请)、德国、澳大利亚、中国台湾、加拿大和印度。


数据显示,中国在人工智能领域的专利申请数量高达 76876 件,美国以 67276 件的申请量略低于中国,日本位列第三。

      

640?wx_fmt=jpeg

       专利申请量排名前十的国家/地区


如果只考虑国内的数据,百度以 2368 件的申请量在国内申请人中位列第一,腾讯和阿里分列第四和第十。

                              640?wx_fmt=png

中国主要专利权人申请量


除了申请总量之外,百度在自动驾驶、语音识别、自然语言处理、智能搜索和智能推荐四大 AI 技术领域,也分别以 155、570、693、576 的申请量在国内申请人中位列第一。此外,中国科学院在机器学习和基础算法、以及计算机视觉和图像识别两个 AI 技术领域排名第一。


机器学习和基础算法方向主要申请人


在机器学习和基础算法方向,国内的申请人主要集中在科研院所和大学,中国国科学院、百度和浙江大学位列前三。

       640?wx_fmt=png       机器学习和基础算法方向国内主要申请人


智能搜索和智能推荐方向


在智能搜索和智能推荐方向,专利申请的主力是大型互联网企业及智能终端厂商,百度、微软、三星、腾讯、中国科学院分列前五。

   640?wx_fmt=png       智能搜索和智能推荐方向国内主要申请人


语音识别方向


语音识别方向,百度、微软、三星、中国科学院、科大讯飞位列前前五,剩下的以硬件厂商为主。

        640?wx_fmt=png

语音识别方向国内主要申请人


自然语言处理方向


在自然语言处理方向,百度、中国科学院和微软位列前三。

     640?wx_fmt=png

自然语言处理方向国内主要申请人


自动驾驶方向


在自动驾驶方向,百度是唯一一家上榜的互联网公司,超过福特、丰田等老牌传统车企。

       640?wx_fmt=png

自动驾驶方向国内主要申请人


计算机视觉和图像识别方向


在计算机视觉和图像识别方向,排名靠前的企业申请人中,除百度和腾讯两家互联网公司外,欧珀(OPPO)、小米、三星等都是智能终端厂商。

       640?wx_fmt=png       计算机视觉和图像识别方向国内主要申请人


注:本报告中的数据以中国专利文摘数据库(CNABS)和德温特世界专利索引数据库(DWPI)作为数据来源,使用行业专家和相关技术领域专利审查专家共同给出的人工智能领域的中英文关键词进行检索,在此基础上,使用专利分类号对结果加以限制,最终得到本报告的研究数据。



——【完】——

精彩推荐

BDTC 2018

2018 中国大数据技术大会将于 12 月 6 - 8 日在新云南皇冠假日酒店举行。汇聚超百位国内外实力讲师从学界翘楚到行业一线大拿:

管晓宏:中国科学院院士;

张宏江:源码资本投资合伙人;

张晓东:美国俄亥俄州立大学 Robert M. Critchfield 讲席教授;

陈性元:北京信息科学技术研究院副院长;

周靖人:阿里巴巴集团副总裁;

李浩源:Alluxio 公司创始人&CEO

......

全方位立体解读大数据时代的技术进程,为众技术爱好者奉上一场优质干货盛宴。


640?wx_fmt=jpeg


推荐阅读

人工智能进行时:人类的未来与未来的人类

大咖指路:机器学习人才这些方向最紧缺!

罗永浩冲冠一怒

实战必读! 发现百万级用户公链漏洞,我们靠的是这套方法

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向机模型 支持向机是一种用于监督学习的算法,适用于数据维度高、样本小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值