“G06N5/00”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果145个，建议您升级VIP下载更多相关专利

[发明专利]微型机器学习-CN201980081260.7在审
发明人： S·阿格尔沃;V·瓦拉达拉珍;S·伊蒂库拉;N·阿格尔沃 -专利权人：甲骨文国际公司
申请日： 2019-10-17 - 公布日： 2021-07-23 - 主分类号： G06N5/00 文献下载
摘要：描述了用于生成和应用机器学习算法的微型机器学习变体以在调整和选择机器学习算法时节省计算资源的技术。在实施例中，用于参考变体的超参数值中的至少一个超参数值被修改为新的超参数值，从而从机器学习算法的参考变体生成机器学习算法的新变体。基于机器学习算法的新变体的成本度量并将新变体和参考变体的性能得分进行比较，系统确定修改后的参考机器算法是否是计算上成本低于机器学习算法的参考变体但紧密跟随参考变体的准确度的微型机器学习算法。
微型机器学习

[发明专利]一种基于深度强化学习的不平衡分类决策树生成方法-CN202110500508.8在审
发明人：温桂铉;吴开贵 -专利权人：重庆大学
申请日： 2021-05-08 - 公布日： 2021-07-09 - 主分类号： G06N5/00 文献下载
摘要：本发明提供一种基于深度强化学习的不平衡分类决策树生成方法，包括以下步骤：步骤(1)：数据预处理；对数据集D包含特征进行依次编号，同时把数据集归一化到[0，1]区间并且提取每个特征的p分位数；步骤(2)：决策树生成过程的状态空间表示；对决策树中的决策节点以及决策树整体进行向量表示；步骤(3)：决策树生成过程的动作空间表示；把决策树生成过程中节点位置选择、节点操作选择、划分特征选择以及划分阈值选择对应到马尔可夫决策过程中的动作空间；步骤(4)：利用常见的不平衡分类评估指标设计奖励函数；步骤(5)：把决策树生成过程建模成标准的马尔可夫决策过程，并运用已有的深度强化学习算法进行求解最优生成策略和决策树结构。
一种基于深度强化学习不平衡分类决策树生成方法

[发明专利]一种基于差距度的记分函数的模糊多属性决策方法-CN202110431654.X在审
发明人：李昊;刘欢;张建林 -专利权人：哈尔滨理工大学
申请日： 2021-04-21 - 公布日： 2021-07-02 - 主分类号： G06N5/00 文献下载
摘要：本发明公开了一种基于差距度的记分函数的模糊多属性决策方法，该方法针对现有直觉模糊数的记分函数需要二次比较和某些情况下与客观事实不符等缺陷，提出一种基于差距度的记分函数，凭此将直觉模糊数转化为实数；其次，依据偏差最大化原则，并考虑决策者的主观权重期望，构建非线性优化模型，计算属性权重；再次，引入前景理论，将决策者对专家评价系统中专家对各方案的态度的期望作为参考点，构建前景值矩阵，进而构建加权前景值矩阵；然后，引入TOPSIS法思路对各方案进行排序择优，本方法很好的克服了已知记分函数的缺陷和解决了决策者的风险偏好问题，使结果更加合理，为解决多属性决策在某些场景应用，例如商品选择等，提供了更科学有效的方法。
一种基于差距记分函数模糊属性决策方法

[发明专利]训练系统和方法-人工智能分类器-CN201980063891.6在审
发明人：本·琪琪·托玛尔;拉恩·齐尔卡;德里克·卡彭特 -专利权人：幸福公司
申请日： 2019-06-13 - 公布日： 2021-05-18 - 主分类号： G06N5/00 文献下载
摘要：一种计算系统/方法，使用户能够经由训练来改进旨在提高人的身心健康或者旨在用于其他目的的系统。所述系统/方法包括从对话数据库中检索用户响应，所述用户响应已标明具有最高置信度得分的指定类，所述置信度得分表明检索到的用户响应的背景属于所述指定类的置信度，显示所述指定类连同各自具有相应较低置信度得分的其他类，并接收所述指定类的有效性的指示。所述系统/方法进一步包括从所述数据库检索一对顺序用户响应和后续提示，显示用户可选评级，每个评级分别指定所述后续提示的不同质量，接收评级和相关注释的选择，并将所述选择和注释与所述后续提示相关联。
训练系统方法人工智能分类

[发明专利]增强用于优化的混合量子经典算法-CN201980063705.9在审
发明人： A·罗伯特;P·巴尔科特索斯;G·南尼奇尼;I·塔弗恩利;S·沃纳 -专利权人：国际商业机器公司
申请日： 2019-09-24 - 公布日： 2021-05-07 - 主分类号： G06N5/00 文献下载
摘要：一种用于增强用于组合优化的混合经典算法的方法包括在量子处理器上执行变分算法，该执行在预定义时间段内产生变分算法的解的集合(解空间)的子集，变分算法计算对应于组合优化问题的量子系统的量子状态，该子集中的每个解具有对应的值；根据排序准则对解的子集进行排序；基于排序来隔离解的子集的一部分，其中对应于该部分中的每个解的值在由阈值界定的边界内；从解的子集的该部分计算解的平均值；以及更改该变分算法以产生解的第二子集，使得解的第二子集包括具有该边界内的值的解。
增强用于优化混合量子经典算法

[发明专利]人工智能设备的控制方法、控制装置和人工智能设备-CN202011358523.5在审
发明人：高明昕 -专利权人：高明昕
申请日： 2020-11-27 - 公布日： 2021-03-16 - 主分类号： G06N5/00 文献下载
摘要：本发明实施例公开了人工智能设备的控制方法、控制装置和人工智能设备，该控制方法包括：获取目标交互数据；依次在依次在基因记忆库、思考型记忆库、长期记忆库和短期记忆库中针对交互的问题搜索对应的答案，并针对在不同记忆库中的答案进行相应的反馈。本发明的人工智能技术可以高度模拟人的思维方式，人工智能程度高。
人工智能设备控制方法装置

[发明专利]确定执行设备的动作选择方针-CN201980040669.4在审
发明人：李辉;胡开亮;宋乐 -专利权人：创新先进技术有限公司
申请日： 2019-05-15 - 公布日： 2021-01-29 - 主分类号： G06N5/00 文献下载
摘要：本文公开了用于为软件实现应用生成动作选择方针的方法、系统和装置，该软件实现应用在包括受该应用支持的执行设备以及一个或多个其他设备的环境中执行动作。一种方法包括：对于当前迭代中执行设备在一种状态下的可能动作中的每个动作，获得前一次迭代中执行设备在该状态下的该动作的遗憾值；以及计算前一次迭代中执行设备在该状态下的该动作的参数化遗憾值；针对前一次迭代中可能动作中的每个动作，确定对应归一化遗憾值；根据归一化遗憾值，确定执行设备在该状态下的动作的动作选择方针；以及根据该动作选择方针控制执行设备的操作。
确定执行设备动作选择方针

[发明专利]通过细化模型输出来训练人工智能-CN201980033820.1在审
发明人： V·米塔尔;杜亮;R·纳拉亚南;R·亚伯拉罕 -专利权人：微软技术许可有限责任公司
申请日： 2019-05-07 - 公布日： 2021-01-01 - 主分类号： G06N5/00 文献下载
摘要：人工智能的改进训练。通过将输入数据集应用于人工智能(AI)来获取原始输出数据。这样的原始输出数据有时难以解释。本文中定义的原理提供了一种系统性方法以细化针对各种AI模型的输出。AI模型集合表征结构被用于细化AI模型输出的目的，以便更加有用。对于多个并且也许是大量AI模型中的每个AI模型，表征结构表示由于AI模型向输入数据的应用而产生的输出数据的细化。在从AI模型获取输出数据之后，可以应用适当的细化。然后，可以对经细化的数据进行语义索引以提供语义索引。表征结构还可以提供定制信息以允许对照语义索引进行直观查询。
通过细化模型输出训练人工智能

[发明专利]通过DNA计算进行机器学习（ML）建模-CN201980033644.1在审
发明人： G.F.迪亚曼蒂;A.鲍格曼;M.马佐拉蒂 -专利权人：国际商业机器公司
申请日： 2019-05-24 - 公布日： 2020-12-25 - 主分类号： G06N5/00 文献下载
摘要：介绍了方法、计算机程序产品和系统。所述方法包括例如：识别训练数据集合并为初始β值定义一个窗口，该窗口表示在对来自训练数据集合的每个特征向量形成条件的期望中可以容忍的偏差。通过使用DNA计算机并行调整条件期望值。在候选模型的众多组合中，产生了最合适的集成作为机器学习模型，用于基于除训练数据集合以外的输入来预测目标结果。
通过 dna 计算进行机器学习 ml 建模

[发明专利]一种基于动态规划的模糊集自动划分方法-CN202010638635.X在审
发明人：母亚双;孙丽君;郭红月;王利东;刘晓东 -专利权人：河南工业大学
申请日： 2020-07-06 - 公布日： 2020-10-23 - 主分类号： G06N5/00 文献下载
摘要：本发明涉及一种基于动态规划的模糊集自动划分方法，属于模糊理论系统、知识发现技术领域。本发明根据动态规划理论，针对传统样本数据模糊化方法需要预先指定模糊集划分个数的问题，设计一个优化目标函数，首先对每个属性的属性值数据从大到小进行排序，然后根据提出的动态规划算法对排好序的数据进行样本区间的自动划分，最后计算每个区间所涵盖属性值数据的均值，并将所有的均值作为参数对该属性上的模糊集进行构建。本发明对样本数据的模糊化问题进行研究，实现了每个属性上模糊集自动构建的同时又使得所构建的模糊集具备较好的表征效果。
一种基于动态规划模糊自动划分方法

[发明专利]机器学习模型的生成方法和装置-CN202010649102.1在审
发明人：陈海波 -专利权人：深延科技（北京）有限公司
申请日： 2020-07-08 - 公布日： 2020-10-09 - 主分类号： G06N5/00 文献下载
摘要：本发明提供一种机器学习模型的生成方法和装置，所述方法包括以下步骤：获取初始数据集，并对初始数据集进行自动化特征工程处理、自动特征选择和分批次的自适应采样，以得到训练集和验证集；构建GBDT模型；利用验证集调整GBDT模型的参数；通过训练集对调参后的GBDT模型进行训练，以得到第一结果模型；通过深度学习模型对训练集中的数据进行嵌入处理；通过嵌入处理后的训练集对调参后的GBDT模型进行训练，以得到第二结果模型；对第一结果模型和第二结果模型进行融合，以得到目标模型。本发明能够方便地在保证数据有效性的前提下减小数据量，提高后续模型训练的速度，并能够缓解数据类别不平衡问题，而且所生成的机器学习模型性能较高，实用性较强。
机器学习模型生成方法装置

[发明专利]基于过程参数的衬底标记方法-CN201980011358.5在审
发明人： V·巴斯塔尼;A·伊普玛;D·松塔格;E·C·摩斯;H·E·采克利;林晨希 -专利权人： ASML荷兰有限公司
申请日： 2019-01-22 - 公布日： 2020-09-15 - 主分类号： G06N5/00 文献下载
摘要：在过程步骤之前，基于与衬底相关联的预处理数据(404)来对待处理衬底(402)进行分割。使用分割规则(410、412、414)来对数据进行分割，并且根据通过分割而获得的数据的子集将衬底分割为子集(G1‑G4)。应用了针对每个子集特定的校正(COR1‑COR4)。使用对衬底的训练集(502)的决策树分析来获得分割规则(图5)。所述决策树分析使用在处理前与所述训练衬底相关联的预处理数据(256、260)，以及在经受所述过程步骤之后与训练衬底相关联的后处理数据(262)。基于后处理数据的子集的特性，从多个分割规则(512)中选择出限定所述决策树的分割规则(506)。同时隐含地获得相关联的校正(508)。
基于过程参数衬底标记方法

[发明专利]一种基于决策树的主网线路状态检测方法、系统及介质-CN202010435922.0在审
发明人：李恺;谭海波;王海元;解玉满;黄红桥;卜文彬;谈丛;彭潇;郭光;刘谋海;陈浩 -专利权人：国网湖南省电力有限公司;国网湖南省电力有限公司供电服务中心（计量中心）;国家电网有限公司
申请日： 2020-05-21 - 公布日： 2020-09-01 - 主分类号： G06N5/00 文献下载
摘要：本发明公开了一种基于决策树的主网线路状态检测方法、系统及介质，本发明的方法包括获取被测主网线路的N种输入数据，包括主网线路的线损率、关口计量表计走字、电流、电压、功率因数；将N种输入数据输入预先训练好的决策树分类模型得到对应的主网线路状态，主网线路状态包括正常、线损异常、负荷过低三类状态；本发明的系统及介质与本发明的方法完全对应。本发明能够自动、实时监控并准确识别主网线路状态，可用于主网线路线损异常、负荷过低的状态预警，能有效减少人工监控分析的工作，能够大大提高线损分析水平和线路管理工作效率，具有效率高、部署方便、投入成本低的优点。
一种基于决策树网线状态检测方法系统介质

[发明专利]一种基于知识库的飞行器测试数据自动判读方法-CN201710110812.5有效
发明人：薛凯;杨飞;吴晓蕊;王保录;初立民;李亮;刘海东;赵媛心;尹琼;皮彬睿 -专利权人：北京临近空间飞行器系统工程研究所;中国运载火箭技术研究院
申请日： 2017-02-28 - 公布日： 2020-07-14 - 主分类号： G06N5/00 文献下载
摘要：本发明公开了一种基于知识库的飞行器测试数据自动判读方法，包括：导入待测设备输出的测试源码数据；对所述测试源码数据进行解析和预处理，得到待判读测试数据；从知识库中选取与所述待判读测试数据相匹配的判据，对所述待判读测试数据进行自动判读，得到判读结果并输出。本发明所述基于知识库的飞行器测试数据自动判读方法缩短了判读时间，提高了判读效率和判读准确性。
一种基于知识库飞行器测试数据自动判读方法

[发明专利]基于德尔菲法的群体一致性分析方法-CN201910467385.5在审
发明人：熊才权;沈力;林松;邓娜;閤大海 -专利权人：湖北工业大学
申请日： 2019-05-31 - 公布日： 2019-11-01 - 主分类号： G06N5/00 文献下载
摘要：本发明公开一种基于德尔菲法的群体一致性分析方法，针对于现今决策算法大多是对个体信息的聚集和信息融合上做了大量工作，但都没有对专家意见的一致性程度进行定义，只在意于对专家的偏好信息进行融合得出方案集的排序，导致最终得到的结果集无法确定是否为最佳结果集，该方法启用一种基于Delphi法的多准则群决策方法，该方法在多准则群决策方法的基础上引入了Delphi法的匿名机制和反馈机制，目的是为了避免个别专家控制群体意识，使专家的意见达到一定的收敛程度。本方法在基于反馈机制促进意见趋于一致的同时，最大程度的保留了初始意见，也避免了进入无休止的评价环节，使得最终的决策结果具有良好的收敛性。
群体一致性反馈机制结果集一致性程度个体信息决策结果决策算法偏好信息信息融合专家控制专家意见收敛性休止排序收敛决策分析融合引入保留群体环节