“张传尧”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果3个，建议您升级VIP下载更多相关专利

[发明专利]图像处理模型训练方法、系统、计算机设备及存储介质-CN202210702620.4有效
发明人：司世景;王健宗;张传尧 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-21 - 公布日： 2022-09-02 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及人工智能技术领域，揭露了一种图像处理模型训练方法、系统、计算机设备及存储介质，该方法通过基于服务模型参数构建初始本地模型；采用孪生网络模型对样本图像进行特征提取得到第一损失值；孪生网络模型基于初始本地模型构建；获取全局图像特征，通过初始本地模型对样本图像进行特征提取得到本地图像特征；根据全局图像特征以及本地图像特征确定第二损失值；根据第一损失值以及第二损失值对初始本地模型进行更新，得到更新本地模型；更新本地模型关联更新模型参数；将更新模型参数发送至服务器中，以令服务器根据更新模型参数对服务全局模型进行更新，得到图像处理模型。本发明提高了图像处理模型训练效率以及准确率。
图像处理模型训练方法系统计算机设备存储介质

[发明专利]基于自监督的联邦学习方法、装置、设备及存储介质-CN202210705207.3在审
发明人：司世景;王健宗;张传尧 -专利权人：平安科技（深圳）有限公司
申请日： 2022-06-21 - 公布日： 2022-07-26 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例提供了一种基于自监督的联邦学习方法、装置、设备及存储介质，属于人工智能技术领域。该方法包括：获取本地数据样本、公共数据样本、全局模型参数和全局样本表征；对本地目标网络模型进行更新；将公共数据样本输入本地在线网络模型，得到本地样本表征；根据本地样本表征和全局样本表征，确定第一模型损失值，进而确定总模型损失值；根据总模型损失值对本地在线网络模型进行更新，进而更新本地目标网络模型的目标模型参数；将目标模型参数和本地样本表征发送至服务器，以使服务器更新全局模型参数和全局样本表征。本申请实施例能够避免客户端的本地在线网络模型和本地目标网络模型在更新过程中存在漂移，从而提高模型性能。
基于监督联邦学习方法装置设备存储介质

[发明专利]词向量的生成方法、装置、计算机设备及存储介质-CN202210359944.2在审
发明人：司世景;王健宗;张传尧 -专利权人：平安科技（深圳）有限公司
申请日： 2022-04-07 - 公布日： 2022-07-08 - 主分类号： G06F40/284 文献下载
摘要：本发明涉及人工智能技术，提供一种词向量的生成方法、装置、计算机设备及存储介质，利用预设的模型对语料库中的词语进行训练，得到语料库中词语的初始化向量，通过预设的排序模型对基于词语的初始化向量生成的待构建词向量词语的候选词进行排序处理，得到所述待构建词向量词语的正相关集合和负相关集合，对候选词进行排序处理，减少了对词语的标注数量，提高了模型的训练效率，通过预设的排序模型得到的正相关集合和负相关集合样本，提高了样本的质量，将高质量样本送入对比学习模型中进行训练，提高了待构建词向量词语词向量的生成质量。
向量生成方法装置计算机设备存储介质