“黄俊洲”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75个，建议您升级VIP下载更多相关专利

[发明专利]模型训练、抗体改造和结合位点预测的方法与装置-CN202110594661.1有效
发明人：蒋彪彬;许振雷;刘伟;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-05-28 - 公布日： 2023-10-27 - 主分类号： G16B20/30 文献下载
摘要：本申请实施例提供一种模型训练、抗体改造和结合位点预测的方法与装置，训练方法包括：使用N条第一抗体序列，对预测模型进行预训练，得到预训练后的预测模型，其中第一抗体序列中未标注出所述第一抗体序列与抗原的结合位点，预训练后的预测模型用于预测抗体序列中被掩盖的氨基酸的预测值。由于未标注的第一抗体系列的数量较多，使用大量的第一抗体序列对预测模型进行预训练，可以使该预测模型得到充分的训练，进而提高了预测模型的训练准确性。另外，在预测模型的预训练过程中，对第一抗体序列的可变区进行着重学习，以进一步提高预测模型的训练准确度，使用该预测模型进行抗体相关预测工作时，其预测成本低，且预测效率高。
模型训练抗体改造结合预测方法装置

[发明专利]基于混合精度的深度学习模型训练方法、装置及系统-CN201910313866.0有效
发明人：裴建国;侯金龙;刘伟;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-04-18 - 公布日： 2023-10-20 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于混合精度的深度学习模型训练方法、装置及系统，该方法包括：基于上次训练得到的深度学习模型对样本数据集中的样本数据进行数据处理，获得数据精度为第一数据精度的设定数量个第一权重梯度数据；根据设定数量个第一权重梯度数据和第二数据精度，确定数据精度为第二数据精度的缩放系数，第一数据精度高于第二数据精度；基于样本数据集和缩放系数，对深度学习模型进行训练以更新深度学习模型的权重参数，获得本次训练的深度学习模型，缩放系数用于在训练深度学习模型的过程中对数据精度为第二数据精度的损失值进行放大处理，以提高了训练效率和训练精度。
基于混合精度深度学习模型训练方法装置系统

[发明专利]制冷系统控制及模型训练方法、装置、设备及存储介质-CN202111172827.7有效
发明人：许可;赵沛霖;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-10-08 - 公布日： 2023-10-20 - 主分类号： G06F1/20 文献下载
摘要：本申请提供了一种制冷系统控制及模型训练方法、装置、设备及存储介质，该方法包括：获取制冷系统中的不可调整参数在第一时刻的数值；将不可调整参数在第一时刻的数值输入控制策略模型中，得到制冷系统中的可调整参数在第一时刻的调整量预测值；根据可调整参数在第一时刻的调整量预测值，对可调整参数进行调整。其中，控制策略模型是以可调整参数在第t时刻的调整量和不可调整参数在第t时刻的数值为输入，以第t+1时刻的总功率真值和总制冷量真值为目标训练得到的，使得制冷系统根据控制策略模型预测出的可调整参数的调整量，进行参数调整后，可以保证制冷系统产生足够的制冷量的基础上，降低制冷系统的能耗。
制冷系统控制模型训练方法装置设备存储介质

[发明专利]一种JAK1抑制剂及其制备方法-CN202110130407.6有效
发明人：李进;李加文;徐挺洋;董利明;于洋;邱亚平;荣钰;涂贵平;刘伟;戴维扬;黄俊洲;龚珍;程学敏;窦登峰 -专利权人：成都先导药物开发股份有限公司;深圳市腾讯计算机系统有限公司
申请日： 2021-01-29 - 公布日： 2023-09-26 - 主分类号： C07D519/00 文献下载
摘要：本发明提供了一种JAK1抑制剂及其制备方法。该JAK1抑制剂的结构如式I所示。本发明利用能够针对目标靶点的参考分子进行骨架跃迁的人工智能分子设计方法，基于乌帕替尼的结构和数据，得到了一种新骨架的化合物。实验结果表明，本发明提供的化合物具有良好的JAK1抑制活性，可以用来制备JAK1抑制剂，以及预防和/或治疗与JAK1表达异常相关疾病的药物，应用前景广阔。#imgabs0#
一种 jak1 抑制剂及其制备方法

[发明专利]一种点击率预估模型的构建方法、点击率预估方法和装置-CN201811428618.2有效
发明人：陈晓爽;郑胤;马文晔;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-11-27 - 公布日： 2023-09-22 - 主分类号： G06Q30/0202 文献下载
摘要：本申请实施例公开了一种点击率预估模型的构建方法、点击率预估方法和装置，点击率预估模型设置了N个不同的候选维数，从所述N个不同的候选维数中确定一个候选维数作为目标特征对应的最大维数，将所述N个不同的候选维数中小于所述最大维数的i个候选维数确定为所述特征对应的投影维数；目标特征具有一个对应的最大维数和i个对应的投影维数，可以为目标特征分别训练i+1个特征向量。由此，最大维数对应的特征向量可以合理的体现目标特征在训练样本中的信息，不会出现对过拟合或者欠拟合的问题。而且，不会影响目标特征与最大维数小于自己的其他特征进行特征向量的内积计算，从而达到较高的预估精度。
一种点击率预估模型构建方法装置

[发明专利]模型优化方法、装置、存储介质及服务器-CN201911038172.7有效
发明人：钟括;魏颖;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-10-29 - 公布日： 2023-09-22 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种模型优化方法、装置、存储介质及电子设备，其中，方法包括：获取第一机器学习模型及第二机器学习模型，所述第一机器学习模型为已优化的模型，所述第二机器学习模型为待优化的模型，获取所述第一机器学习模型与所述第二机器学习模型之间的迁移学习信息，根据所述迁移学习信息对所述第一机器学习模型进行迁移学习，得到机器学习子模型，采用所述机器学习子模型对所述第二机器学习模型进行优化，得到优化的第二机器学习模型。通过本申请实施例能够通过已优化的机器学习模型对待优化的机器学习模型进行优化。
模型优化方法装置存储介质服务器

[发明专利]化学反应分类方法、装置、电子设备及存储介质-CN202010688329.7有效
发明人：张一帆;牛帅程;赵沛霖;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-07-16 - 公布日： 2023-09-15 - 主分类号： G16C20/10 文献下载
摘要：本公开提供了一种化学反应分类方法、装置、电子设备及存储介质，所述方法包括：确定各目标化合物分别所包含的各原子以及所述各原子之间的拓扑关系，其中，所述各目标化合物包含各反应化合物以及所述各反应化合物经过化学反应后生成的各生成化合物；基于所述各原子以及所述各原子之间的拓扑关系，将所述各目标化合物分别表示为对应的图结构信息；调用预训练的图神经网络，从各所述图结构信息中分别提取所述各目标化合物分别对应的特征信息；基于所述各目标化合物分别对应的特征信息，确定所述化学反应所属的化学反应类别。本公开实施例能够提高化学反应分类的准确度。
化学反应分类方法装置电子设备存储介质

[发明专利]胰高血糖素受体拮抗剂及其用途-CN202110194113.X有效
发明人：白启峰;徐挺洋;冯莉雅;刘硕;黄俊洲;刘焕香;姚小军 -专利权人：兰州大学;腾讯科技（深圳）有限公司
申请日： 2021-02-20 - 公布日： 2023-08-11 - 主分类号： C07D495/04 文献下载
摘要：本公开涉及医药技术领域，提供了一种胰高血糖素受体拮抗剂及其用途。该胰高血糖素受体拮抗剂包括化合物A或化合物A的异构体、酸、酯、代谢物、前药、可药用盐。本公开中的胰高血糖素受体拮抗剂的骨架结构新颖，且对胰高血糖素受体的半抑制浓度较低。
血糖受体拮抗剂及其用途

[发明专利]分布式数据处理方法及系统-CN201910503086.2有效
发明人：黄文炳;王义达;荣钰;徐挺洋;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-06-11 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：本申请公开了一种分布式数据处理方法及系统，属于数据处理技术领域。所述系统包括：数据采集服务器、多个数据采样服务器、数据汇总服务器和多个分类服务器；所述数据采集服务器，用于获取待分类的多个样本子集，并向所述多个数据采样服务器分发所述多个样本子集，所述多个样本子集由同一个样本集划分得到；所述数据采样服务器，用于对接收到的样本子集进行数据采样，并将采样后的样本子集发送至所述数据汇总服务器；所述数据汇总服务器，用于接收并汇总所述多个数据采样服务器发送的样本子集，并将汇总后的样本子集分发至所述多个分类服务器；所述分类服务器用于对接收到的样本子集中的样本进行分类。本发明有效地提高了对样本集进行采样的效率。
分布式数据处理方法系统

[发明专利]一种节点分类的方法、模型训练的方法及装置-CN201811361409.0有效
发明人：黄文炳;荣钰;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-11-15 - 公布日： 2023-07-18 - 主分类号： G06F18/2415 文献下载
摘要：本发明公开了一种模型训练方法，包括：从待训练节点集合中获取待训练节点子集合，待训练节点子集合中的节点个数小于待训练节点集合的节点个数；根据待训练节点子集合确定节点特性向量子集合；根据目标节点子集合以及节点特性向量子集合确定预测类别概率子集合，预测类别概率与目标节点具有对应关系；根据预测类别概率子集合以及第一模型参数确定第二模型参数；根据第二模型参数训练得到节点分类模型。本发明还公开了节点分类方法以及服务器。本发明对于大规模图谱而言，可以仅基于一部分节点进行训练，每一次迭代计算图谱中的部分节点，无需遍历图谱中的每个节点，大幅地降低了计算开销，且节省计算资源。
一种节点分类方法模型训练装置

[发明专利]时序数据处理模型训练方法、数据处理方法、装置及存储介质-CN201911252467.4有效
发明人：徐挺洋;蔡兴宇;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-12-09 - 公布日： 2023-06-27 - 主分类号： G06N3/0464 文献下载
摘要：本发明提供了一种时序数据处理模型训练方法，包括：获取训练样本集合，通过时序数据处理模型对训练样本集合进行处理，以确定时序数据处理模型的初始参数；通过时序数据处理模型的输出结果和所述时序数据处理模型的时序特征提取网络的动态时间规整处理结果对时序数据处理模型进行处理，确定时序数据处理模型的更新参数；根据时序数据处理模型的更新参数，通过训练样本集合对所述时序数据处理模型的编码器网络参数和解码器网络参数进行迭代更新。发明还提供了时序数据处理方法、装置及存储介质。本发明能够使得时序数据处理模型的泛化能力更强，提升时序数据处理模型的训练精度与训练速度，提升对时序数据处理的准确性与可读性。
时序数据处理模型训练方法装置存储介质

[发明专利]一种机器学习模型搭建方法、装置及相关设备-CN201810515870.0有效
发明人：黄维东;黄俊洲;吴家祥 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-05-25 - 公布日： 2023-04-18 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例提供一种机器学习模型搭建方法、装置及相关设备，其中，由移动终端执行的方法包括：加载操作页面，所述操作页面展示有多个算法组件；响应选择操作指令，在所述操作页面展示从所述多个算法组件中选择的目标算法组件；向平台服务器发送所述选择操作指令相应的算法组件选择通知，以使所述平台服务器确定所选择的目标算法组件；响应对目标算法组件的配置操作指令，向平台服务器发送所述配置操作指令相应的算法组件配置通知，以使得所述平台服务器根据所述算法组件配置通知指示的目标算法组件的配置结果，形成相应的机器学习模型。本发明实施例可实现便捷的机器学习模型搭建。
一种机器学习模型搭建方法装置相关设备

[发明专利]分类处理、图卷积神经网络模型的训练方法和装置-CN201910900854.8有效
发明人：荣钰;黄文炳;徐挺洋;黄俊洲 -专利权人：腾讯科技（深圳）有限公司;深圳市腾讯计算机系统有限公司
申请日： 2019-09-23 - 公布日： 2023-04-18 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种分类处理、图卷积神经网络模型的训练方法和装置。其中，该分类处理方法包括：获取目标对象的样本数据的目标特征图，通过将目标对象的样本数据的目标特征图输入到预先训练好的目标图卷积神经网络模型中，得到的目标对象的分类信息，分类信息可以准确地表示目标对象研究领域，根据分类信息对目标对象进行分类，通过输入训练好的目标图卷积神经网络模型即人工智能的方式对用户进行分类，提高了目标对象分类的准确性，进而解决了相关技术中通过复杂图卷积网络模型，基于用户的研究领域对用户进行分类，由于复杂图卷积网络模型的构建中存在过拟合和过平滑的问题，导致分类结果的准确性低的技术问题。
分类处理图卷神经网络模型训练方法装置

[发明专利]文本信息分类处理方法、电子设备及计算机可读存储介质-CN202010183299.4有效
发明人：徐挺洋;卞天;荣钰;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-03-16 - 公布日： 2023-04-07 - 主分类号： G06F16/33 文献下载
摘要：本申请实施例公开了一种基于人工智能技术的互联网文本信息分类处理方法、电子设备及计算机可读存储介质，包括：根据目标文本信息的转发关系和回复关系，确定目标文本信息的传播结构；将传播结构输入到双向图卷积神经网络中，得到分类信息，分类信息是根据双向图卷积神经网络的目标特征信息确定出的，双向图卷积神经网络包括自顶向下结构的第一图卷积神经网络和自底向上结构的第二图卷积神经网络，目标特征信息是根据第一特征信息和第二特征信息确定出的，第一特征信息是根据传播结构确定出的第一图卷积神经网络的特征信息，第二特征信息是根据传播结构确定出的第二图卷积神经网络的特征信息；根据分类信息对目标文本信息进行分类处理。
文本信息分类处理方法电子设备计算机可读存储介质

[发明专利]对未归类用户群进行归类的方法及相关装置-CN201910395547.9有效
发明人：李佳;荣钰;黄文炳;徐挺洋;陈远斌;潘煜文;郑丰;廖晨;张杰;黄俊洲;杨勇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-05-13 - 公布日： 2023-04-07 - 主分类号： G06F18/2415 文献下载
摘要：本公开提供了一种对未归类用户群进行归类的方法及相关装置，所述方法包括：基于已归类用户群和未归类用户群中的各用户群内部用户之间的好友关系、每个用户群的群特征，确定每个用户群的群向量、和将各未归类用户群确定为预定类型的用户群的第一概率，并将各已归类用户群确定为预定类型的用户群的第一概率设为固定值；基于已归类用户群和未归类用户群中的各用户群之间用户之间的好友关系、确定的各用户群的群向量、和将各用户群确定为预定类型的用户群的第一概率，确定将各未归类用户群确定为预定类型的用户群的第二概率；根据未归类用户群的第二概率，将所述未归类用户群归类。本公开实施例能够提高对未归类用户群归类的准确率与召回率。
未归类用户进行归类方法相关装置

1
2
3
4
5
下一页»
尾页
共 75 条