[发明专利]一种模型迭代方法、装置及设备有效

专利信息
申请号: 201910170544.5 申请日: 2019-03-07
公开(公告)号: CN110020670B 公开(公告)日: 2023-07-18
发明(设计)人: 崔世文;孟昌华;肖凯;王维强 申请(专利权)人: 创新先进技术有限公司
主分类号: G06F18/214 分类号: G06F18/214;G06F30/20
代理公司: 北京国昊天诚知识产权代理有限公司 11315 代理人: 许振新;朱文杰
地址: 英属开曼群岛大开曼*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要: 本申请公开了一种模型迭代方法、装置和设备。方法包括:首先,基于第一样本集训练出第一模型,并测试出第一模型的黑样本拦截率;然后,在第一模型的拦截下,采集第二样本集,并使用第一模型对第二样本集中的第一黑样本进行评分;再然后,基于第一模型的黑样本拦截率和第二样本集中每个第一黑样本的评分值,生成模型修正权重,以供迭代出第二模型。由此,可通过调整模型修正权重的方式,以使第二样本集中的样本分布能尽可能的接近真实情况,进而提高迭代出的第二模型的性能。
搜索关键词: 一种 模型 方法 装置 设备
【主权项】:
1.一种模型迭代方法,其特征在于,包括:确定第一模型的黑样本拦截率,所述第一模型基于第一样本集训练;确定所述第一模型对第一黑样本的评分值,所述第一黑样本为第二样本集中的黑样本,所述第二样本集由所述第一模型拦截后生成;基于所述黑样本拦截率和所述评分值,确定模型修正权重;基于所述第二样本集和所述模型修正权重,迭代出第二模型。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于创新先进技术有限公司,未经创新先进技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910170544.5/,转载请声明来源钻瓜专利网。

同类专利
  • 一种复合绝缘子老化综合评估方法-202310892881.1
  • 刘宇舜;夏令志;魏敏;甄超;操松元;牛雷;程洋;刘静;程晨 - 国网安徽省电力有限公司电力科学研究院
  • 2023-07-20 - 2023-10-27 - G06F18/214
  • 本发明公开了一种复合绝缘子老化综合评估方法,包括获取被评估复合绝缘子的特征参量,特征参量是多种特征参量,包括:通过对被评估复合绝缘子检测得到的憎水性参量数据、表面硬度参量数据、FTIR中主链Si‑O‑Si和侧链Si‑CH3峰值参量数据以及‑OH峰值参量数据;将多种特征参量导入评估模型得到老化评估结果;所述评估模型是通过用已知复合绝缘子评估结果参量数据制定的量化规则。本发明综合多种测量参数的结果对复合绝缘子的老化状态进行老化评估,能够保证复合绝缘子老化评估的高准确性。
  • 基于人工智能的家政业务处理方法及系统-202310898521.2
  • 熊凤;吴嘉鑫 - 广州一号家政科技有限公司
  • 2023-07-21 - 2023-10-27 - G06F18/214
  • 本申请实施例提供一种基于人工智能的家政业务处理方法及系统,通过获取初始家政对话偏好预测网络对训练用户家政对话数据上各个交互内容的显著性系数分布,并基于显著性系数分布更新初始家政对话偏好预测网络的权重信息,使得初始家政对话偏好预测网络对训练用户家政对话数据中的目标对话活动聚焦更大的显著性系数,由此使得权重信息更新后的初始家政对话偏好预测网络可从输入的用户家政对话数据中目标对话活动所在的兴趣内容交互节点提取更丰富的学习特征,提高家政偏好标签预测的准确性。
  • 异常检测方法和装置、模型训练方法和装置、存储介质-202310919227.5
  • 陆顺 - 中国电信股份有限公司技术创新中心;中国电信股份有限公司
  • 2023-07-25 - 2023-10-27 - G06F18/214
  • 本公开提供一种异常检测方法和装置、模型训练方法和装置、存储介质。异常检测方法包括:获取在指定时间采集的N个感知数据;将N个感知数据中的第n个感知数据xn发送给与K个专家簇一一对应的K个门控装置,其中每个专家簇包括M个专家模型,以便每个门控装置根据xn为对应专家簇中的每个专家模型生成权重,1≤n≤N,K、M、N为大于1的自然数;将xn输入每个专家模型,以便每个专家模型根据xn输出重构结果;将每个专家簇中的权重值最大的预定数量个专家模型作为候选模型,并根据候选模型的权重值和重构结果得到xn的重构值;计算N个重构值的均方误差;在均方误差大于预定阈值的情况下,确定N个感知数据中存在异常情况。
  • 一种用户画像的生成方法、装置、设备及可读存储介质-202310920921.9
  • 陈运江;上官素珍;章云祥 - 厦门立林科技有限公司
  • 2023-07-25 - 2023-10-27 - G06F18/214
  • 本发明属于用户画像技术领域,提供了一种用户画像的生成方法、装置、设备及可读存储介质,所述方法包括:获取第一数据,所述第一数据包括与用户有关联的数据信息;利用决策树算法对所述第一数据进行预处理,并基于预处理之后的第一数据生成样本数据;基于BP神经网络算法构建初始数据模型,利用所述样本数据对所述初始数据模型进行训练,得到用户画像特征信息,根据所述用户画像特征信息生成用户画像。本发明通过神经网络算法使得模型能处理大量数据并通过自行学习提升模型处理的效率,且利用样本数据训练构建的模型结构,提升模型处理数据的精准度,降低工作人员的工作量,提高用户画像数据分析的准确性。
  • 一种基于分布优化的冶炼吹氧量预测方法、设备及介质-202310938225.0
  • 田铭;肖雪;韩明迅;崔汝伟;朱勇;李真真 - 浪潮云洲工业互联网有限公司
  • 2023-07-28 - 2023-10-27 - G06F18/214
  • 本发明公开了一种基于分布优化的冶炼吹氧量预测方法、设备及介质,属于冶金数据预测技术领域,用于解决通过机理模型或数据模型进行吹氧量预测,容易受到经验值影响,且训练数据质量较低,导致数据模型预测精度较低的技术问题。方法包括:根据机理模型以及冶炼炉次训练数据集,初步预测每一炉次的耗氧量,得到第一耗氧量预测值;根据所述每一炉次的第一耗氧量预测值,对所述机理模型进行同分布优化,得到第二耗氧量预测值;根据所述第二耗氧量预测值以及炼钢物料基础数据特征,训练所述DeepFM数据模型;通过训练后的所述DeepFM数据模型,预测各个炉次的吹炼耗氧量,得到预测冶炼吹氧量。
  • 一种网络资产识别模型的训练方法及系统-202310821411.6
  • 吴筑航;赵武;麻志辉 - 北京华顺信安科技有限公司;北京华顺信安信息技术有限公司
  • 2023-07-05 - 2023-10-27 - G06F18/214
  • 本申请涉及一种网络资产识别模型的训练方法及系统,属于网络资产识别的技术领域,方法包括:获取已知网络资产的指纹数据;调用网络空间搜索引擎,基于所述指纹数据从所述网络空间搜索引擎中获得训练数据;构建所述训练数据的向量特征;基于所述向量特征进行机器学习训练,构建类别区分模型。本申请在获得已知网络资产的指纹数据后通过网络空间搜索引擎在网络流量数据中截获训练数据,使用训练数据生成向量特征,将向量特征作为机器分类学习模型的输入,以训练构建类别区分模型,相比于传统的网络资产识别,由训练好的类别区分模型识别网络资产的类别,从而不依赖现有指纹库,降低网络资产识别的局限性。
  • 用户画像更新方法、装置、设备及存储介质-202310891146.9
  • 刘亮;徐鑫;丁雪莲 - 中移动信息技术有限公司;中国移动通信集团有限公司
  • 2023-07-19 - 2023-10-27 - G06F18/214
  • 本发明公开了一种用户画像更新方法、装置、设备及存储介质,包括:根据网上行为日志确定用户的行为序列向量;根据行为序列向量和对应的行为特征序列空间向量确定向量差异性,行为特征序列空间向量用于表征用户在预设历史时长内的行为特征;根据向量差异性对用户的画像标签特征进行更新。本发明能够根据用户的行为序列向量与表征用户在预设历史时长内行为特征的行为特征序列空间向量之间的向量差异性来更新用户的画像标签特征,降低了对画像标签特征的更新频率,节省了用户的画像标签计算和挖掘过程中的冗余计算,从而提高了计算资源的利用率,在不降低画像标签精确度的同时,降低了计算成本。
  • 潜在用户筛选方法及装置-202310911156.4
  • 罗博文;陈宜洁;张娜;王之伟;张龙;陈庆彪;潘阳;陈威 - 中移(杭州)信息技术有限公司;中国移动通信集团有限公司
  • 2023-07-24 - 2023-10-27 - G06F18/214
  • 本申请涉及用户筛选技术领域,提供一种潜在用户筛选方法及装置。所述方法包括:将正样本的目标数据和无标记样本的目标数据输入潜在用户筛选模型,若正样本的数量与可靠负样本的数量不相等,且模型训练次数达到预设训练次数,则根据剩余无标记样本对应的历史输出概率和历史权重,得到历史加权平均概率,将剩余无标记样本按照历史加权平均概率从小到大依次划分为可靠负样本,直至正样本的数量与当前可靠负样本的数量相等,将正样本的目标数据和当前可靠负样本的目标数据输入潜在用户筛选模型,筛选出满足预设带宽条件的潜在用户。本申请的潜在用户筛选方法可以提高模型泛化能力和表达能力,使得筛选出的潜在用户准确率高。
  • 一种染色预测模型构建方法、装置、系统及存储介质-202310923603.8
  • 欧阳威;陈运华;郭宇超;祝婷;王鑫 - 蓝思系统集成有限公司
  • 2023-07-25 - 2023-10-27 - G06F18/214
  • 本发明提供了一种染色预测模型构建方法、装置、系统及存储介质,涉及手机配件染色加工技术领域。所述染色预测模型构建方法包括:提取飞靶历史数据;加载飞靶历史数据并构建初始预测模型;基于相似性度量,通过飞靶历史数据中的当前飞靶数据和历史飞靶数据对初始预测模型进行训练得到染色预测模型。本发明实现了代替产线工程师人工给出的染色时间,大大提高了预测准确性和生产的重复性,降低了人工成本,有效提高了手机中框部件的阳极氧化染色过程中加工的自动化程度,为手机配件的工业化生产带来了方便。
  • 一种基于经验模态分解和异构在线学习的岩性识别方法-202310925724.6
  • 蒋俊;罗海峰;李皋;罗芳;王涛;肖东;夏文鹤;李红涛;刘厚彬;方潘;杨旭 - 西南石油大学
  • 2023-07-26 - 2023-10-27 - G06F18/214
  • 本发明的目的在于提出一种基于经验模态分解和异构在线学习的岩性识别方法,包括以下步骤:首先对已获取的钻井参数进行数据预处理包括特征筛选、缺失值处理、过滤非法数据、特征数据目标数据编码;然后基于经验模态分解模型分解特征参数;并对分解后特征参数采用异构体系训练m个离线模型和m个在线模型;最后结合自适应权重进行异构模型的融合,用于识别地层岩性。本发明将经验模态分解和机器学习算法用于岩性识别,提出了钻井参数的模态分解方法和机器学习的训练架构,并将联合域分布(JDA)应用于机器学习模型训练中,可以提高原有离线模型的识别精度和鲁棒性。
  • 自动驾驶车辆及其性能评估方法、评估系统-202310961138.7
  • 周宏图;肖坤;洪泽鑫 - 北京大示示粒科技有限公司
  • 2023-08-01 - 2023-10-27 - G06F18/214
  • 本申请公开了一种自动驾驶车辆及其性能评估方法、评估系统,涉及车辆评估的技术领域,包括利用预设的采集设备采集自动驾驶过程中的车辆参数数据;对所述车辆参数数据进行预处理;基于预处理后的数据建立车辆评估模型;根据评估维度,提取所述预处理后的数据中的特征数据,提取的特征数据能够表征所述评估维度,且所述车辆评估模型中包括至少一个评估维度;基于所述特征数据,对所述车辆评估模型进行训练;将训练后的车辆评估模型在测试集上进行测试,以实现模型调优;以及在所述车辆评估模型中输入任一评估维度对应的车辆数据,本申请基于多个评估维度对驾驶行为进行评估,能够全面客观地反映自动驾驶行为的优劣,为用户提供更加全面的评估结果。
  • 一种用于行为预测域自适应的伪标签改进的轨迹预测方法-202310977528.3
  • 张占伟;赖申其;彭亮;钱炜;杨政;何晓飞 - 杭州飞步科技有限公司
  • 2023-08-04 - 2023-10-27 - G06F18/214
  • 本发明公开了一种用于行为预测域自适应的伪标签改进的轨迹预测方法。将源域输入到预测器中进行训练,获得训练后的预测器;然后将目标域的数据输入到由训练后的预测器优化获得的第一神经网络中进行再次训练,获得训练后的第一神经网络;最后从训练后的第一神经网络提取组建预测网络,对实时待测的数据实进行识别预测处理。本发明能够提升伪标签的质量以提升模型网络的泛化性能,能够确保目标域数据的多样性以及防止模型陷入局部最优,提升了伪标签的预测性能,进而提升轨迹预测能力。
  • 深度神经网络的置信度校准方法、装置、设备及存储介质-202310279382.5
  • 吴秉哲 - 腾讯科技(深圳)有限公司
  • 2023-03-20 - 2023-10-27 - G06F18/214
  • 本申请公开了一种深度神经网络的置信度校准方法、装置、设备及存储介质,属于计算机技术领域。所述方法包括:获取第一数据集,第一数据集包括多个第一样本数据和每个第一样本数据的第一分类标签;基于第一样本数据的误差对至少两个第一样本数据和至少两个第一样本数据的第一分类标签进行插值,得到第二样本数据和第二样本数据的第二分类标签;根据第二样本数据和第二样本数据的第二分类标签确定第二数据集;通过第二数据集校准深度神经网络的置信度。通过将第一数据集增强后得到的第二数据集进行深度神经网络的置信度校准,可提升校准性能。
  • 分类模型的训练方法、装置、设备及存储介质-202310340644.4
  • 王登豹;李蓝青;赵沛霖 - 腾讯科技(深圳)有限公司
  • 2023-03-24 - 2023-10-27 - G06F18/214
  • 本申请公开了一种分类模型的训练方法、装置、设备及存储介质,属于机器学习技术领域。方法包括:从训练集中获取n个训练数据,以及n个训练数据中每一个训练数据分别对应的标签信息;对n个训练数据分别对应的模型输入数据进行混合操作,生成m个混合输入数据;使用分类模型对m个混合输入数据进行特征提取,得到m个混合特征信息;对m个混合特征信息进行解耦操作,得到n个训练数据分别对应的特征信息;根据训练数据对应的分类标签和分类结果,对分类模型的参数进行调整,得到训练后的分类模型;对训练后的分类模型进行置信度校准,得到训练完成的分类模型。本方法既保证分类模型生成的分类结果的准确率,又使得分类结果具有较好的置信度表现。
  • 文本生成方法、装置、电子设备及计算机可读存储介质-202310532220.8
  • 代勇;陈万顺;周聪;陈梓阳;陈凌;牛彦琦;张玉律;杜楠 - 腾讯科技(深圳)有限公司
  • 2023-05-11 - 2023-10-27 - G06F18/214
  • 本申请实施例提供一种文本生成方法、装置、电子设备及计算机可读存储介质,至少应用于人工智能领域和游戏解说领域,其中,方法包括:响应于接收到针对当前虚拟场景的操作指令,获取与所述操作指令对应的预编写文本;对所述预编写文本进行文本拆分,得到多个预编写语句;对每一所述预编写语句进行事实性判定,得到相应预编写语句的事实性判定结果;基于所述事实性判定结果,对所述预编写语句进行文本处理,得到与每一预编写语句对应的生成语句;对全部生成语句进行文本拼接处理,得到适用于所述当前虚拟场景的场景解说文本。通过本申请,所生成的场景解说文本能够适用于任意的游戏赛事且具有多样性。
  • 一种目标检测模型训练方法、目标检测方法及系统-202310598098.4
  • 夏威;冀春锟;黄金 - 湖南视比特机器人有限公司
  • 2023-05-25 - 2023-10-27 - G06F18/214
  • 本发明公开了一种目标检测模型训练方法、目标检测方法及系统,包括:将有标签数据集中的数据输入学生网络模型,获得损失SLA;将无标签数据集中的数据输入学生网络模型和教师网络模型,得到学生网络模型的特征Featurestdent、目标预测结果Ostdent,教师网络模型的特征Featureteacher、目标预测结果Oteacher;基于Featurestdent和Featureteacher获得损失函数Lfeature,教师网络特征提取模块基于Lfeature指导训练学生网络特征提取模块;通过双阈值对比过滤挖掘方法获取有效的监督信息,基于Ostdent和Oteacher获得损失SLB;基于SLA和SLB,获得总损失Ltotal;教师网络预测模块基于Ltotal指导训练学生网络预测模块;基于学生网络模型的参数更新教师网络模型的参数。本发明能提升无标签数据的目标检测效果,降低人工标注成本,提升模型对在线工作流中数据的适应能力。
  • 一种模型的多特征组合方法、装置、电子设备及存储介质-202310544451.0
  • 段培 - 腾讯科技(深圳)有限公司
  • 2023-05-15 - 2023-10-27 - G06F18/214
  • 本发明公开了一种模型的多特征组合方法、装置、电子设备及存储介质,包括:确定目标业务场景的基础特征集,确定目标业务场景对应的先验知识图谱,确定基于先验知识图谱生成的当前轮次的探索特征,基于当前轮次的探索特征进行扩展模拟和特征组合方式确定,得到探索特征对应的特征组合的信息表达能力值,基于特征组合的信息表达能力值对特征组合中的各个特征的信息表达能力值进行更新,得到更新后的先验知识图谱,将更新后的先验知识图谱当作下一轮次的先验知识图谱进行特征探索,基于各轮次对应的特征组合的信息表达能力值和预设表达数据确定目标特征组合。本申请通过优化迭代挖掘出更多特征进行特征组合,进而可以为后续模型提升预测能力。
  • 一种基于参数自进化策略的目标细粒度识别方法-202310820177.5
  • 张艳宁;王鹏;矫炳亮;吴瑞祺;陈之雨 - 西北工业大学
  • 2023-07-05 - 2023-10-27 - G06F18/214
  • 本发明公开了一种基于参数自进化策略的目标细粒度识别方法,构建参数自进化模块,将输入特征送入1×1尺寸的动态卷积来提取特征,其中动态卷积的参数根据自注意力编码融合后得到的特征生成;将参数自进化模块插入ResNet‑50模型中,将其命名为参数自进化网络;最后采用训练集对参数自进化网络进行训练,完成后实现目标细粒度识别。本发明能够动态地更新主干网络模型参数,实现面对未见数据域时的参数自进化,从而实现可泛化的目标细粒度识别。
  • 作战实体的防御方法、装置、电子设备及存储介质-202310217085.8
  • 沈震;陶浩;李伟;龚俊斌;熊刚;韩云君;董西松;屈天慈;颜军 - 中国科学院自动化研究所;中国舰船研究设计中心
  • 2023-03-07 - 2023-10-27 - G06F18/214
  • 本发明提供一种作战实体的防御方法、装置、电子设备及存储介质,该方法包括:在检测到敌方作战实体攻击己方作战实体的情况下获取作战数据信息,作战数据信息包括己方作战实体对应的第一相关状态信息、敌方作战实体对应的第二相关状态信息、己方作战实体对应的动作信息及战损信息;根据作战数据信息确定待训练数据信息,待训练数据信息包括待训练状态信息、待训练动作信息、待训练奖励信息、待训练下一时刻状态信息;将待训练数据信息输入至防御策略模型得到防御策略模型输出的目标防御策略;根据目标防御策略控制己方作战实体防御敌方作战实体。该方法基于目标防御策略控制己方作战实体对敌方作战实体进行准确防御,有效提高作战实体的防御性能。
  • 策略生成器的训练方法、装置、设备、介质及程序产品-202310507493.7
  • 刘浏;刘子轩;赵沛霖 - 腾讯科技(深圳)有限公司
  • 2023-05-05 - 2023-10-27 - G06F18/214
  • 本申请公开了一种策略生成器的训练方法、装置、设备、介质及程序产品,涉及电力系统领域。该方法包括:基于预设硬约束条件对第一调度动作序列进行更新,得到第二调度动作序列;在电力系统执行第二调度动作序列的情况下,获取预测状态转移数据;获取参考状态转移数据;基于预测状态转移数据和参考状态转移数据之间的差异对候选策略生成器进行训练,得到目标策略生成器。在进行策略学习之前,根据安全性约束条件对候选策略生成器生成的调度动作序列进行更新,从而保证了候选策略生成器生成的调度动作序列为符合安全性约束条件的序列,使得训练得到的目标策略生成器能够针对电力系统中的硬约束条件,生成安全可靠的调度策略。
  • 基于航空传感器序列数据的衰退周期预测方法-202310660932.8
  • 李学龙;杨思宇;高君宇 - 西北工业大学
  • 2023-06-06 - 2023-10-27 - G06F18/214
  • 本发明公开了一种基于航空传感器序列数据的衰退周期预测方法,属于机器学习、数据分析技术以及临地安防领域。该方法首先对原始的航空传感器序列数据进行数据处理;生成序列数据集和图像数据集;输入图像和序列数据集进行衰退周期预测;本发明提出的方法面向航空试飞场景,该方法通过卷积‑循环神经网络级联的架构完成预测传感器衰退周期的目标。由于采用了全新的网络架构,并针对周期预测任务特点进行了特殊的算法设计,最终能够达到较好的预测效果,提升了方法在试飞场景中的智能性和精确性。
  • 特征表示生成方法、装置、设备、介质及程序产品-202211426104.X
  • 洪燕;孙众毅;鄢科;丁守鸿 - 腾讯科技(深圳)有限公司
  • 2022-11-14 - 2023-10-27 - G06F18/214
  • 本申请公开了一种特征表示生成方法、装置、设备、介质及程序产品,涉及机器学习领域。该方法包括:对呈现长尾分布状态的多个样本数据进行特征提取后得到多个样本特征表示,其中包括与第二样本数据对应的长尾数据特征表示;基于样本类别标签对应的样本特征表示的特征分布情况,获取每个样本类别标签分别对应的原型特征表示,并根据长尾数据特征表示与多个原型特征表示之间的特征相似度,对多个原形特征表示进行融合,得到用于扩充大数量类别的目标特征表示。通过以上方式,不仅扩充了大数量类别对应的特征表示,也能够有效缓解多个样本数据分布不均衡的问题。本申请可应用于云技术、人工智能、智慧交通等各种场景。
  • 机器学习模型的训练方法、装置、设备、介质、程序产品-202211528388.3
  • 吴秉哲 - 腾讯科技(深圳)有限公司
  • 2022-11-30 - 2023-10-27 - G06F18/214
  • 本申请提供了一种机器学习模型的训练方法、装置、训练设备、存储介质、程序产品;方法包括:获取机器学习模型的多个训练样本以及原始标签数据;基于多个训练样本以及原始标签数据构造样本关系图;基于样本关系图训练图神经网络,训练的目标包括学习多个训练样本之间的一阶关系和高阶关系;基于训练样本以及原始标签数据,调用训练后的图神经网络进行多次级联的聚合处理,得到训练样本的校准标签数据;基于多个训练样本调用机器学习模型执行预测处理,得到预测标签数据;将预测标签数据与校准标签数据代入机器学习模型的损失函数,基于损失函数更新机器学习模型的参数。本申请能够消除样本中的噪声对于模型精度的影响。
  • 数据分析模型的训练方法、装置、设备、存储介质及产品-202211528472.5
  • 常佳艺;袁波;林少彬;解静;郑哲;陈梓阳;杜楠 - 腾讯科技(深圳)有限公司
  • 2022-11-30 - 2023-10-27 - G06F18/214
  • 本申请提供了一种数据分析模型的训练方法、装置,应用于人工智能技术领域,数据分析模型包括生成器、判别器,包括:获取携带标签的样本行动数据及可归因事实参数;通过生成器,基于样本行动数据,进行对局结果预测,得到预测对局结果;获取样本行动数据中可归因事实参数对应的参考行动数据,并确定与参考行动数据相反的目标行动数据;通过生成器,基于目标行动数据,对对局结果进行反事实预测,得到反事实对局结果;通过判别器,分别对预测对局结果及反事实对局结果的真实性进行预测;基于预测结果,确定数据分析模型的损失函数的值,基于损失函数的值,更新数据分析模型的模型参数。通过本申请,能够提高数据分析模型的分析结果的准确性。
  • 编码器训练方法、搜索方法、装置及计算机设备-202211734894.8
  • 刘烨 - 腾讯科技(深圳)有限公司
  • 2022-12-30 - 2023-10-27 - G06F18/214
  • 本申请提供了一种编码器训练方法、搜索方法、装置及计算机设备;训练方法包括:获取初始多模态编码器和多个模态的初始训练数据集;利用所述初始多模态编码器对所述初始训练数据集进行特征提取,得到多个模态的初始特征向量集;基于所述多个模态的初始特征向量集生成多个模态的融合特征向量集,其中,所述融合特征向量集是由同一模态的不同初始特征向量集生成的;将所述初始特征向量集和所述融合特征向量集确定为训练特征向量集,并利用所述训练特征向量集对所述初始多模态编码器进行训练,得到训练好的多模态编码器。通过本申请,能够提高多模态编码器的训练速度,提升编码结果的准确性。
  • 收视预估模型训练方法、装置、电子设备及存储介质-202211485851.0
  • 张丽;秦晓飞 - 中国移动通信集团山西有限公司;中国移动通信集团有限公司
  • 2022-11-24 - 2023-10-27 - G06F18/214
  • 本发明涉及计算机领域,提供一种收视预估模型训练方法、装置、电子设备及存储介质,该方法包括:将获取到的收视行为数据和媒资数据分别进行清洗及转换,得到全量样本数据;基于全量样本数据确定收视预估正样本数据和收视预估负样本数据;基于收视预估正样本数据和收视预估负样本数据,对预训练收视预估模型进行训练和优化,得到目标收视预估模型。本发明实施例提供的收视预估模型训练方法通过收视行为数据和媒资数据训练目标收视预估模型,使得目标收视预估模型不仅考虑了媒资数据自身的数据特征,还考虑了用户的收视行为特征,因此训练出来的目标收视预估模型更加全面,由此通过训练出的目标收视预估模型能够更加准确地为用户输出视频列表。
  • 一种数据处理方法及相关装置-202310026616.5
  • 刘江鸣 - 腾讯科技(深圳)有限公司
  • 2023-01-09 - 2023-10-27 - G06F18/214
  • 本申请实施例公开了一种人工智能领域的数据处理方法及相关装置,其中该方法包括:获取目标对象对应的全量基本特征集合;采用多种特征删减方式,对全量基本特征集合进行特征删减处理,得到多个局部基本特征集合;针对每个局部基本特征集合,在模型集合中确定用于处理局部基本特征集合的目标预测模型,通过目标预测模型处理局部基本特征集合,得到局部基本特征集合对应的指标预测结果;所述模型集合包括多个预测模型,所述多个预测模型是基于多个训练样本集合下多个训练样本子集分别训练的;对多个局部基本特征集合各自对应的指标预测结果进行集成处理,得到目标指标预测结果。该方法能够有效提高相关的指标预测结果的准确性和可靠性。
  • 行为预测方法、装置和存储介质及电子设备-202310678041.5
  • 石志林 - 深圳市腾讯计算机系统有限公司
  • 2023-06-08 - 2023-10-27 - G06F18/214
  • 本申请公开了一种行为预测方法、装置和存储介质及电子设备。其中,该方法包括:响应于对目标账号触发的行为预测请求,获取目标账号在当前时间之前的第一预设时间段内执行第一行为时所关联的历史数据;按照历史数据中各个子数据对应的指标数值,为各个子数据分配初始的预测权重;得到各个子数据对应的校准数值,并利用校准数值对初始的预测权重进行校准处理,得到新的预测权重;利用新的预测权重从历史数据中确定出参与第二行为预测过程的目标子数据,并将目标子数据输入数据预测模型,得到第二行为关联的预测结果,可应用人工智能场景。本申请解决了行为预测效率较低的技术问题。
  • 一种基于跨域泛化标签的工业设备故障诊断方法及装置-202311203729.4
  • 任磊;莫廷钰 - 北京航空航天大学
  • 2023-09-19 - 2023-10-27 - G06F18/214
  • 本发明涉及一种基于跨域泛化标签的工业设备故障诊断方法及装置,属于故障诊断技术领域,解决了现有未考虑工业设备故障类别的泛化而导致故障诊断不准确的问题。包括:根据工业设备在不同工况下振动传感器采集的时序振动信号,构建各工况数据集,放入样本集并划分为训练集和测试集;根据训练集中各工况的故障类别标签分布构建虚拟标签分布,重构各工况数据集,更新训练集;根据重构后的各工况的故障类别标签分布与平均故障类别标签分布的差异,构建损失函数,利用训练集和测试集分别训练和测试神经网络模型,得到故障诊断模型;实时采集工业设备的时序振动信号,传入故障诊断模型,得到故障诊断结果。实现了多工况下工业设备故障的准确诊断。
  • 人工智能模型的预训练方法、装置、设备及存储介质-202211717291.7
  • 杨友钊;刘戈;邱福浩;付强;张玥 - 腾讯科技(深圳)有限公司
  • 2022-12-29 - 2023-10-27 - G06F18/214
  • 本申请公开了一种人工智能AI模型的预训练方法、装置、设备及存储介质,属于人工智能技术领域。本申请在训练AI模型时,基于目标对局模式指示的对局收益目标进行虚拟对局。通过对视觉观测信息进行坐标系转换,以忽略不同虚拟环境的结构和视觉差异所导致的视觉观测信息的差异,使得AI模型能够以对局状态特征的形式,从虚拟对象的视角来准确地学习虚拟对局状态,提升AI模型在不同虚拟环境下的表征能力;进而基于收益信息,使得AI模型在目标对局模式下的任一种虚拟环境中进行虚拟对局时,能够做出对该对局收益目标有价值的决策。因此,上述技术方案可以在保证模型性能的前提下大大提升预训练AI模型在不同虚拟环境下的泛化性。
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top