[发明专利]旋转角检测、模型训练方法及装置、设备及介质在审
| 申请号： | 202310588370.0 | 申请日： | 2023-05-23 |
| 公开（公告）号： | CN116957046A | 公开（公告）日： | 2023-10-27 |
| 发明（设计）人： | 冯舒扬;张婕蕾 | 申请（专利权）人： | 上海哔哩哔哩科技有限公司 |
| 主分类号： | G06N3/084 | 分类号： | G06N3/084;G06V30/19 |
| 代理公司： | 北京启坤知识产权代理有限公司 11655 | 代理人： | 赵晶 |
| 地址： | 200433 上海市*** | 国省代码： | 上海;31 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本申请提供了一种旋转角识别模型训练方法及装置、文本串图像的旋转角检测方法及装置、设备及计算机可读介质，该申请通过将文本串图像样本等比例缩放至预设包围盒内，并居中与所述预设包围盒叠加生成缩放图像样本，然后根据多个预设角度中的随机一个对所述缩放图像样本进行旋转操作，生成旋转角识别样本，并根据执行旋转操作时选择的所述预设角度生成所述旋转角识别样本对应的训练标签，再将多个所述旋转角识别样本及其对应的训练标签输入至待训练的反向传播模型进行模型迭代训练，即可得到旋转角识别模型，利用该旋转角识别模型可以有效地对文本串图像的旋转角进行检测。 | ||
| 搜索关键词： | 旋转 检测 模型 训练 方法 装置 设备 介质 | ||
【主权项】：
暂无信息
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上海哔哩哔哩科技有限公司，未经上海哔哩哔哩科技有限公司许可，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/202310588370.0/，转载请声明来源钻瓜专利网。
- 同类专利
- 旋转角检测、模型训练方法及装置、设备及介质-202310588370.0
- 冯舒扬;张婕蕾 - 上海哔哩哔哩科技有限公司
- 2023-05-23 - 2023-10-27 - G06N3/084
- 本申请提供了一种旋转角识别模型训练方法及装置、文本串图像的旋转角检测方法及装置、设备及计算机可读介质，该申请通过将文本串图像样本等比例缩放至预设包围盒内，并居中与所述预设包围盒叠加生成缩放图像样本，然后根据多个预设角度中的随机一个对所述缩放图像样本进行旋转操作，生成旋转角识别样本，并根据执行旋转操作时选择的所述预设角度生成所述旋转角识别样本对应的训练标签，再将多个所述旋转角识别样本及其对应的训练标签输入至待训练的反向传播模型进行模型迭代训练，即可得到旋转角识别模型，利用该旋转角识别模型可以有效地对文本串图像的旋转角进行检测。
- 一种采样网络更新方法、装置、设备和介质-202311207443.3
- 李峰;张潇澜 - 苏州元脑智能科技有限公司
- 2023-09-19 - 2023-10-27 - G06N3/084
- 本申请公开了一种采样网络更新方法、装置、设备和介质，涉及人工智能技术领域。所述方法包括：获取当前用户的会话请求，根据所述会话请求生成对应的会话标识号；根据所述会话标识号获取对应的信息库，所述信息库包括动态数据信息库；通过信息采样网络根据所述会话请求以及所述动态数据信息库完成动态数据的采样形成动态数据输入前缀；将所述动态数据输入前缀与所述会话请求拼接输入预训练语言模型，得到对应的输出结果；将所述输出结果与所述会话请求形成对话数据，并根据所述对话数据对所述信息采样网络进行更新。本申请能够灵活更新采样网络，提高多轮对话能力，对场景的适配性好。
- 暂态稳定评估模型更新方法、装置、电子设备及存储介质-202310899166.0
- 雷傲宇;李诗旸;蒋陈根;陈灏颖;梅勇;朱思婷;陶文伟;甄鸿越;刘宇明 - 中国南方电网有限责任公司;南方电网科学研究院有限责任公司
- 2023-07-20 - 2023-10-24 - G06N3/084
- 本发明公开了一种暂态稳定评估模型更新方法、装置、电子设备及存储介质，用于解决现有的暂态稳定评估模型更新时所存在的灾难性遗忘现象以及更新速度慢等问题。所述方法包括：响应于检测到电力系统中运行拓扑发生变化，生成变化后运行拓扑对应的故障测试集，其中，故障测试集用于对暂态稳定评估模型的评估精度进行测试；若精度测试结果不满足预设精度要求，则生成故障训练集，并获取暂态稳定评估模型在历史模型学习过程中所生成的嵌入特征集；接着对嵌入特征集进行聚类记忆回放处理，获得回放样本集；然后根据故障训练集以及回放样本集，基于持续学习训练策略对暂态稳定评估模型进行更新。
- 衰减校正方法和装置、训练方法和装置、成像方法和系统-202310779476.9
- 李炳轩;房磊;张博;杨玲莉;陈维操 - 合肥锐世数字科技有限公司
- 2023-06-29 - 2023-10-20 - G06N3/084
- 本申请公开了衰减校正方法和装置、训练方法和装置、成像方法和系统、电子设备及存储介质。该衰减校正方法包括：将未校正PET图像输入训练好的衰减校正网络模型，得到生成CT图像，所述衰减校正网络模型基于可逆生成网络并利用PET训练图像和对应的CT标签图像训练得到；利用所述生成CT图像对未校正PET图像或其对应的PET探测数据进行衰减校正，得到校正PET图像或校正PET探测数据。本申请的方案能够从未衰减校正的PET图像直接得到生成CT图像，从而应用于PET自衰减校正，患者在进行PET检测之后，无需再进行额外的CT或者MR扫描过程，降低了患者的不适感和对患者的辐射剂量，且大幅降低了使用成本。
- 基于隧道掘进参数的地层振动加速度预测方法及相关装置-202310927023.6
- 管晓明;卢泽霖;凌贤长;芦睿泉;杨林;丁灏;任思澔;于科;张拥军;许华威;苗吉军;黄运昌;王修军 - 青岛理工大学;青岛地铁集团有限公司
- 2023-07-27 - 2023-10-17 - G06N3/084
- 本发明提供了一种基于隧道掘进参数的地层振动加速度预测方法及相关装置，涉及隧道机械掘进技术领域，包括确定与振动加速度预测相关的多个影响参数；采集不同现场的多个影响参数值和对应的振动加速度，构建多组样本数据集；根据多组样本数据集分别搭建对应的BP神经网络模型，并利用遗传算法确定每个BP神经网络模型的初始权重和阈值；利用样本数据集训练对应的BP神经网络模型，并计算完成后的BP神经网络模型的精度，将精度最高的BP神经网络模型作为振动加速度预测模型；本发明通过确定推进系统的参数与振动加速度的关联性，从而预测出隧道掘进时的地层振动加速度。
- 图像处理模型的训练方法及装置-202310882168.9
- 岳赟;蒋佳弟;叶至灵;高宁;刘永超;张科;娄寅 - 支付宝（杭州）信息技术有限公司
- 2023-07-18 - 2023-10-13 - G06N3/084
- 本说明书实施例披露一种图像处理模型的训练方法及装置，一种预测模型的训练方法及装置。其中图像处理模型的训练方法涉及的任一轮次迭代训练包括：先利用当前批次图像样本，确定图像处理模型在其当前的第一模型参数处的第一训练梯度；再基于该第一训练梯度，确定以第一模型参数为中心点且具有预设半径的邻域内，使得当前训练损失发生最大变化的参数变化量；接着，确定图像处理模型在第二模型参数处的第二训练梯度，该第二模型参数基于该第一模型参数偏移该参数变化量而得到；然后，对第一训练梯度，以及第二训练梯度减去该第一训练梯度的梯度差值进行加权求和，得到第三训练梯度；基于预设学习率和该第三训练梯度，更新该第一模型参数。
- 一种基于深度交互适配网络模型的通用多模态学习方法-202310847953.0
- 余宙;王眺;俞俊 - 杭州电子科技大学
- 2023-07-11 - 2023-10-13 - G06N3/084
- 本发明公开了一种基于深度交互适配网络模型的通用多模态学习方法。本发明步骤：1、获取图像单模态以及文本单模态的预训练模型，在两个预训练模型之间增设多模态适配器模块，2、分别加载图像和文本单模态模型的预训练权重参数并保持其不变，在多模态下游任务上微调训练所设计的适配器的权重参数，3、利用所微调的多模态适配器模型在多模态下游任务上进行推理部署。本发明通过为图像和文本两个单模态的预训练模型构建外部适配器网络，提取两个单模态模型的分层次特征，使用所构建的适配器进行多模态细粒度对齐融合，使单模态预训练模型可以迅速适用于多种多模态任务，并获得可与大规模多模态预训练模型相比的性能。
- 基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统-202310841509.8
- 宋明黎;徐文祥;陈琳;贾志杰;冯尊磊 - 浙江大学
- 2023-07-11 - 2023-10-03 - G06N3/084
- 基于卷积神经网络预训练模型的卷积核激活值正则化方法和系统，其方法包括：1)预训练卷积神经网络模型；2)计算卷积核产生的激活值的重要程度；3)正则化处理卷积核产生的激活值，产生新的激活值，使用新的激活值代替原先的激活值；4)基于正则化处理之后的卷积神经网络模型对图像进行分类。本发明找到卷积神经网络预训练模型中每个卷积核产生的激活值的重要程度，基于激活值的重要程度对卷积核激活值进行正则化处理。根据分类结果计算损失函数，利用损失函数对卷积神经网络的参数进行更新，提升预训练卷积神经网络的图像分类性能。
- 优化采样的神经网络的设备上持续学习方法及装置-202010038838.5
- 金桂贤;金镕重;金寅洙;金鹤京;南云铉;夫硕焄;成明哲;吕东勋;柳宇宙;张泰雄;郑景中;诸泓模;赵浩辰 - 斯特拉德视觉公司
- 2020-01-14 - 2023-10-03 - G06N3/084
- 本发明涉及以智能手机、无人机、船舶或军事目的提供的一种用于分析输入数据的神经网络(Neural Network)的设备上持续学习(On‑Device Continual Learning)的方法，所述方法包括：步骤(a)，学习装置对新数据进行统一采样(Uniform‑Sampling)，使得具有第一体积，提升网络将k维随机向量转换为k维修正向量，原始数据生成器网络重复输出第一合成先前数据(Previous Data)的过程，使得第一合成先前数据具有预设的第二体积，并参考生成用于第一当前学习(Current‑Learning)的第一批次(Batch)；以及步骤(b)，使神经网络生成与第一批次对应的输出信息(Output Information)，本发明可以进行防止侵犯隐私、如存储装置的资源优化以及训练图像采样过程的优化，并可通过对抗生成网络(Generative Adversarial Network，GAN)的学习过程进行。
- 模型训练方法、信息推送方法、装置、设备及存储介质-202110938146.0
- 沈力;董婧 - 京东科技信息技术有限公司
- 2021-08-16 - 2023-10-03 - G06N3/084
- 本发明实施例公开了一种模型训练方法、信息推送方法、装置、设备及存储介质。该模型训练方法包括：接收在预设时间段内各预设时刻下采集的训练样本；根据各训练样本确定与最小化点关联的第一梯度估计和与最大化点关联的第二梯度估计，并且获取与最小化点关联的第一学习率和第一自适应梯度、和与最大化点关联的第二学习率和第二自适应梯度；根据第一梯度估计、第一学习率和第一自适应梯度对与最小化点关联的第一参数进行梯度下降式的更新，并且根据第二梯度估计、第二学习率第二自适应梯度对与最大化点关联的第二参数进行梯度上升式的更新；在各次迭代过程结束后，得到信息推送模型。本发明实施例的技术方案，可以加快收敛速度且提高操作便捷性。
- 一种点击率预估模型训练方法和装置-202310891849.1
- 王芳;姜佳 - 深圳须弥云图空间科技有限公司
- 2023-07-20 - 2023-10-03 - G06N3/084
- 本申请涉及序列推荐技术领域，提供了一种点击率预估模型训练方法和装置。该方法包括：获取训练集，训练集至少包括物品特征和物品属性特征；将物品特征和物品属性特征输入至点击率预估模型，以获得第一增强特征；以及依据第一损失函数迭代更新点击率预估模型的参数，直至达到预设的迭代终止条件，以获得经预训练的点击率预估模型；将第一增强特征和物品特征输入至经预训练的点击率预估模型，以获得点击率预估结果；以及依据第二损失函数迭代更新点击率预估模型的参数，直至达到预设的迭代终止条件，以获得经微调的点击率预估模型。本申请可有效融合序列上下文和物品属性信息，提高点击率预估模型精排结果准确性。
- 一种基于采集终端的优化神经网络拓扑识别方法、系统-202310779341.2
- 李燚;钱谢成;左勇;张赢 - 安徽南瑞中天电力电子有限公司
- 2023-06-28 - 2023-09-29 - G06N3/084
- 本发明涉及电网计量技术领域，更具体的，涉及一种基于采集终端的优化神经网络拓扑识别方法、系统。本发明基于BP神经网络模型进行拓扑识别，使用目标采集终端自身记录的数据一、目标采集终端读取的所有待定电表的数据二进行预处理得到实际拓扑初步结果，并使用实际拓扑初步结果作为训练好的BP神经网络模型的输入，提高了模型输出的速度、准确性，解决了现有基于普通神经网络的用电拓扑识别方法中只有数据简单预处理，对于网络计算的速度、准确性提升效果一般的问题。
- 神经网络的训练方法、目标检测方法及控制装置-202310769798.5
- 易长渝;李远钱;温浩 - 重庆中科云从科技有限公司
- 2023-06-27 - 2023-09-29 - G06N3/084
- 本发明涉及一种神经网络的训练方法、目标检测方法及控制装置。所述方法包括：所述神经网络用于目标检测且包括特征提取模块以及至少两个单类别预测器，所述方法包括：将训练图片输入至特征提取模块中进行特征提取，得到第一特征向量；根据训练图片，得到所述训练图片所属的数据集；将所述第一特征向量输入至所述数据集对应的单类别预测器中进行训练。通过共享特征提取模块，多个单类别预测器可以使用相同的特征表示，避免了针对每个数据集分别训练一个独立模型所带来的计算资源和人力浪费。更加的高效、经济且具有良好的泛化能力，能够有效地解决现有技术在处理多个独立数据集时的缺陷，适应大规模和实时应用场景的需求。
- 一种用于大语言模型中Softmax函数训练的装置-202310881111.7
- 王中风;邵海阔;鲁金铭 - 南京大学
- 2023-07-18 - 2023-09-29 - G06N3/084
- 本发明提供了一种用于大语言模型中Softmax函数训练的装置，所述装置的上半部分是前向传播路径，下半部分是反向传播路径；所述前向传播路径包含e
- 一种基于有监督型SAE的尾气硫化氢浓度实时监测方法-202010630151.0
- 葛英辉;朱莹;请求不公布姓名 - 宁波大学
- 2020-06-23 - 2023-09-29 - G06N3/084
- 本发明公开一种基于有监督型SAE的尾气硫化氢浓度实时监测方法，旨在使用有监督型SAE模型解决对硫回收装置尾气H
- 一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法-202211507379.6
- 尤波;陈潇磊;李佳钰;董正 - 哈尔滨理工大学
- 2022-11-29 - 2023-09-29 - G06N3/084
- 本发明属于足式机器人驾驶操作技术领域。本发明公开了一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法，解决六足机器人驾驶员决策经验量化建模的问题。本发明所述的一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法，采用一种功能层次清晰、便于分步调试的深度神经网络结构，并采用梯度下降法逐层对神经网络参数进行训练，以分层、逐步、反向寻优的方式得到六足机器人驾驶员决策的神经网络模型。本发明可有效提升传统神经网络对高维非线性多输入/出决策模型训练的收敛速度和模型输出结果的可解释性，用该方法得到的驾驶员决策模型可大大提升六足机器人的自主决策水平。
- 机器学习装置、机器学习方法以及机器学习程序-202180074116.8
- 木田晋吾;竹原英树;杨尹诚 - JVC建伍株式会社
- 2021-12-09 - 2023-09-26 - G06N3/084
- 权重存储部(50)存储用于任务的特征检测的多个过滤器的权重。持续学习部(20)针对所输入的任务，持续学习多个过滤器的权重。过滤器控制部(40)在预定轮数的持续学习之后，将已学习任务的过滤器的权重与正在学习任务的过滤器的权重进行比较，并且提取权重相似度为预定阈值以上的重复过滤器作为任务之间的共享过滤器，将重复过滤器中的一个过滤器作为共享过滤器保留，并且对共享过滤器之外的过滤器的权重进行初始化。
- 一种工业硫磺回收装置尾气二氧化硫含量实时预测方法-202010630128.1
- 葛英辉;朱莹;请求不公布姓名 - 宁波大学
- 2020-06-23 - 2023-09-26 - G06N3/084
- 本发明公开一种工业硫磺回收装置尾气二氧化硫含量实时预测方法，本发明旨在充分利用SAE较强的特征提取能力，并在SAE的顶层增加一层非线性的输出神经元，从而可以将SAE应用于开发设计一种工业硫磺回收装置尾气二氧化硫含量在线软测量技术。与传统方法相比，首先，本发明方法通过在栈式自编码器的基础上新增一个输出层神经元，将适用于无监督学习的自编码器巧妙的转变成了有监督的软件测量建模方法；其次，本发明方法考虑到了工业硫磺回收装置采样数据在时间上的动态特性，采取将多个时刻的数据整合成一个输入向量，这样可以将时序性体现在软测量建模中；最后，在接下来的具体实施案例中，通过软测量精度对比验证了本发明方法的优越性。
- 岩体风险评估模型训练方法、电子设备及可读存储介质-202310409150.7
- 杨军;边文辉;王科学;翟兆玺;詹家旺;郝清硕;方毅 - 中国矿业大学（北京）;北京国锚工程技术研究院有限公司;北京数字岩石科技有限公司
- 2023-04-17 - 2023-09-22 - G06N3/084
- 本申请的实施例公开了一种岩体风险评估模型训练方法、电子设备及可读存储介质，通过上述岩体风险评估模型训练方法训练得到的岩体风险评估模型，在后续通过该岩体风险评估模型的输入层输入待评估数据，经过隐含层以及输出层处理后，输出风险评估结果，能够对岩体工程系统性、全方位的准确感知，使得相关人员能够获悉岩体工程的风险，避免了相关技术中缺乏风险感知等问题，难以及时准确的对现场进行预警的问题。
- 用于制造过程参数估计的模块式自动编码器模型-202180088188.8
- A·奥纳斯;B·J·M·铁默斯马;N·弗赫尔;R·德克斯 - ASML荷兰有限公司
- 2021-12-20 - 2023-09-22 - G06N3/084
- 描述一种模块式自动编码器模型。该模块式自动编码器模型包括：输入模型，该输入模型被配置成将一个或更多个输入处理成适于与其它输入组合的第一级维度；共同模型，该共同模型被配置成：降低所组合的经处理的输入的维度以在潜在空间中产生低维度数据；并且将该潜在空间中的该低维度数据扩展成适于产生一个或更多个不同的输出的该一个或更多个输入的一个或更多个扩展版本；输出模型，该输出模型被配置成使用该一个或更多个输入的该一个或更多个扩展版本来产生该一个或更多个不同的输出，该一个或更多个不同的输出是该一个或更多个输入的近似值；以及预测模型，该预测模型被配置成基于该潜在空间中的该低维度数据来估计一个或更多个参数。
- 基于时序对齐预测的序列距离度量方法、存储介质及芯片-202110773058.X
- 苏冰;文继荣 - 中国人民大学
- 2021-07-08 - 2023-09-22 - G06N3/084
- 本发明涉及机器学习技术领域，为基于时序对齐预测的序列距离度量方法、存储介质及芯片，包括步骤：先构建保序对齐预测(OAP)模型，对OAP模型进行自监督训练。保序对齐预测距离采用轻量级类似transformer的神经网络直接预测两个序列之间的最优对齐，因此在推理时只需要直接计算，不涉及优化。可以应用在序列分类和检索任务中，在获得和别的序列距离相当的性能同时，具有更快的推理速度。该方案提出的保序对齐预测OAP距离是可学习的序列距离，在推理中只需要直接计算，具有良好的可解释性；其次，通过设计产生近似真实对齐的序列增强方法，在此基础上，提出了自监督的OAP学习方法，不需要标注训练序列；此外，OAP距离可以方便地实现端到端的监督表征学习。
- 模型参数更新方法及装置-202010167280.0
- 李龙;王海峰;巩伟宝 - 北京百度网讯科技有限公司
- 2020-03-11 - 2023-09-22 - G06N3/084
- 本申请公开了模型参数更新方法及装置，涉及深度学习技术领域。具体实现方案为：获取模型对待训练的批次训练数据的批次训练时间；在批次训练时间大于等于预设的时间阈值时，提高参数梯度通信任务序列中排序在后的任务的优先级；按照模型中各个参数梯度通信任务的优先级进行参数梯度通信以及参数更新，从而能够结合批次训练时间对各个参数梯度通信任务的优先级进行调整，避免共享通信链路的其他训练任务的影响，减少训练时间，提高训练速度。
- 一种配电网理论线损率评估方法及系统-202010236515.7
- 王效壮;陈芳;钟佳霖 - 济南大学
- 2020-03-30 - 2023-09-22 - G06N3/084
- 本发明提供了一种配电网理论线损率评估方法及系统，涉及配电网技术领域，对获取配电网数据进行预处理，得到线路的负荷月有功电量之和以及标准差、代表日无功供电量和二十四小时有功功率主成分提取量；利用训练好的神经网络模型，以预处理后得到的线路运行数据和线路参数为输入，得到此线路的线损率预测值。本发明充分考虑了供电曲线和负荷分布特性对线损计算结果的影响，把线损的计算过程抽象为与线损相关联的多元特征提取过程，简化了线损计算过程，提高了计算效率和准确度。
- 用于神经网络模型的模型参数更新方法及装置-202310728893.0
- 沈力 - 京东科技信息技术有限公司
- 2023-06-19 - 2023-09-19 - G06N3/084
- 本公开涉及模型参数更新方法及装置。模型参数更新方法包括：获取第一训练数据和第二训练数据；根据第一训练数据，以最大化神经网络模型的初始模型参数的邻域内的平均损失为目标，沿着梯度下降的方向，对初始模型参数进行更新，得到第一模型参数；通过奇异值分解，确定第一训练数据基于第一模型参数的表示矩阵的多个左奇异向量，其数量通过k秩逼近操作确定且采用的超参数的值小于超参数阈值；根据第二训练数据，以最大化神经网络模型的第一模型参数的邻域内的平均损失为目标，确定损失函数的第二梯度；确定第二梯度与第一训练数据构成的子空间正交的梯度分量；根据正交梯度分量，沿着梯度下降的方向，对第一模型参数进行更新，得到第二模型参数。
- 神经网络模型的训练方法及装置-202110437224.9
- 黄雪 - 腾讯科技（深圳）有限公司
- 2021-04-22 - 2023-09-19 - G06N3/084
- 本申请提供了一种神经网络模型的训练方法及装置，涉及人工智能技术及云技术；方法包括：通过神经网络模型对标注有目标标签的训练样本进行预测，得到所述训练样本的预测标签；获取所述目标标签与所述预测标签之间的误差，并在所述神经网络模型中对所述误差进行反向传播；获取所述神经网络模型包含的各个网络层的缩放值，所述缩放值用于指示对反向传播至相应网络层的误差进行缩小或放大的比例；在反向传播所述误差的过程中，分别基于所述神经网络模型的各个网络层的缩放值，对反向传播至相应网络层的误差进行缩放处理；基于缩放处理后的误差，对所述神经网络模型的模型参数进行更新。通过本申请，能够提升训练得到的神经网络模型的预测精度。
- 一种模型训练方法及相关装置-202310552276.X
- 唐业辉;韩凯;丁宁;付中前;王云鹤 - 华为技术有限公司
- 2023-05-16 - 2023-09-12 - G06N3/084
- 一种模型的训练方法，应用于人工智能技术领域。在该方法中，先将作为训练数据的多媒体数据输入至内容描述模型，由内容描述模型输出用于描述多媒体数据中内容的文本，并对该文本执行特征提取，得到文本特征；然后将该多媒体数据输入至待训练模型中，由待训练模型提取得到多媒体特征，进而基于该多媒体数据对应的文本特征和多媒体特征来构建损失函数，实现对待训练模型的训练。通过由内容描述模型来输出针对于多媒体数据的描述文本，能够提供多媒体数据中更多的细节信息，且基于文本特征和多媒体特征来构建损失函数，能够在文本特征和多媒体特征之间实现匹配，有助于增强模型对于多媒体数据的认知，进而有效地提高模型处理多媒体数据的精度。
- 基于深度置信网络的转台测量回转基准角摆误差评定方法及装置-202310597312.4
- 谭久彬;成翰文;刘永猛;孙传智 - 哈尔滨工业大学
- 2023-05-25 - 2023-09-12 - G06N3/084
- 基于深度置信网络的转台测量回转基准角摆误差评定方法及装置，属于航空发动机单立柱超精密测量仪转台误差测量领域，解决由于回转基准角摆误差影响转台测量精度不高的问题。所述方法包括：初始化加工误差预测网络参数，得到训练样本；对每个RBM进行单独训练，将每个训练后的RBM堆叠在一起，得到预训练后的DBN结构和DBN‑DNN结构；进行有监督微调；不断更新DBN结构和BP网络的权值阈值，直到达到最大迭代次数，得到处理后的训练样本；预测测试样本，完成基于深度置信网络的转台测量回转基准角摆误差评定。本发明用于评定转台测量回转基准角摆误差，提高转台测量精度。
- 一种基于进化偏差的在线后门样本检测方法及系统-202311003842.8
- 吕训韬;黄华洋;赵令辰;王骞 - 武汉大学
- 2023-08-10 - 2023-09-12 - G06N3/084
- 本发明涉及深度学习模型的后门样本检测领域，具体涉及一种基于进化偏差的在线后门检测方法及系统。通过获得一个后门模型；为所述的后门模型均匀附加侧网得到多分支输出网络，并对所述的多分支输出网络在不改变原模型参数的条件下用干净数据训练侧网；向所述的多分支输出网络输入样本，根据每个分支的输出计算离群值分数；根据所述的离群值分数判断样本是否异常，超过阈值则判断为异常样本，对于异常样本可通过浅分支输出还原标签，并重新投入训练纯化模型。适用于计算资源有限的用户使用不可信第三方模型的场景，可在离线状态下检测和纯化模型，时间开销小，因此可用做安全增强工具。
- 一种基于残差神经网络的航磁补偿方法-202310350911.6
- 于平;毕凤仪;焦健;周龙然;周帅;卢鹏羽 - 吉林大学
- 2023-04-04 - 2023-09-08 - G06N3/084
- 本发明为一种基于残差神经网络的航磁补偿方法。包括：根据T‑L方程数学模型和干扰产生原因，确定残差神经网络的输入指标因素和输出指标因素；对飞行数据进行滤波处理后计算方向余弦及其导数得到输入样本和输出样本，获得归一化的残差神经网络的训练样本和预测样本。训练样本载入残差神经网络，以输入样本为输入，输出样本为输出，训练得到补偿模型；预测样本载入补偿模型中进行补偿计算，并将补偿模型的输出数据做反归一化处理，获得补偿后的磁干扰；通过对比补偿前后磁干扰的标准差和改善比，来对补偿系统进行评价，并绘制补偿图像。有效地保留了反向传播过程中的梯度特性，在一定程度上缓解神经网络航磁补偿中的梯度消失问题，提高航磁补偿精度。
- 一种基于光电神经网络的复合采集处理系统-201910982039.0
- 詹义强;骆佳艳;杨坤隆;袁斯建;郑立荣 - 复旦大学
- 2019-10-16 - 2023-09-08 - G06N3/084
- 本发明属于大脑启发计算领域，具体为一种基于光电神经网络的复合采集处理系统。本发明系统，采用光电神经网络将传感功能与处理网络合并；采用双模光电突触实现感知记忆功能；采用改进BP算法神经网络使光电突触权重更新取决于输入信号和二进制的BP信号以减少误差；其中双模光电突触采用底栅底接触场效应晶体管，该器件以聚酰亚胺薄膜作柔性基板，以聚（9,9‑二辛基芴‑共‑二硫代‑苯）作为光吸收材料、单壁碳纳米管作为导电通道，组成光电材料复合物；本发明系统光电转换效率高，设备面积小，可极大地降低成本，并且可以进行数据的并行传输，减少时间和能量损耗，具有重要实际应用意义。
- 专利分类
