“半监督学习”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果561572个，建议您升级VIP下载更多相关专利

[发明专利]一种基于地学数据库的半监督学习矿产资源定量预测方法-CN202110353244.8在审
发明人：张智强;王功文;李瑞喜 -专利权人：中国地质大学（北京）
申请日： 2021-04-01 - 公布日： 2021-07-13 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于地学数据库的半监督学习矿产资源定量预测方法，处理方法包括：本方法由三部分组成，第一部分为基础算法；第二部分为贝叶斯超参数优化算法；第三部分为用于评价预测方法效果和圈定找矿有利靶区的概率‑面积/体积图法，本发明的有益效果：通过上述三种方法组成的基于地学数据库的半监督学习矿产资源定量预测方法，并通过电脑软件的输入上述的三类方法，最终能达到矿产资源勘查的准确性和效率提升。
一种基于地学数据库监督学习矿产资源定量预测方法

[发明专利]一种基于RoBERTa模型的长文本信息立场检测方法-CN202210717351.9在审
发明人：冯天;张微;尤宁宁 -专利权人：浙江大学
申请日： 2022-06-23 - 公布日： 2022-10-18 - 主分类号： G06F16/35 文献下载
摘要：本发明在长文本信息立场检测任务中引入基于文本切割的RoBERTa模型，用于编码各索引片段；引入BiLSTM和CRF模块，用于标记关键证据；引入基于Self‑training的半监督学习方法，用于训练BiLSTM与现有长文本信息立场检测方法相比，本发明通过创新文本分割过程，解决RoBERTa模型对文本长度的限制问题，使其可更关注全局信息，避免因文本长度限制导致的局部信息丢失；通过基于半监督学习的关键句标注，提高模型的可解释性
一种基于 roberta 模型文本信息立场检测方法

[发明专利]基于半监督学习和Text-to-SQL模型的自动问答系统-CN202011391296.6有效
发明人：罗宇侠;饶若楠 -专利权人：上海交通大学
申请日： 2020-12-02 - 公布日： 2022-08-12 - 主分类号： G06F16/332 文献下载
摘要：一种基于半监督学习和Text‑to‑SQL模型的自动问答系统，包括：海量样本生成单元、模型训练单元和模型压缩单元，其中：海量样本生成单元根据人工标注的问句，SQL样本自动生成用于模型训练的海量样本，模型训练单元采用半监督学习的方法结合人工标注的样本和自动生成的样本训练
基于监督学习 text to sql 模型自动问答系统

[发明专利]一种基于双伪标签优化学习的RGB图像半监督目标检测方法-CN202210822832.6在审
发明人：魏巍;张磊;孙宇轩 -专利权人：西北工业大学
申请日： 2022-07-12 - 公布日： 2022-11-25 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种基于双伪标签优化学习的RGB图像半监督目标检测方法，对于训练批量中的有标注图像，首先对图像进行数据增广操作，然后利用真实标签监督学生模型在图像上的学习。然后利用该图像的伪类别标签和伪包围框标签监督学生模型在弱增强图像上的学习。最后，在有标注图像上构造用于训练伪类别优化网络和伪包围框优化网络的样本和，然后用相应的标签监督优化网络的学习。
一种基于标签优化学习 rgb 图像监督目标检测方法

[发明专利]一种基于人工智能的中医辩证治疗辅助系统及方法-CN202011482571.5在审
发明人：崔书克 -专利权人：河南经方云科技有限公司
申请日： 2020-12-14 - 公布日： 2021-03-16 - 主分类号： G16H20/90 文献下载
摘要：在细节上，在细节上本申请建立包含多个低级监督学习单元的随机监督学习集群辩证器；在细节上，得到所述多个低级监督学习单元的基础面的辩证分析特征，得到所述基础面的辩证分析特征的出现概率，根据所述出现概率最大的辩证分析特征生成主监督学习单元的方向扩展面；判断所述方向扩展面的辩证分析特征是否为可计算特征，得到所述多个低级监督学习单元的基础面中辩证分析特征为可计算特征的面的扩展数据。
一种基于人工智能中医辩证治疗辅助系统方法

[发明专利]模型训练方法、系统、终端设备及存储介质-CN202110806047.7在审
发明人：徐敏;肖龙源;叶志坚 -专利权人：厦门快商通科技股份有限公司
申请日： 2021-07-16 - 公布日： 2021-12-03 - 主分类号： G10L15/06 文献下载
摘要：本发明提供了一种模型训练方法、系统、终端设备及存储介质，该方法包括：对样本语音进行抽样得到抽样语音，对抽样语音进行语音标注，得到转写文本，对剩余样本语音进行切分得到切分语音，根据切分语音设置自监督学习模型的回归任务标签；对切分语音进行采样得到样本对，将样本对输入自监督学习模型进行模型训练；根据自监督学习模型训练声纹识别模型；根据转写文本训练语言模型，根据抽样语音和收敛后的自监督学习模型训练声学模型；根据训练后的声学模型和语言模型构建语音识别模型本发明采用自监督学习的方式进行语音识别模型的构建和声纹识别模型的训练，无需大量的已标注数据，降低了数据标注的工作量，提高了模型训练效率。
模型训练方法系统终端设备存储介质

[发明专利]基于肿瘤细胞系自监督学习的抗癌药物反应预测方法和装置-CN202210642800.8在审
发明人：吴健;欧阳振球;徐红霞;应豪超;陈文博;何振烽;叶志前 -专利权人：浙江大学温州研究院
申请日： 2022-06-08 - 公布日： 2022-08-02 - 主分类号： G16H70/40 文献下载
摘要：本发明公开了一种基于肿瘤细胞系自监督学习的抗癌药物反应预测方法和装置，提出的基于预测式的自监督学习方式、基于对比式的自监督学习方式和基于原型对比式的自监督学习方式三种肿瘤细胞系的自监督学习方式可以被用于以
基于肿瘤细胞系监督学习抗癌药物反应预测方法装置

[发明专利]基于自监督学习技术的被遮挡的人脸表情识别方法及应用-CN202211334926.5在审
发明人：王上飞;王佳禾;丁赫彦 -专利权人：中国科学技术大学;合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2022-10-28 - 公布日： 2023-01-20 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于自监督学习技术的被遮挡的人脸表情识别方法及应用，该方法的步骤包括：1、对一个包含无标签人脸图像的数据库进行图像预处理；2、构建自监督学习的前置任务阶段网络模型；3、构造相似性损失和遮挡识别损失；4、使用梯度下降法对自监督学习的前置任务阶段网络模型参数进行优化；5、对N类人脸表情图像的数据库进行图像预处理；6、构建自监督学习的下游任务阶段网络模型；7、构造分类损失；8、使用梯度下降法对自监督学习的下游任务阶段网络模型参数进行优化
基于监督学习技术遮挡表情识别方法应用

[发明专利]一种基于机器监督学习识别页岩纹层组合类型的方法-CN202011542353.6有效
发明人：葸克来;张媛媛;操应长;王浩;林敉若;李克 -专利权人：中国石油大学（华东）
申请日： 2020-12-22 - 公布日： 2022-07-15 - 主分类号： G01V5/12 文献下载
摘要：本发明公开了一种基于机器监督学习识别页岩纹层组合类型的方法，步骤1：确定主要发育的矿物类型，作为机器监督学习所需的预测目标值；步骤2：选取对矿物敏感的测井数据，作为机器监督学习所需的输入参数；步骤3：建立和评估机器监督学习的模型本发明提出了基于机器监督学习，建立“常规测井数据‑矿物组分预测‑纹层组合判别”的模式，实现页岩纹层组合类型识别的方法。
一种基于机器监督学习识别页岩组合类型方法

[发明专利]一种基于深度学习的专利文本摘要生成方法和装置-CN202111009517.3在审
发明人：石振锋;竺彦秀;孙赟星 -专利权人：黑龙江阳光惠远信息技术有限公司
申请日： 2021-08-31 - 公布日： 2021-12-24 - 主分类号： G06F40/216 文献下载
摘要：本申请公开了一种基于深度学习的专利文本摘要生成方法和装置，涉及计算机数据处理技术领域，所述方法包括：数据采集步骤：对所述专利文本进行文本分词，过滤掉停用词后建立词汇表；深度学习步骤：对于每个词汇表中的词汇，通过词嵌入将分词后的词语以向量的形式表示，输入到基于RNN的Seq2Seq模型中，并引入注意力机制，根据输入序列的文本特征得到组成所述专利文本摘要的词语序列；半监督学习步骤：将组成所述专利文本摘要的词语序列，输入半监督学习的自训练算法训练的深度学习网络，输出生成概率最大的词语序，进而组成所述专利文本的摘要结果。
一种基于深度学习专利文本摘要生成方法装置

[发明专利]一种基于协同异质深度学习网络的红外人体行为识别方法-CN202210612060.3在审
发明人：唐超;童安炀 -专利权人：合肥学院
申请日： 2022-05-31 - 公布日： 2022-10-04 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种基于协同异质深度学习网络的红外人体行为识别方法，属于计算机视觉领域，包括如下步骤：首先，构建基于红外图像的动作的视图表征，分别构建同一动作的红外图像空间信息视图和红外光流时间信息视图；其次构建出两个异质深度网络进行基于视图差异的异质网络协同训练，训练过程中采用基于多次输出一致性和置信度评估两种方法来挑选未标签数据；最后，通过协同训练好的异质网络模型进行特征提取并进行特征融合，然后输入到随机森林进行训练及分类识别，有效克服了深度学习和半监督学习在行为识别中存在的弊端，将深度学习和半监督学习结合进行人体行为完美识别。
一种基于协同深度学习网络红外人体行为识别方法

[发明专利]应对智能家居环境中旁路攻击的隐私保护方法及系统-CN201610556753.X有效
发明人：朱娜斐;肖起;何泾沙;常成月;张亚君;方静 -专利权人：北京工业大学
申请日： 2016-07-14 - 公布日： 2019-03-12 - 主分类号： H04L12/24 文献下载
摘要：本发明公开了应对智能家居环境中旁路攻击的隐私保护方法及系统，对智能家居环境中传感器类型和传感器发送时间进行排序、聚类，得到DFR参数；通过DFR参数对噪音数据进行标签，调用半监督学习算法得到学习参数，将学习参数分发给所有传感器节点；传感器节点将学习参数代入预测函数中构建预测模型，将当前网络状态信息输入到预测模型中，判断是否发送噪音数据。本发明基于智能数据分析和半监督学习，能够根据智能家居环境中的人们的行为习惯和传感器网络状态自适应的添加噪声数据，使得全局攻击者即便能够监听所有无线射频信号，也无法分析出用户的真实行为，或者分析出错误的行为
应对智能家居环境旁路攻击隐私保护方法系统

[发明专利]基于半监督学习和细粒度特征学习的分类优化方法-CN201811369238.6有效
发明人：赖丹宇;陈龙 -专利权人：中山大学
申请日： 2018-11-16 - 公布日： 2023-01-06 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及计算机视觉的技术领域，更具体地，涉及基于半监督学习和细粒度特征学习的分类优化方法。本发明是一种利用半监督学习来筛选伪标签数据，并且指定一种细粒度图片特征提取、利用方法来提升神经网络的泛化能力，以提升分类网络其在细粒度分类任务上的表现。包括：通过伪标签数据来扩充数据集；通过SSD对输入图片进行目标检测，对检测结果通过多个尺度进行裁剪，将检测结果和裁剪得到的图像块一起送入分类网络中学习，通过加权输出抑制背景块的影响。本发明还涉及到迁移学习，具体涉及到利用ImageNet数据集上的预训练模型的，冻结卷积层，微调全连接层，极大的节省了训练内存，节省了训练时间。
基于监督学习细粒度特征分类优化方法

[发明专利]用户分析模型优化方法及装置-CN202210032601.5在审
发明人：范进;宋子龙;温志龙 -专利权人：盐城矩阵运营管理有限公司
申请日： 2022-01-12 - 公布日： 2022-05-24 - 主分类号： G06Q10/04 文献下载
摘要：包括：获取半监督共享模型并将所述半监督共享模型发布至区块链网络中，以使得所述区块链网络中的各个节点将所述半监督共享模型下载至本地，而所述半监督共享模型用于基于半监督用户数据分析用户行为；接收所述各个节点上传的子模型参数，所述子模型参数为各个节点基于本地数据通过半监督学习得到的；根据所述子模型参数对所述半监督共享模型进行优化。
用户分析模型优化方法装置

[发明专利]一种基于半监督学习的DHT网络敏感内容识别方法-CN202211531946.1在审
发明人：纪天啸;李致;姚晓;徐彦婷 -专利权人：国家计算机网络与信息安全管理中心
申请日： 2022-12-01 - 公布日： 2023-06-23 - 主分类号： G06F40/284 文献下载
摘要：本发明公开了一种基于半监督学习的DHT网络敏感内容识别方法，通过爬取DHT网络得到网络数据并对其中部分数据进行人工标注，构建了文件元数据数据集，同时针对种子信息文本自身具有的有效信息较为分散等特征，采用基于注意力机制的双向长短期记忆网络模型进行敏感内容识别，运用基于数据驱动的学习型算法极大减少了人工干预定义规则的需求，同时针对DHT网络数据训练过程中存在的数据量少、数据不平衡及无效样本多等问题，采用基于有标签数据和无标签数据同时进行训练的半监督学习方法有效提升了模型在小样本标注数据集上的训练效果
一种基于监督学习 dht 网络敏感内容识别方法

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

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

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top