“学习样本数据”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

钻瓜专利网为您找到相关结果2733314个，建议您升级VIP下载更多相关专利

[发明专利]机器学习模型训练方法、装置和计算机可读存储介质-CN201911107807.4在审
发明人：刘紫薇;宋辉;吕培立;董井然;陈守志 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-11-13 - 公布日： 2020-02-28 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及一种机器学习模型训练方法、装置、计算机可读存储介质和计算机设备，方法包括：获取待训练的机器学习模型的源域样本数据和目标域样本数据；确定目标域样本数据和源域样本数据之间的分布密度比；根据分布密度比确定各源域样本数据分别对应的源域样本权重；根据源域样本数据和目标域样本数据得到训练样本数据，并根据源域样本权重和目标域样本数据分别对应的目标域样本权重确定训练样本数据分别对应的训练样本权重；按照训练样本权重训练训练样本数据，在满足训练结束条件时，得到训练完成的机器学习模型。本申请提供的方案可以提高训练得到的机器学习模型的性能。
机器学习模型训练方法装置计算机可读存储介质

[发明专利]线上分类模型的学习更新方法及相关设备-CN202210184843.6在审
发明人：曾劲 -专利权人：北京有竹居网络技术有限公司
申请日： 2022-02-16 - 公布日： 2023-08-25 - 主分类号： G06V30/19 文献下载
摘要：本申请提供一种线上分类模型的学习更新方法、装置、电子设备及存储介质。所述方法，包括：根据线上分类模型的业务数据，生成学习样本数据并存储；每隔预定的时长，在存储的所述学习样本数据中，拉取一定量的目标学习样本数据，并基于所述目标学习样本数据发布标注任务；响应于所述标注任务完成，得到标注后的目标学习样本数据；根据所述标注后的目标学习样本数据，生成训练数据集并进行训练，得到模型更新数据；根据所述模型更新数据，更新所述线上分类模型。
线上分类模型学习更新方法相关设备

[发明专利]基于持续学习的联邦学习方法以及相关设备-CN202210908742.9在审
发明人：李泽远;王健宗;曹康养 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-29 - 公布日： 2022-10-21 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及计算机技术领域，提供了一种基于持续学习的联邦学习方法以及相关设备，方法应用于包括服务器、多个客户端的联邦学习系统，服务器和客户端均存储有基于第一样本数据集训练得到的第一联邦学习模型，所述方法通过客户端获取第二样本数据集，第二样本数据集和第一样本数据集分别用于第一联邦学习模型不同的学习任务，并从第一样本数据中提取多个样本数据作为辅助样本数据，在模型学习第二样本数据集的同时，最小化学习多个辅助样本数据时产生的损失对本地模型进行训练本申请实施例通过在模型学习新任务的同时，融入学习多个旧样本时产生的损失来修正模型梯度，保护模型学习到的旧知识，缓解灾难性遗忘。
基于持续学习联邦学习方法以及相关设备

[发明专利]数据处理方法、装置、设备及存储介质-CN202011271019.1在审
发明人：林江淼;黄启军;黄铭毅;陈瑞钦;刘玉德 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-11-13 - 公布日： 2022-05-13 - 主分类号： G06F16/242 文献下载
摘要：本发明公开了一种数据处理方法、装置、设备及存储介质，所述方法包括：获取数据库脚本语句，数据库脚本语句与第一样本数据和第二样本数据相关联，第一样本数据为第一客户终端本地数据库中的样本数据；根据数据库脚本语句，确定第二客户终端，第二样本数据为第二客户终端本地数据库中的样本数据；根据数据库脚本语句和加密算法，与第二客户终端进行第一样本数据和第二样本数据的数据对齐，获得第一样本数据和第二样本数据的交集数据，交集数据用于联邦学习本发明能够实现联邦学习中不同客户终端上的样本数据进行对齐，降低联邦学习中样本数据对齐的复杂度，并提高联邦学习中样本数据对齐的效率。
数据处理方法装置设备存储介质

[发明专利]一种样本数据的处理方法以及数据处理装置-CN201810246289.3有效
发明人：周大军;荆彦青;张力柯 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-03-23 - 公布日： 2022-04-15 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种样本数据的处理方法以及数据处理装置，用于节省人力成本，并为机器学习提供更多的学习样本，提高机器学习的效率和有效性。本申请实施例提供如下技术方案：获取样本数据，所述样本数据由终端录制所述终端的应用场景界面生成；获取所述样本数据中虚拟对象的状态信息；根据所述状态信息确定所述样本数据的数据标签，并根据所述状态信息确定所述样本数据对应的激励数据，所述数据标签用于指示所述样本数据对应的行动策略；将所述数据标签和所述激励数据与所述样本数据进行对应保存生成标签样本数据。
一种样本数据处理方法以及数据处理装置

[发明专利]生产排产方法和相关装置、存储介质和程序产品-CN202210739356.1在审
发明人：郭传亮;童晓慧 -专利权人：希望知舟技术（深圳）有限公司
申请日： 2022-03-16 - 公布日： 2022-10-21 - 主分类号： G06Q50/04 文献下载
摘要：本申请实施例提供基于机器学习的生产排产方法、装置及存储介质和程序产品，该方法包括：获取生产流程的多个工艺参数中每个工艺参数对应的规格线；基于每个工艺参数的规格线，获取用于机器学习训练的至少一个样本数据；通过机器学习训练，获取至少一个样本数据中每个样本数据的生产批次号；基于每个样本数据的生产批次号，对多个工艺参数进行排产。本申请实施例通过自动生成机器学习训练样本数据的方法，避免了人工确定样本数据造成选取样本数据标准不统一，保证了机器学习训练效果；其次，通过机器学习训练数据优化算法获得生产设备的每个批对应的最优工艺参数，保证每次训练的样本数据与每个批次的生产数据相对应
生产方法相关装置存储介质程序产品

[发明专利]一种基于机器学习的生产排产方法、装置及存储介质-CN202210256308.7有效
发明人：郭传亮;童晓慧 -专利权人：希望知舟技术（深圳）有限公司
申请日： 2022-03-16 - 公布日： 2022-06-17 - 主分类号： G06F17/00 文献下载
摘要：本申请实施例提供一种基于机器学习的生产排产方法、装置及存储介质，该方法包括：获取生产流程的多个工艺参数中每个工艺参数对应的规格线；基于每个工艺参数的规格线，获取用于机器学习训练的至少一个样本数据；通过机器学习训练，获取至少一个样本数据中每个样本数据的生产批次号；基于每个样本数据的生产批次号，对多个工艺参数进行排产。本申请实施例，首先，通过自动生成机器学习训练样本数据的方法，避免了人工确定样本数据造成选取样本数据标准不统一，保证了机器学习训练效果；其次，通过机器学习训练数据优化算法获得生产设备的每个批对应的最优工艺参数，保证每次训练的样本数据与每个批次的生产数据相对应，提高生产排产和管理的效率。
一种基于机器学习生产方法装置存储介质

[发明专利]一种基于机器学习的反窃电预测方法及装置-CN201410305888.X在审
发明人：张艳丽;孙志杰;介志毅;傅军;王莉;谢枫;张凌宇;程杰;陈洪涛;牛逸宁;刘同新;徐剑;李守超;高小博;闫东泽;赵玉妲;兰得志;贾喜涛 -专利权人：国家电网公司;国网冀北电力有限公司电力科学研究院;普华讯光（北京）科技有限公司
申请日： 2014-06-30 - 公布日： 2015-12-30 - 主分类号： G06N3/02 文献下载
摘要：本发明涉及一种基于机器学习的反窃电预测方法及装置，其中，所述方法包括：获取学习样本数据和预测样本数据；其中，所述学习样本数据包括：窃电特征因子、用户编号、电压等级、行业类别和所属线路，所述预测样本数据包括：窃电特征因子、用户编号、电压等级、行业类别和所属线路；对所述学习样本数据和所述预测样本数据进行预处理；对预处理后的学习样本数据确定反窃电神经网络模型；将所述预测样本数据作为所述反窃电神经网络模型的输入量
一种基于机器学习反窃电预测方法装置

[发明专利]基于心电图诊断的元学习模型训练方法、系统和设备-CN201811631982.9在审
发明人：朱佳兵;李毅;朱涛;张玮;罗伟 -专利权人：武汉中旗生物医疗电子有限公司
申请日： 2018-12-28 - 公布日： 2019-05-03 - 主分类号： A61B5/00 文献下载
摘要：本发明提供了一种基于心电图诊断的元学习模型训练方法、系统和设备，涉及元学习的技术领域，包括，获取多个样本数据组，其中，样本数据组包括多个样本数据。将多个样本数据组中的多个样本数据输入元学习模型，得到多个标签组。将多个与样本数据组对应的标签组代入元损失函数，得到多个元参数。将多个元参数输入元学习优化器，根据预设算法进行计算，得到最优元参数，根据最优元参数对元学习模型进行训练。元学习优化器把每一次训练中的元参数保留了下来，用作后续处理，使元学习模型具备心电图诊断的学习能力。
样本数据心电图诊断学习系统和设备模型训练标签组优化器参数输入后续处理损失函数学习能力预设算法保留

[发明专利]样本品质评估方法及装置、设备、存储介质-CN202310414332.3在审
发明人：张培源;艾欣;吴峥 -专利权人：北京锦绣年华信息科技有限公司
申请日： 2023-04-18 - 公布日： 2023-08-29 - 主分类号： G06F18/20 文献下载
摘要：本发明提供了样本品质评估方法及装置、设备、存储介质，方法包括：获取第一样本数据，第一样本数据为目标类别下的表示产品或者服务的品质的数据信息；根据第一样本数据的标注情况，从多个预设机器学习模型中选择目标机器学习模型；基于第一样本数据和模型训练目标，对目标机器学习模型进行训练；将第二样本数据输入至训练后的目标机器学习模型中，输出目标类别下的品质评估结果，用于评估目标类别下的产品或者服务的样本品质；第二样本数据和所述第一样本数据具有相同的标注情况本发明能够根据样本数据的不同选择对应的目标机器学习模型进行品质评估，能够提高品质评估的准确率。
样本品质评估方法装置设备存储介质

[发明专利]数据处理方法、装置、设备及存储介质-CN202011255219.8在审
发明人：卓本刚;黄启军;陈瑞钦 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-11-11 - 公布日： 2022-05-13 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种数据处理方法、装置、设备及存储介质，所述方法包括：客户终端获取数据处理指令，数据处理指令用于指示客户终端抽取参与横向联邦学习的样本数据，然后客户终端根据参与横向联邦学习的样本数据抽取规则，从本地的样本数据集中获取用于横向联邦学习的多份目标样本数据，多份目标样本数据用于横向联邦学习，参与该横向联邦学习的各客户终端获取目标样本数据时参考的是同一样本抽取规则，所以使得各客户终端对其它客户终端抽取进行模型训练的样本数据有所感知
数据处理方法装置设备存储介质

[发明专利]一种基于小样本进行增量学习的方法及装置-CN202111653502.0在审
发明人：崔燕红;魏风顺 -专利权人：北京泰迪熊移动科技有限公司
申请日： 2021-12-31 - 公布日： 2022-02-01 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于小样本进行增量学习的方法及装置，属于人工智能技术领域。该方法包括：首先基于知识蒸馏对第一小样本数据进行增量学习，得到损失函数；并基于损失函数获得历史训练样本数据中的错误样本数据；之后，对所述错误样本数据进行特征聚类处理，并基于特征聚类结果对第二小样本数据进行增量处理，得到更新后第二小样本数据；最后，基于知识蒸馏对更新后第二小样本数据进行增量学习，得到最终新模型。由此，能够基于新增小样本对原始模型进行增量学习，解决了现有技术中由于历史训练样本数据丢失导致无法利用新增小样本数据来迭代原始模型的问题，从而对原始模型实现了有效更新。
一种基于样本进行增量学习方法装置

[发明专利]模型的训练方法、数据处理方法、装置、电子设备及介质-CN202210315455.7在审
发明人：尉德利 -专利权人：北京百度网讯科技有限公司
申请日： 2022-03-29 - 公布日： 2022-06-24 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种样本数据生成方法、模型的训练方法、数据处理方法、装置及、电子设备及介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、图像处理技术领域，可应用于人脸识别等场景。具体实现方案为：确定样本数据的有效样本数据，得到有效样本数据，其中，有效样本数据的长度是有效样本长度；对有效样本数据进行剪枝，得到剪枝样本数据；对剪枝样本数据进行填充，得到中间样本数据；对中间样本数据中的填充数据进行掩码，得到目标样本数据；利用目标样本数据序列训练深度学习模型，得到数据处理模型，其中，目标样本数据序列包括多个目标样本数据。
模型训练方法数据处理装置电子设备介质

[发明专利]风险监控方法、装置、存储介质及电子设备-CN201910351344.X有效
发明人：李国琪;姜伟浩;浦世亮;闫春 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2019-04-28 - 公布日： 2023-06-30 - 主分类号： G06F18/20 文献下载
摘要：本申请提供一种风险监控方法、装置、存储介质及电子设备，用以提高有监督学习模型的风险区分能力，该风险监控方法包括：获取样本数据；所述样本数据中各数据关联同一类型事件；根据所述样本数据执行以下操作：从所述样本数据中提取已训练的有监督学习模型所需要的数据特征；按照与所述有监督学习模型对应的聚类规则对所述样本数据进行聚类学习并确定第一最终聚类结果；将所述样本数据、所述数据特征和所述第一最终聚类结果提供给所述有监督学习模型，由所述有监督学习模型根据所述数据特征和所述第一最终聚类结果对所述样本数据中各个数据对应的事件进行风险分析
风险监控方法装置存储介质电子设备

[发明专利]一种机器学习系统的训练方法和训练系统-CN201610113716.1在审
发明人：周俊 -专利权人：阿里巴巴集团控股有限公司
申请日： 2016-02-29 - 公布日： 2017-09-05 - 主分类号： G06F15/18 文献下载
摘要：本申请公开一种机器学习系统的训练方法和训练系统，利用多个样本数据对机器学习系统进行训练，该方法包括获得多个样本集合，每个样本集合包括对应取样时间段内的样本数据；根据每一个样本集合对应的采样时间段，设置该样本集合对应的采样率；获得多个根据采样率采样后的样本集合；分别确定所述多个采样后的样本集合的重要程度值；利用该重要程度值修正所述多个采样后的样本集合中的每一个样本数据，获得修正后的样本数据；将每一个所述修正后的样本数据输入机器学习系统，对该机器学习系统进行训练。本申请实施例在将样本数据输入机器学习系统之前对样本数据进行处理，在减轻机器的内存资源需求的同时尽量降低对机器学习系统的学习效果的影响。
一种机器学习系统训练方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条