“学习样本”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418468个，建议您升级VIP下载更多相关专利

[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]一种基于深层神经网络的电网故障诊断方法及装置-CN202310041168.6在审
发明人：吴少雄;陆洋;陶晓峰;吕朋朋;刘淇;肖庆华;吴海龙;缪平;刘涅煊;韦宣;陆宇洋;赵孝春;丁健 -专利权人：国电南瑞科技股份有限公司;国电南瑞南京控制系统有限公司;南瑞集团有限公司
申请日： 2023-01-12 - 公布日： 2023-06-02 - 主分类号： G06N3/006 文献下载
摘要：本发明公开了一种基于深层神经网络的电网故障诊断方法及装置，所述方法包括获取电网故障告警信息和网络拓扑结构；根据电网故障告警信息和网络拓扑结构构建神经网络样本，神经网络样本包括神经网络学习样本和神经网络测试样本；对神经网络样本进行预处理，获得故障特征向量；将神经网络学习样本的故障特征向量输入至预先构建并基于混沌粒子群算法优化后的深层神经网络模型中进行学习，获得优化并学习后的深层神经网络模型；将神经网络测试样本的故障特征向量输入至优化学习后的深层神经网络模型中进行概率诊断测试，获取故障概率结果，本发明对样本建立深层神经网络模型并利用混沌粒子群算法对深层神经网络进行学习训练，具有较高的诊断正确率。
一种基于深层神经网络电网故障诊断方法装置

[发明专利]用于管理对比学习模型的方法、装置、设备和介质-CN202211393984.5在审
发明人：吴昊;杨成 -专利权人：北京有竹居网络技术有限公司
申请日： 2022-11-08 - 公布日： 2023-03-03 - 主分类号： G06V20/40 文献下载
摘要：提供了用于管理对比学习模型的方法、装置、设备和介质。在一种方法中，在第一训练阶段中，利用第一训练样本集训练对比学习模型以生成第一对比学习模型，第一训练样本集中的负样本对仅包括来自不同数据序列的数据段。在第二训练阶段中，利用第二训练样本集训练第一对比学习模型以生成第二对比学习模型，第二训练样本集中的负样本对包括来自相同数据序列的数据段。利用本公开的示例性实现方式，在第一训练阶段中可以充分获得样本的外观方面的知识，并且在第二训练中可以充分获得样本的外观和动态方面的知识。以此方式，进而提高对比学习模型的准确性。
用于管理对比学习模型方法装置设备介质

[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]一种表示学习模型的评估方法、装置、设备及介质-CN201910549544.6在审
发明人：周晋;李超;王翔 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-06-24 - 公布日： 2019-09-20 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种表示学习模型的评估方法，包括：针对基于无监督方式进行训练的表示学习模型生成性能评价指标，其包括第一指标和第二指标中的至少一个，其中，第一指标是基于表示学习模型在训练过程中学习到的第一样本子集中各样本的表示向量，生成的用于衡量同类样本相近且不同类样本相疏远的量化指标，第二指标是基于表示学习模型在训练过程中学习到的第二样本子集中各样本的表示向量对应的相似向量，生成的用于衡量样本表示稳定性的量化指标，根据所述性能评价指标，确定所述表示学习模型的训练情况。通过上述量化指标，使得不再依赖于后续的机器学习任务，整个表示学习的训练迭代过程大大加快。本申请还公开了对应的装置、设备及介质。
学习样本量化指标向量性能评价指标训练过程迭代过程机器学习模型生成样本表示样本子集无监督衡量评估申请本子

[发明专利]一种量子模糊机器学习对抗防御模型方法-CN202011433028.6在审
发明人：张仕斌;黄曦;李同;侯敏;昌燕;闫丽丽 -专利权人：成都信息工程大学
申请日： 2020-12-10 - 公布日： 2021-03-12 - 主分类号： G06K9/62 文献下载
摘要：一种量子模糊机器学习对抗防御模型方法，包括：S1、构造合法用户的量子模糊数据样本；S2、模拟恶意攻击者构建攻击策略：将构造好的扰动添加到合法用户的量子模糊数据样本中，形成恶意攻击者的量子模糊对抗样本；S3、将合法用户的量子模糊数据样本与恶意攻击者的量子模糊对抗样本提交给量子模糊机器学习系统训练和学习，量子模糊机器学习系统做出正确决策；其中，量子模糊机器学习系统包括对抗防御模块，对抗防御模块为防御恶意攻击者的对抗样本，使量子模糊机器学习系统做出正确决策。该模型方法可有效抵御恶意攻击者的攻击，提升量子模糊机器学习系统的安全性和鲁棒性，确保量子模糊机器学习算法安全、可靠地运行。
一种量子模糊机器学习对抗防御模型方法

[发明专利]一种基于机器学习的底水锥进定量描述方法及工具-CN202310652659.4在审
发明人：蔡文杰;路中振;曹成峰;张振东 -专利权人：浪潮软件股份有限公司
申请日： 2023-06-05 - 公布日： 2023-08-18 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种基于机器学习的底水锥进定量描述方法及工具，涉及底水油藏开采技术领域，包括：确定影响直井底水锥进的主控因素；基于主控因素设计样本组合方案，根据样本组合方案构建数值模拟样本库；以主控因素和距离油水界面的高度作为输入，以不同高度的水锥半径作为输出，构建机器学习样本库；结合Tensorflow深度学习框架来搭建基于LSTM‑CNN的机器学习模型；将机器学习样本库随机划分为训练集和测试集，并进行归一化；利用训练集和测试集分别训练和评估机器学习模型本发明应用于底水油藏的开发，通过构建机器学习样本库，能够更好的贴近油田实际情况，通过机器学习模型能够更好的实现对水锥形态的定量描述，进而指导底水油藏挖潜剩余油。
一种基于机器学习底水定量描述方法工具

[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]一种电梯悬停位置的确定方法及装置-CN201610368173.8有效
发明人：路廷文 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2016-05-30 - 公布日： 2018-07-06 - 主分类号： G06Q10/02 文献下载
摘要：本发明提供了一种电梯悬停位置的确定方法及装置，方法包括：预先构建样本库，样本库中包括多个样本，其中，每一个样本对应一个时间段和在该时间段内电梯停靠次数最多的楼层；确定目标时间段；在样本库中选择对应于目标时间段的多个目标样本；根据选择的多个目标样本进行迭代学习；根据学习结果确定在目标时间段内的第一电梯悬停位置。根据本方案，通过构建样本库，在样本库中选择对应于目标时间段的多个目标样本进行迭代学习，以根据学习结果确定目标时间段内的第一电梯悬停位置，通过迭代学习的方式可以保证确定的电梯悬停位置的准确性，从而可以降低用户呼叫等待电梯的时间
时间段悬停位置样本库电梯样本迭代学习多个目标学习结果构建电梯停靠工作效率用户呼叫楼层保证

[发明专利]基于记忆损失预测和延迟训练的主动学习事件抽取方法-CN202110541764.1有效
发明人：申时荣;漆桂林;李震 -专利权人：东南大学
申请日： 2021-05-18 - 公布日： 2021-08-06 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种基于记忆损失预测和延迟训练的主动学习事件抽取方法，该方案通过预测无标注样本的损失对其进行筛选，获取高质量的无标注样本进行标注。首先构建两个记忆模块，分别是已学习记忆模块和已选择记忆模块，已学习记忆模块在监督学习模型训练的过程中，存储已经学过的信息到已学习记忆模块，在样本选择的过程中，已选择记忆模块随着样本的选择存储已经选择的样本信息，综合两个记忆模块的信息对新样本的损失进行预测，得到样本损失后，利用内‑外损失排序策略启发式地选择有价值的样本进行标注，同时，提出了一种延迟训练策略，模拟样本选择场景对样本损失模型进行监督，最后得到一种低标注成本的高质量事件抽取模型
基于记忆损失预测延迟训练主动学习事件抽取方法

[发明专利]一种基于自监督对比约束下的小样本目标检测方法-CN202210421310.5有效
发明人：邢薇薇;姚杰;刘渭滨;张顺利;魏翔 -专利权人：北京交通大学
申请日： 2022-04-21 - 公布日： 2023-09-22 - 主分类号： G06F18/2415 文献下载
摘要：本发明提供了一种基于自监督对比约束下的小样本目标检测方法。该方法包括：将小样本目标检测问题建模成一个基于自监督学习的数学优化问题，构建对数据扰动敏感的小样本目标检测模型；设计小样本目标检测模型的优化目标函数；基于优化目标函数使用深度学习更新过程对小样本目标检测模型进行训练，得到训练好的小样本目标检测模型，利用训练好的小样本目标检测模型对待检测的小样本进行目标检测。本发明以两阶段学习过程为基础，使用迁移学习对领域知识进行学习，并在小样本数据集上进行模型微调。实验结果证明，本发明在PASCAL‑VOC公开数据集上取得了良好的性能，可以有效提高模型在小样本目标检测问题上的性能，具有较强的实际应用意义。
一种基于监督对比约束样本目标检测方法

[发明专利]模型训练方法、短信审核方法、装置、设备以及存储介质-CN202011093027.1在审
发明人：何烩烩;王乐义;刘明浩;郭江亮 -专利权人：北京百度网讯科技有限公司
申请日： 2020-10-13 - 公布日： 2020-12-15 - 主分类号： G06N20/00 文献下载
摘要：模型训练的具体实现方案为：对第一未标注样本进行样本约减，得到第二未标注样本；将第二未标注样本输入机器学习模型进行预测，得到对第二未标注样本的预测结果对应的概率；根据概率从第二未标注样本中选择出第三未标注样本；利用标注后的第三未标注样本训练机器学习模型。本申请实施例通过样本约减去除冗余样本，使得选出的样本具备一定的代表性。并且使用主动学习技术，利用机器学习模型进一步选出对于当前模型最有标注价值的信息量大的样本，减少了标注成本。
模型训练方法短信审核装置设备以及存储介质

[发明专利]模型蒸馏方法、设备、存储介质及装置-CN202111593539.9在审
发明人：江大山;胡传锐 -专利权人：北京奇虎科技有限公司
申请日： 2021-12-23 - 公布日： 2023-06-30 - 主分类号： G06N3/096 文献下载
摘要：本发明涉及网络模型技术领域，公开了一种模型蒸馏方法、设备、存储介质及装置，该方法包括：获取数据样本，并通过多个预设深度学习模型分别对数据样本进行标记，预设深度学习模型用于处理单对象任务，根据标记后的数据样本训练目标深度学习模型，以使目标深度学习模型获得处理多对象任务的能力；由于本发明基于预设深度学习模型对数据样本进行标记，从而能够在数据标注不完整的情况下完成模型训练，并且由于本发明中基于标记后的数据样本训练目标深度学习模型，从而能够使目标深度学习模型获得处理多对象任务的能力，进而减少了硬件资源的占用。
模型蒸馏方法设备存储介质装置

[发明专利]标识或检查机器学习分类模型的完整性-CN202211464954.9在审
发明人： T·希基;S·何 -专利权人：爱迪德技术有限公司
申请日： 2022-11-22 - 公布日： 2023-05-23 - 主分类号： G06F18/24 文献下载
摘要：一种用于标识分类系统是否被配置成使用特定机器学习分类模型的方法，所述方法包括：使用所述分类系统来针对包括多个测试样本的预定测试集中的每个测试样本生成对应的分类结果；以及标识如下情况中的任一个：（i）如果针对所述测试集中的每个测试样本，对应的分类结果与使用所述特定机器学习分类模型针对该测试样本产生的分类结果相匹配，则所述分类系统正在使用所述特定机器学习分类模型，或者（ii）如果所述测试集中存在如下测试样本：针对所述测试样本，对应的分类结果与使用所述特定机器学习分类模型针对该测试样本产生的分类结果不匹配，则所述分类系统没有正在使用所述特定机器学习分类模型；其中所述测试集与所述特定机器学习分类模型相关联，并且针对所述测试集中的每个测试样本，存在针对该测试样本的对应小修改，所述小修改导致使用所述特定机器学习分类模型针对该测试样本产生的分类结果中的改变
标识检查机器学习分类模型完整性

[发明专利]数据脱敏方法、联邦学习方法及系统-CN202111198377.9在审
发明人：刘红宝;杨燕明;高鹏飞;郑建宾;欧阳琛;周雍恺;杨阳;金灵;程栋 -专利权人：中国银联股份有限公司
申请日： 2021-10-14 - 公布日： 2022-02-15 - 主分类号： G06F21/62 文献下载
摘要：本发明提供了数据脱敏方法及装置、联邦学习方法及系统，该数据脱敏方法包括：将数据库中的多个样本导入数据脱敏环境，所述样本包括样本标识及其样本特征；在所述数据脱敏环境中，利用数据脱敏算法对每个所述样本的所述样本标识进行加密，并对导入所述数据脱敏环境的多个所述样本进行混淆处理，以实现所述样本的去标识化，其中，去标识化后的样本标识及其对应的样本特征仍具有映射关系，保留样本数据分析所需的有效信息。利用上述方法，能够将样本标识的隐私数据匿名化，并且也无法将去标识化后的样本对应到原始样本，实现了较好的脱敏效果。基于数据脱敏方法的联邦学习方法使用去标识化后的样本数据进行联邦学习，保证了联邦学习时的个人信息隐私化。
数据方法联邦学习方法系统

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条