“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]针对连续学习能力系统的基于特征操纵的攻击和防御方法-CN202111242998.2在审
发明人：郭良轩;陈阳;余山;曲徽;黄旭辉;张金鹏 -专利权人：中国科学院自动化研究所;中国航天科工集团第二研究院
申请日： 2021-10-25 - 公布日： 2022-01-11 - 主分类号： G06N3/08 文献下载
摘要：本发明属于模式识别、机器学习、多任务学习、对抗攻击技术领域，具体涉及一种针对连续学习能力系统的基于特征操纵的攻击和防御方法，旨在解决现有基于连续学习的智能系统安全性、鲁棒性较差的问题。本发明方法包括：获取图像干净样本；提取干净样本的特征；获取目标样本并提取特征，作为目标锚点特征；基于干净样本特征，结合目标锚点特征，通过攻击样本生成算法生成对抗样本；通过连续学习算法对图像分类模型进行训练，并统计在C类任务分类学习时干净样本对应的分类正确率；按照1：n的比例增入第一矩阵作为训练样本，重新训练；基于训练好的图像分类模型对图像进行分类。本发明提升了现有基于连续学习的智能系统的安全性、鲁棒性。
针对连续学习能力系统基于特征操纵攻击防御方法

[发明专利]机器学习装置、机器学习方法以及推论装置-CN202211050386.8在审
发明人：三岛直;Q·V·范;细矢悠介;藤村浩司 -专利权人：株式会社东芝
申请日： 2022-08-31 - 公布日： 2023-08-22 - 主分类号： G06N20/00 文献下载
摘要：提供一种机器学习装置、机器学习方法以及推论装置，能够高效地学习VQA任务的统计模型。机器学习装置包括处理电路。处理电路基于非VQA格式的样本，生成与VQA任务相关的VQA格式的学习样本。所述VQA格式的所述学习样本具有对象、与该对象相关的提问句以及针对该提问句的回答句的组合作为要素，所述非VQA格式的所述样本具有对象和与该对象相关联的标签的组合作为要素。处理电路基于所生成的所述VQA格式的所述学习样本训练所述VQA任务的统计模型。
机器学习装置学习方法以及推论

[发明专利]预测模型训练方法、数据处理装置和系统-CN202110969640.3在审
发明人：戴砚 -专利权人：北京易真学思教育科技有限公司
申请日： 2021-08-23 - 公布日： 2021-11-16 - 主分类号： G06N20/20 文献下载
摘要：预测模型训练方法由联邦学习系统中的第一数据处理装置执行，包括：从联邦学习系统中的第二数据处理装置接收第一用户特征样本数据；根据第一用户特征样本数据和自身参与训练的第二用户特征样本数据确定训练样本；将训练样本输入第一机器学习模型，并将训练样本发送给第二数据处理装置，以便第二数据处理装置将训练样本输入第二机器学习模型；将第二数据处理装置提供的第二机器学习模型的第一调整参数输入第一机器学习模型以进行前向传播；利用第二机器学习模型的损失值输入第二机器学习模型以进行反向传播
预测模型训练方法数据处理装置系统

[发明专利]基于多视角学习与元学习的小样本目标检测方法-CN202111453576.X在审
发明人：吴家豪;魏朋旭;林倞;王青 -专利权人：中山大学
申请日： 2021-12-01 - 公布日： 2022-03-01 - 主分类号： G06V10/25 文献下载
摘要：本发明公开了一种基于多视角学习与元学习的小样本目标检测方法，包括：构建小样本目标检测模型；基于多视角学习的类间样本对采样法，采用类别平衡的原则，构建多视角数据集；基于高信度深层特征的特征对比学习法，选择出基础类别和小样本类别的高信度特征并构建损失函数，实现类内与类间的特征对比学习；基于元学习的模型参数训练法，分别计算基础类别与小样本类别损失值对应的梯度，并回传更新小样本目标检测模型的参数。本发明通过构建多视角数据集与使用基于元学习的模型参数训练法，在模型微调阶段根据多视角的迁移特征信息，做出促进或抑制模型学习的判断，有效地解决基础类别的特征遗忘问题与小样本类别的过拟合问题。
基于视角学习样本目标检测方法

[发明专利]一种机器学习的均衡方法及相关装置-CN202111674899.1在审
发明人：杨海钦;赵嘉晨 -专利权人：粤港澳大湾区数字经济研究院（福田）
申请日： 2021-12-31 - 公布日： 2022-05-10 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种机器学习的均衡方法及相关装置，所述方法包括从所属正确类别为主要类别的训练样本中，按照预设概率筛选部分训练样本作为目标训练样本；对原始类别序列中的类别标签进行错排以形成错排类别序列；基于目标训练样本和错排类别序列生成错排输入数据；以错排输入数据对机器学习模型进行训练。本申请通过错排方式将部分正确类别为主要类别的训练样本的原始类别序列修改为错排类别序列，这样即可以保留所有训练样本，使得机器学习可以学习到所有训练样本所携带的特征信息，同时又阻止机器学习模型对主要类别的过度学习，使得机器学习在主要类别上的权重更新变小且次要类别不受影响，使得机器学习的训练过程更加平衡，提高了模型性能。
一种机器学习均衡方法相关装置

[发明专利]一种基于特征和样本对抗共生的多任务学习方法及其系统-CN202010594893.2在审
发明人：谭琦;杨沛 -专利权人：华南师范大学
申请日： 2020-06-28 - 公布日： 2020-10-13 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及多任务深度学习领域，其提供了一种基于特征和样本对抗共生的多任务学习方法，包括以下步骤：S1、随机抽取任务的样本，生成与领域无关的共性隐式特征；S2、基于步骤S1中生成的共性隐式特征，生成高仿真的样本，该高仿真的样本作为步骤S1下一循环的任务样本；S3、循环步骤S1和S2，直到多任务的对抗博弈达到均衡时，生成最终的高仿真样本和高质量分类标签；本发明还提供了一种基于特征和样本对抗共生的多任务学习系统；本发明解决了领域分布差异和小样本问题，将极大提高机器学习系统的泛化性能，从而推动人工智能的诸多应用领域取得突破。本发明不但适用于多任务学习和迁移学习，也适用于多视图学习和多模态学习。
一种基于特征样本对抗共生任务学习方法及其系统

[发明专利]一种基于主动学习的开放域小样本文本学习方法-CN202210927182.1在审
发明人：陈霄鹏 -专利权人：电信科学技术第十研究所有限公司
申请日： 2022-08-03 - 公布日： 2022-11-15 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于主动学习的开放域小样本文本学习方法，首先对小样本文本数据特征编码并初始化小样本模型；再采用主动学习算法获取正确数据集与候选集数据，对候选数据集编码；然后对编码后的候选数据集进行聚类分析，得到最优数目的聚类簇；将最优数目的聚类簇重新聚类，判别出最优簇；进行标注后生成新类别的文本数据以及小样本文本增量数据，将主动学习出的正确数据集、新类别的文本数据、小样本文本增量数据添加至小样本文本数据集本发明将主动学习与小样本学习融合，利用小样本学习的优势，经过主动学习的多次迭代，减少人工标注的数量以及次数，从而使得模型能够快速的落地应用。
一种基于主动学习开放样本文本学习方法

[发明专利]一种基于半监督学习的图像标注方法-CN202211453770.2在审
发明人：张宸;刘礼铭;董少奇;刘席郡;张长胜;张斌 -专利权人：东北大学
申请日： 2022-11-21 - 公布日： 2023-02-28 - 主分类号： G06V10/764 文献下载
摘要：本发明提供一种基于半监督学习的图像标注方法，涉及机器学习及图像处理技术领域。该方法可以看成基于两个阶段实现，即基于协同运算的半监督学习阶段和基于TSVM的半监督学习阶段。基于协同运算的半监督学习阶段用于完成对于未标记样本集中占绝大多数的易标注样本的标注任务，控制每次训练标注的样本数，同时对训练集中样本的个数也进行了很好地控制；减轻了SVM分类器的负担，保证了分类的准确率基于TSVM的半监督学习阶段用于完成剩余未标记样本的标注任务，将基于协同运算的半监督学习阶段已经标注完成的已标记样本和剩余的未标记样本都运用到训练之中，并且在训练过程中融入了集成学习的方法训练分类器的权重和训练集样本的权重
一种基于监督学习图像标注方法

[发明专利]基于差异性学习的分类识别方法、装置和电子设备-CN202310874059.2在审
发明人：章超;程建梅;刘宇洋;白云;丁睿 -专利权人：四川警察学院
申请日： 2023-07-17 - 公布日： 2023-10-03 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于差异性学习的分类识别方法、装置和电子设备，该方法中，先对图像样本中随机选择的两个图像样本进行模糊剪切融合，得到多个组合图像样本，然后，确定各组合图像样本的组合式标签和差异性标签，最后，通过多个组合图像样本、组合式标签和差异性标签对初始分类识别模型进行训练，进而得到基于差异性学习的分类识别模型。上述分类训练学习过程中，引入了有序性差异性学习的任务，即回归模块的训练，这样差异性学习任务能够学习到组合图像样本中的两个图像样本之间的有序性差异，进而，促进基于差异性学习的分类识别模型中分类模块更好地学习到组合图像样本中各目标的类别
基于差异性学习分类识别方法装置电子设备

[发明专利]基于深度学习的人工智能作战方法和机器人系统-CN201810774076.8有效
发明人：朱定局 -专利权人：大国创新智能科技（东莞）有限公司
申请日： 2018-07-15 - 公布日： 2021-06-18 - 主分类号： G05B13/04 文献下载
摘要：基于深度学习的人工智能作战方法和机器人系统，包括：生成多个第一作战案例样本；根据所述第一作战案例样本对所述作战深度学习模型进行无监督训练；从多个所述第一作战案例样本中筛选出多个符合预设条件的所述第一作战案例样本，作为多个第二作战案例样本；根据所述第二作战案例样本对所述作战深度学习模型进行有监督训练。上述方法和系统通过作战案例样本自动生成，解决了作战案例样本少无法进行有效深度学习和辅助决策的问题，提高了深度学习的效果和作战辅助决策的能力，提高了深度学习模型的准确性和作战机器人的主观能动性和智能性。
基于深度学习人工智能作战方法机器人系统

[发明专利]一种基于多示例主动学习的代表性图像选取方法-CN201910107745.0有效
发明人：朱威;王义锋;陈悦峰;滕游;陈朋;郑雅羽 -专利权人：浙江工业大学
申请日： 2019-02-02 - 公布日： 2021-04-09 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及机器学习领域，具体涉及一种基于多示例主动学习的代表性图像选取方法，包括以下步骤：(1)图像原始特征提取；(2)原始特征降维；(3)利用降维的特征进行原始样本图像预聚类；(4)选取初始训练样本；(5)训练分类器；(6)调整难分类样本集合；(7)调整原始样本集合；(8)重复执行步骤(5)至(7)进行迭代训练，直至收敛；(9)输出代表性图像。通过预聚类、多示例学习和主动学习方法从原始样本中筛选出对分类器分类精度贡献最大的样本集合，再对这些样本进行标注用于其它机器学习任务，这样不仅可以降低标注耗费的人力，而且可以滤除一部分噪声样本，保证其它机器学习任务的有效运行
一种基于示例主动学习代表性图像选取方法

[发明专利]一种基于多样本字典学习和局部约束编码的图像分类方法-CN201910930620.8有效
发明人：甘玲;王瑞芳 -专利权人：重庆邮电大学
申请日： 2019-09-29 - 公布日： 2022-10-18 - 主分类号： G06V10/774 文献下载
摘要：本发明请求保护一种基于多样本字典学习和局部约束编码的图像分类方法，属于人工智能技术领域以及图像分类领域。本发明首先利用K‑SVD算法对训练样本生成虚拟训练样本和初始化字典，并用所有的训练样本以及初始化字典学习一个字典和训练样本的编码系数，然后利用学习到字典学习测试样本的编码系数，利用训练样本的编码系数学习线性分类器系数，最后利用线性分类器系数对测试样本的编码系数进行分类识别并输出分类结果。本发明用于图像分类识别能够使学习到的字典和编码系数矩阵更加具有表示能力，可以明显提高分类准确率。
一种基于多样字典学习局部约束编码图像分类方法

[发明专利]图像识别模型训练方法和装置、图像识别方法和装置-CN201910956820.0在审
发明人：王晓波 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2019-10-10 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：图像识别模型训练装置利用图像样本集合分别对第一深度学习模型和第二深度学习模型进行训练；将第一深度学习模型的输出结果分为第一非噪声标签样本集合和第一噪声标签样本集合，将第二深度学习模型的输出结果分为第二非噪声标签样本集合和第二噪声标签样本集合；将第一非噪声标签样本集合和第二非噪声标签样本集合的交集作为干净标签样本集合；利用第二非噪声标签样本集合对第一深度学习模型继续进行训练，利用第一非噪声标签样本集合对第二深度学习模型继续进行训练。本公开能够高效识别出干净标签样本、有效避免误差积累情况的发生。
图像识别模型训练方法装置

[发明专利]基于深度度量学习和结构分布学习损失的图像检索方法-CN201910882849.9有效
发明人：赵宏伟;范丽丽;刘萍萍;赵浩宇;张媛;王鹏;袁琳 -专利权人：吉林大学
申请日： 2019-09-18 - 公布日： 2023-06-16 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于深度度量学习和结构分布学习损失的图像检索方法，所述方法通过学习相似样本与查询图片的距离来保持内部的相似性结构以及根据负样本周围样本的分布情况设置权重并进行学习以保持其结构分布的一致性本发明将结构保持和结构分布熵理论引入到图像检索中，根据正样本与查询图片的欧式距离以及负样本周围样本的分布情况调整网络参数，能够更全面的学习图像特征从而进行更准确的检索。本发明充分考虑了正样本和负样本的分布情况对实验的影响，可以根据模型的训练效果对正样本和负样本的数量进行调整。
基于深度度量学习结构分布损失图像检索方法

[发明专利]半监督机器学习优化方法、装置、设备及存储介质-CN202010044134.9有效
发明人：魏锡光;鞠策;李权;曹祥;刘洋;陈天健 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-01-15 - 公布日： 2023-09-26 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种半监督机器学习优化方法、装置、设备及存储介质，所述方法包括：获取训练样本，其中，训练样本包括有标签样本和无标签样本；根据训练样本与有标签样本之间的相似度以及有标签样本的真实标签，计算得到训练样本对应的伪标签；将训练样本的数据输入初始化机器学习模型得到训练样本对应的第一预测标签，并根据第一预测标签和伪标签计算初始化机器学习模型的损失函数；基于损失函数对初始化机器学习模型进行参数更新，迭代训练直到损失函数收敛时得到目标机器学习模型
监督机器学习优化方法装置设备存储介质