“学习过程”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3692486个，建议您升级VIP下载更多相关专利

[发明专利]一种基于对比学习与记忆机制的知识追踪方法-CN202211312281.5在审
发明人：黄涛;胡俊杰;杨华利;耿晶;胡盛泽;张浩;刘三女牙;杨宗凯 -专利权人：华中师范大学
申请日： 2022-10-25 - 公布日： 2023-04-04 - 主分类号： G06N3/088 文献下载
摘要：本发明涉及教育大数据挖掘、对比学习与学生行为建模领域，提供一种基于对比学习与记忆机制的知识追踪方法，包括：(1)实现序列增强表征；(2)建模知识更新过程；(3)预测学生未来学习表现。本发明利用对比学习、自然语言处理、卷积神经网络、时间序列建模等技术方法，基于信息加工模型，系统地对学生行为模式进行深入挖掘，能够科学、全面地建模学生知识状态的变化过程，对学生学习情况进行预测。
一种基于对比学习记忆机制知识追踪方法

[发明专利]一种基于深度学习和增强学习的聚焦爬虫链接价值预测方法-CN201811442700.0有效
发明人：李石君;黎文丹;杨济海;余伟;余放;李宇轩 -专利权人：武汉大学
申请日： 2018-11-29 - 公布日： 2021-08-17 - 主分类号： G06F16/951 文献下载
摘要：本发明涉及一种基于深度学习和增强学习的聚焦爬虫链接价值预测方法，所述方法中网络爬虫沿着URL链接构成的网络拓扑图爬行，通过历史爬行过程的累计奖赏信息和URL特征预测URL链接的主题价值，并依据链接主题价值的大小选择下一个目标网页本发明的创新点在与构建了可用于增强学习的链接特征向量并将深度学习和增强学习结合用于聚焦爬行过程中的链接价值预测问题。
一种基于深度学习增强聚焦爬虫链接价值预测方法

[发明专利]一种发动机飞轮不规则度自学习系统及方法-CN202111033254.X在审
发明人：高伟锋 -专利权人：马瑞利（中国）有限公司
申请日： 2021-09-03 - 公布日： 2022-01-11 - 主分类号： G05B13/04 文献下载
摘要：本发明提供一种发动机飞轮不规则度自学习系统及方法，涉及发动机技术领域，包括：一诊断模块，用于供操作人员输入一自学习命令；一发动机控制模块，分别连接诊断模块、一制动踏板和一发动机，用于在接收到自学习命令并持续接收到制动踏板的一制动信号时，根据自学习命令进行发动机的飞轮不规则度自学习，实时反馈自学习过程中的自学习状态，并在发动机的飞轮不规则度自学习完成后保存自学习得到的飞轮不规则度；诊断模块还用于接收并显示自学习状态。有益效果是本系统及方法排除了人为操作对自学习过程的干扰，有效提高了自学习成功率，解决了传统操作无法适配部分混合动力汽车发动机飞轮自学习需求。
一种发动机飞轮不规则自学习系统方法

[发明专利]一种基于粒子群优化算法的增量贝叶斯网学习方法-CN202010453090.5在审
发明人：朱允刚;肖俊义;凌雨楠;杨能;余海涛 -专利权人：吉林大学
申请日： 2020-05-26 - 公布日： 2020-09-01 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及网络优化技术领域，具体为一种基于粒子群优化算法的增量贝叶斯网学习方法，该方法至少包括：采用一种与传统邻接矩阵、邻接表不同的、类似于二维数组的贝叶斯网络编码方法；充分发挥离散粒子群优化算法在最优搜索领域的优势，并与贝叶斯网恰当结合，完成贝叶斯网结构学习过程中最优结构的搜索过程；将粒子群算法应用于贝叶斯网络学习中，并模拟现实中数据增长的环境，将普通的一次性学习过程改为增量学习过程，使网络模型的结构和参数随时间动态更新
一种基于粒子优化算法增量贝叶斯网学习方法

[发明专利]基于联邦学习的系统安全漏洞检测方法及设备-CN202111369304.1在审
发明人：彭长根;黄湘洲;丁红发;田有亮;樊玫玫 -专利权人：贵州大学
申请日： 2021-11-18 - 公布日： 2022-02-08 - 主分类号： G06F21/57 文献下载
摘要：本申请涉及一种基于联邦学习的系统安全漏洞检测方法及设备，方法包括：模拟待检测联邦学习系统的联邦模型训练过程；在联邦模型训练过程中，随机选取联邦模型的训练节点进行模拟攻击；对受到模拟攻击之前的联邦模型和受到模拟攻击之后的联邦模型分别进行仿真，并将仿真结果进行对比生成对比结果；根据对比结果判断待检测联邦学习系统的安全性能。本申请中在待检测联邦学习系统进行模型训练的过程中随机选取联邦模型的训练节点进行模拟攻击来评测待检测联邦学习系统的安全性能，可以提前了解待检测联邦学习系统到对于重放攻击的防御程度，从而及时做出改进和完善。
基于联邦学习系统安全漏洞检测方法设备

[发明专利]一种车辆再识别方法及系统-CN201711395760.7有效
发明人：张史梁;田奇;高文;刘晓滨 -专利权人：北京大学
申请日： 2017-12-21 - 公布日： 2020-10-27 - 主分类号： G06K9/46 文献下载
摘要：本发明提供了一种车辆再识别方法及系统，基于车辆部件特征与集合距离度量学习，包括如下步骤：提取车辆的全局特征及局部特征，并基于局部特征的质量确定每个局部特征所占权重；通过集合距离度量学习，完成车辆再识别过程本发明使用集合距离度量学习加速特征学习的过程。集合距离度量学习首先将同一辆车的不同图片视为一个集合，通过减小每个集合内部的图片距离，同时增大不同集合之间的距离优化特征学习过程。
一种车辆识别方法系统

[发明专利]一种基于掩模学习的图像噪声抑制方法-CN201910662542.8在审
发明人：王中元;江奎;邹勤;易鹏 -专利权人：武汉大学
申请日： 2019-07-22 - 公布日： 2019-11-22 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于掩模学习的图像噪声抑制方法，包括掩模学习过程和噪声抑制过程。掩模学习过程中，利用注意力机制自适应地关注图像的真实信息，通过网络对图像进行特征提取，学习得到图像掩模，使得真实内容区域和噪声区域拥有不同的权重，从而区别出噪声和图像内容。在噪声抑制过程中，利用Sigmoid函数对掩模矩阵进行归一化处理，将这些权重值映射到0～1之间。由于掩模学习可以精确到图像像素，依据噪声分布的特性，对每块图像内容学习不同的权重值，因此本发明对于图像的噪声去除效果更好，同时保留了更多的高频细节。
权重掩模图像内容学习过程噪声抑制噪声学习图像相乘图像噪声抑制噪声去除效果归一化处理注意力机制高频细节关注图像权重矩阵特征提取图像像素图像掩模掩模矩阵噪声区域噪声信息真实内容真实信息自适应最小化映射保留网络

[发明专利]一种基于深度学习的预包装品质识别方法-CN201811152465.3在审
发明人：张耿霖 -专利权人：大连九州创智科技有限公司
申请日： 2018-09-29 - 公布日： 2020-04-07 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于深度学习的预包装品质识别方法，至少包括：离线训练过程及在线识别过程；离线识别过程：采集预包装图像的图像采集单元采集图像，并将图像采集单元采集的图像传至预处理单元进行预处理；预处理单元处理后的图像传至数据学习单元；数据学习单元学习后的数据传至储存单元储存；在线识别过程：采集预包装图像的图像采集单元采集图像，并将图像采集单元采集的图像传至预处理单元进行预处理；预处理单元处理后的图像传至数据学习单元；识别单元调用储存单元内储存的模型进行识别本发明通过学习模型实现识别的准确性和准确性，通过采集图像识别出包装的优劣，节省了人力劳动降低了检测的成本。
一种基于深度学习包装品质识别方法

[发明专利]一种基于增量学习的孪生网络目标跟踪的方法-CN202211073134.7在审
发明人：汲清波;陈奎丞;候长波;李子琦;吴江江;孔德强;戚宇飞 -专利权人：哈尔滨工程大学
申请日： 2022-09-02 - 公布日： 2022-12-02 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于增量学习的孪生网络目标跟踪的方法，将增量学习应用到目标跟踪网络模型的更新过程中；首先，将跟踪网络SiamRPN++的RPN复制为学生模型，利用跟踪过程中产生的高可信度目标作为在线训练的小样本集；然后，利用增量学习的方式学习上一帧网络产生的小样本集，对模型通过域扩展以及知识蒸馏的方式训练学生模型；最后，利用学生网络模型产生的目标信息和教师网络模型产生的目标信息进行动态加权融合以更新位置；本发明利用增量学习的方式使离线训练的模型具有自适应的学习能力，不仅有效利用了跟踪过程中目标的历史信息，还避免了对模型进行大规模的离线训练，提升了孪生网络算法在跟踪过程中处理目标形变情况的能力。
一种基于增量学习孪生网络目标跟踪方法

[发明专利]基于点阵笔数据的学习情况评价方法、装置和电子设备-CN202310204041.1在审
发明人：刘娟;李燕;王曼婕 -专利权人：北京一起教育科技发展有限公司
申请日： 2023-03-06 - 公布日： 2023-06-23 - 主分类号： G06Q10/0639 文献下载
摘要：本申请提供一种基于点阵笔数据的学习情况评价方法、装置和电子设备，其中，该方法包括：获取各学生的题目作答数据和点阵笔采集到的、学生作答题目过程中产生的作答过程数据；基于题目作答数据和所述作答过程数据，得到各学生的题目作答指标；利用高阶CFA框架对各学生的题目作答指标进行处理，得到评价参数；根据得到的评价参数和各学生的题目作答指标，对各学生的学习指标进行计算，并通过计算得到的各学生的学习指标，对各学生分别进行评价；利用高阶CFA框架对难题尝试率等7个题目作答指标进行处理，对题目作答过程中各学生的学习的坚韧性、专注性、时间管理情况以及作业成就情况等学习品质进行量化，对学生的学习品质进行客观准确评价。
基于点阵数据学习情况评价方法装置电子设备

[发明专利]基于遗传算法的堆叠式集成学习的聚酯特性粘度控制方法-CN202010321509.1有效
发明人：任立红;胡文琪;郝矿荣;陈磊;蔡欣;唐雪嵩;王彤 -专利权人：东华大学
申请日： 2020-04-22 - 公布日： 2022-04-29 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于遗传算法的堆叠式集成学习的聚酯特性粘度控制方法，将采集的聚合过程参数及其对应的特性粘度先采用堆叠式集成学习的框架进行处理，利用遗传算法对框架中的初级学习器的组合和次级学习器进行选择，然后搜索最优的堆叠式集成学习算法结构并进行训练，生成基于遗传算法的堆叠式集成学习的聚酯纤维特性粘度控制模型；将当前过程参数作为输入变量输入到所述模型中得到聚酯纤维特性粘度的预测值；最后将预测值与理想值进行比较，依据比较结果对输入变量进行调整，由此得到一组理想的聚合过程参数本发明的控制方法具有预测精度高、鲁棒性好、泛化能力强、可拓展性高的特点，能够有效对聚酯生产过程进行质量控制。
基于遗传算法堆叠集成学习聚酯特性粘度控制方法

[发明专利]基于深度学习和知识图谱的课外学习辅导系统及实现方法-CN201910596244.3在审
发明人：王浩 -专利权人：浙江有教信息科技有限公司
申请日： 2019-07-03 - 公布日： 2021-01-05 - 主分类号： G06Q50/20 文献下载
摘要：本发明公开了辅导学习技术领域的基于深度学习和知识图谱的课外学习辅导系统及实现方法，包括如下步骤：步骤一、对学习的资源、题目进行资源标签化，对学生、教师及其他的社群标签化，并形成知识图谱化；步骤二、学生预习、复习回顾，在线看资源；学生做作业、学习、考试、在线做题目；步骤三、收集学生学习过程和结果数据，收集学生社群的学习行为数据，基于认知模型、知识结构进行诊断分析，生成学生学情报告、学生画像，加入到知识图谱中，并进一步完善学习资源、题目、学生、教师、社群的标签，强化知识图谱，本发明在学生课外学习的教学练测评过程，引入了学生认知能力模型，采用深度学习和知识图谱的技术，提供中小学生课外个性化学习辅导。
基于深度学习知识图谱课外辅导系统实现方法

[发明专利]组件化的强化学习模型处理方法、系统、设备和存储介质-CN202110171433.3在审
发明人：朱恒满;周正;张正生;刘永升 -专利权人：超参数科技（深圳）有限公司
申请日： 2021-02-07 - 公布日： 2021-05-28 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及一种组件化的强化学习模型处理方法、装置、计算机设备和存储介质。包括：获取虚拟对象在与交互环境进行交互过程中所产生的交互数据；虚拟对象是由部署于云端的强化学习系统中的运行组件所控制；强化学习系统还包括学习组件和评估组件；通过学习组件，基于交互数据对强化学习模型进行迭代训练；在迭代训练的过程中，通过评估组件对迭代训练所得的强化学习模型进行评估，根据评估所得的结果判断迭代训练所得的强化学习模型是否满足交互条件；若否，则根据迭代训练所得的强化学习模型对运行组件关联的模型进行更新，以使运行组件基于更新的强化学习模型控制虚拟对象。采用本方法能够降低在不同业务中复用强化学习模型训练框架的复杂度。
组件强化学习模型处理方法系统设备存储介质

[发明专利]按键学习的方法及装置、遥控器、存储介质-CN202111081212.3在审
发明人：张继虎;秦向明 -专利权人：青岛海尔多媒体有限公司;海尔智家股份有限公司
申请日： 2021-09-15 - 公布日： 2022-02-01 - 主分类号： G08C23/04 文献下载
摘要：本申请涉及智能家电技术领域，公开一种按键学习的方法，包括：检测按键的按压时长；在按压时长达到第一时长的情况下，运行按键学习模式。通过对于单一按键的控制，来实现按键的学习过程。避免了现有技术中需要通过多个按键联合作用，来进行按键学习操作的复杂性，简化了按键学习的过程，同时简化了遥控器的按键结构。本申请还公开一种按键学习的装置及遥控器、存储介质。
按键学习方法装置遥控器存储介质

[发明专利]一种基于联邦学习的集成学习分类器及分类方法-CN202310500580.X在审
发明人：李彬;贾荫鹏;李圣伟;孙善宝;罗清彩;李锐 -专利权人：山东浪潮科学研究院有限公司
申请日： 2023-04-28 - 公布日： 2023-07-28 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种基于联邦学习的集成学习分类器及分类方法，属于联邦学习和集成学习技术领域，该分类器使用多个本地模型进行分类，所述多个本地模型在联邦学习框架下训练，并使用加权投票的方式进行集成，得到最终的分类结果；在进行联邦学习训练时，采用动态选举的方式进行模型选择，在每轮训练过程中，中心服务器随机选择部分本地设备参与训练。本发明可以保护数据的隐私性，同时模型具有较好的鲁棒性，并使训练过程更加高效。
一种基于联邦学习集成分类方法