“机器学习算法”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1005820个，建议您升级VIP下载更多相关专利

[发明专利]基于统一描述表达的机器学习算法资源共享方法及系统-CN202010483836.7在审
发明人：向隆刚;李雅丽 -专利权人：武汉大学
申请日： 2020-06-01 - 公布日： 2020-10-23 - 主分类号： G06F16/28 文献下载
摘要：本发明公开一种基于统一描述表达的机器学习算法资源共享方法及系统，该方法包括：构建机器学习算法的六元组统一描述模型，并形式化表达形成关于机器学习算法描述的知识；基于所述关于机器学习算法描述的知识，设计知识库结构，对算法知识进行存储与组织，并设计相应的数据库访问接口，以支持算法知识库管理；基于知识库和上层应用对算法的需求，首先通过匹配方法，获取候选机器学习算法集合，然后通过评价方法，确定最优机器学习算法；基于所述最优机器学习算法，执行目标机器学习算法，将输入转化为输出，供上层应用做进一步的分析决策。本发明能够解决上层应用从海量机器学习算法资源中选择出合适算法的难题，能够实现算法资源共享与智能匹配。
基于统一描述表达机器学习算法资源共享方法系统

[发明专利]微型机器学习-CN201980081260.7在审
发明人： S·阿格尔沃;V·瓦拉达拉珍;S·伊蒂库拉;N·阿格尔沃 -专利权人：甲骨文国际公司
申请日： 2019-10-17 - 公布日： 2021-07-23 - 主分类号： G06N5/00 文献下载
摘要：描述了用于生成和应用机器学习算法的微型机器学习变体以在调整和选择机器学习算法时节省计算资源的技术。在实施例中，用于参考变体的超参数值中的至少一个超参数值被修改为新的超参数值，从而从机器学习算法的参考变体生成机器学习算法的新变体。基于机器学习算法的新变体的成本度量并将新变体和参考变体的性能得分进行比较，系统确定修改后的参考机器算法是否是计算上成本低于机器学习算法的参考变体但紧密跟随参考变体的准确度的微型机器学习算法。
微型机器学习

[发明专利]用于模型优化的方法、装置以及存储介质-CN202010180798.8在审
发明人：赵龙刚;云亮;孙佩霞;李伟;张伟;石晓东;张小平 -专利权人：中国电信股份有限公司
申请日： 2020-03-16 - 公布日： 2021-09-17 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种用于模型优化的方法、装置以及存储介质，其中的方法包括：在模型运行环境中添加建立目标模型所需的第一机器学习算法组件；基于第一机器学习算法组件建立与目标模型相对应的第一模型流程图；利用预设的元学习算法获取用于与第一机器学习算法组件进行比对的至少一个第二机器学习算法组件；使用预设的比对规则，对第一机器学习算法组件与第二机器学习算法组件进行比对处理；基于比对结果对目标模型进行优化处理。本公开的方法、装置以及存储介质，能够基于元学习自动增加机器学习算法组件，进行机器学习算法对比实验，可以让开发人员在不进行编码的情况下进行机器学习的开发和训练，可以显著加快模型开发效率。
用于模型优化方法装置以及存储介质

[发明专利]一种机器学习算法的自适应调整方法和系统-CN201810008518.8在审
发明人：吴婧雅;鄢贵海;李晓维 -专利权人：中国科学院计算技术研究所
申请日： 2018-01-04 - 公布日： 2018-09-25 - 主分类号： G06N99/00 文献下载
摘要：本发明涉及一种机器学习算法的自适应调整方法和系统，包括：通过对机器学习算法进行分析，获取控制其计算时间的可控参数，并根据该可控参数在各具体数值下该机器学习算法的实际计算时间，建立该机器学习算法计算时间的量化模型库；根据各时间窗内输入数据的复杂度，对该机器学习算法结构进行粗粒度调整，给定算法模型的复杂度范围，并根据该机器学习算法对该输入数据进行量化描述，结合给定的时间限制在该量化模型库中确定该可控参数的具体数值，并将该具体数值应用至该机器学习算法，以实现该机器学习算法的自适应调整。本发明使得机器学习算法能够在有限的计算资源条件下适应流式数据的在线应用场景，在给定的时间限制下给出合理的计算结果。
机器学习算法自适应调整可控参数时间限制复杂度模型库量化计算资源流式数据算法模型在线应用粗粒度时间窗场景应用分析

[发明专利]一种机器学习单机算法编排系统及方法-CN201910493696.9在审
发明人：吕天贵;张明;史红新;张凡;吴跃光;尚伟;刘育花;吕晓琳;剧建军;刘冠军;周悦淇 -专利权人：中信银行股份有限公司
申请日： 2019-06-06 - 公布日： 2019-09-17 - 主分类号： G06F9/455 文献下载
摘要：本发明提供一种机器学习单机算法编排系统及方法。所述系统特征在于包括：机器学习算法依赖模块，用于预定义机器学习算法容器镜像，并存储创建的所述机器学习算法容器镜像；应用容器平台，用于基于所述机器学习算法容器镜像创建应用容器；自定义业务算法模块，用于将业务算法代码存储于代码仓库或者以静态文件存储于分布式文件系统；算法环境框架，用于嵌入所述应用容器，具体为一种编程语言Python实现的方法和接口。实现了机器学习算法环境秒级创建、保证算法执行完毕、支持多算法任务负载的效果。
机器学习算法算法编排系统机器学习应用容器单机分布式文件系统静态文件存储自定义业务编程语言创建应用代码存储任务负载算法环境算法模块算法执行系统特征业务算法预定义创建嵌入存储仓库保证

[发明专利]一种机器学习系统-CN202010127495.X在审
发明人：蒋英明;贺波;万书武;李均;钟文彬;钟孝勋 -专利权人：平安科技（深圳）有限公司
申请日： 2020-02-28 - 公布日： 2020-06-30 - 主分类号： G06N20/00 文献下载
摘要：本申请适用于人工智能技术领域，提供了一种机器学习系统，包括：计算资源模块、机器学习算法及框架模块、资源管理模块、操作模块以及数据模块；计算资源模块用于为机器学习系统提供计算资源；机器学习算法及框架模块用于提供构建机器学习模型的机器学习的算法和框架；资源管理模块用于对计算资源进行调度；操作模块用于提供构建机器学习模型的操作平台；数据模块用于提供机器学习模型的样本数据，基于大数据平台的基础，利用机器学习算法及框架模块提供多种机器学习算法和框架，利用操作模块构建机器学习模型，并基于资源管理模块调度计算资源对构建的机器学习模型进行训练，无需重复部署集群环境，有效地避免硬件资源浪费，降低开发和运维成本。
一种机器学习系统

[发明专利]一种机器学习算法运行方法、装置、设备及介质-CN202110594035.2在审
发明人：戴清良;王中伟;陈屹;李建伟;辛帅;孙永良;陈维强 -专利权人：青岛海信网络科技股份有限公司;青岛国创智慧云脑科技有限公司
申请日： 2021-05-28 - 公布日： 2022-11-29 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种机器学习算法运行方法、装置、设备及介质，用以在同时运行多种机器学习算法的同时，还可以保证多种机器学习算法之间的数据安全及占用电子设备资源的合理性。由于本申请可以在电子设备的容器中运行机器学习算法及Conda基础镜像，从而不仅可以基于Conda基础镜像，激活不同机器学习算法依赖的运行环境，使多种机器学习算法可以同时运行；同时，还可以基于容器的沙箱机制，对电子设备中同时运行的不同机器学习算法的数据进行安全隔离，保证多种机器学习算法之间的数据安全；另外，还可以基于容器的沙箱机制，对当前运行的机器学习算法占用电子设备资源的大小进行限制，从而达到合理的占用电子设备资源的目的
一种机器学习算法运行方法装置设备介质

[发明专利]机器学习算法选择方法、分布式计算系统-CN202110248656.5在审
发明人：任文龙;倪煜 -专利权人：北京金山云网络技术有限公司
申请日： 2021-03-05 - 公布日： 2021-06-15 - 主分类号： G06F30/27 文献下载
摘要：本发明实施例涉及一种机器学习算法选择方法、分布式计算系统，该机器学习算法选择方法包括：Master节点在接收到机器学习算法选择任务后，从多个计算节点中确定N个可用的目标计算节点，以及向N个目标计算节点发送不同机器学习算法对应的机器学习模型训练任务；目标计算节点执行接收到的机器学习模型训练任务，以及确定训练得到的机器学习模型的模型评价指标值，将模型评价指标值发送给Master节点；Master节点根据接收到的所述模型评价指标值展示所述机器学习算法选择任务的执行结果由此，可以实现多个计算节点并行地执行不同的机器学习模型训练任务，从而节省用户在选择机器学习算法时所花费的时间。
机器学习算法选择方法分布式计算系统

[发明专利]一种跨语言机器学习方法及系统-CN202011208898.3有效
发明人：刘子星;张镇潮;梁嘉楠;徐煌 -专利权人：税友软件集团股份有限公司
申请日： 2020-11-03 - 公布日： 2022-08-09 - 主分类号： G06F8/30 文献下载
摘要：本发明公开了一种跨语言机器学习方法及系统，应用于以web服务的形式形成的机器学习平台，根据机器学习算法的各算法流程，生成算法流程图框架；根据各算法流程各自对应的具体操作步骤，一一为算法流程图框架上的各流程节点配置相应的算法描述；遍历算法流程图框架上的各流程节点，生成节点执行顺序，并按照节点执行顺序分别将各流程节点配置的算法描述自主翻译成python代码，得到用python代码表示的机器学习算法，以利用此机器学习算法实现机器学习可见，本申请既能让web服务系统选择最常用的java语言，又能让机器学习算法的实现使用python语言，从而发挥了两种语言的生态优势。
一种语言机器学习方法系统

[发明专利]针对机器学习算法进行算法参数调优的方法及系统-CN202010496368.7在审
发明人：戴文渊;陈雨强;杨强;张舒羽;栾淑君;刘守湘 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-10-31 - 公布日： 2020-09-11 - 主分类号： G06N20/00 文献下载
摘要：提供一种针对机器学习算法进行算法参数调优的方法及系统。所述方法包括：(A)确定用于训练机器学习模型的机器学习算法；(B)向用户提供用于设置所述机器学习算法的调参配置项的图形界面，其中，所述调参配置项用于限定如何生成多组候选算法参数值；(C)接收用户为了设置所述调参配置项而在图形界面上执行的输入操作，并根据所述输入操作来获取用户设置的调参配置项；(D)基于获取的调参配置项来生成多组候选算法参数值；(E)分别在每组候选算法参数值下，按照所述机器学习算法来训练与每组候选算法参数值对应的机器学习模型；(F)评估训练出的与每组候选算法参数值对应的机器学习模型的效果。
针对机器学习算法进行参数方法系统

[发明专利]针对机器学习算法进行算法参数调优的方法及系统-CN201711048805.3有效
发明人：戴文渊;陈雨强;杨强;张舒羽;栾淑君;刘守湘 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-10-31 - 公布日： 2020-04-28 - 主分类号： G06N20/00 文献下载
摘要：提供一种针对机器学习算法进行算法参数调优的方法及系统。所述方法包括：(A)确定用于训练机器学习模型的机器学习算法；(B)向用户提供用于设置所述机器学习算法的调参配置项的图形界面，其中，所述调参配置项用于限定如何生成多组候选算法参数值；(C)接收用户为了设置所述调参配置项而在图形界面上执行的输入操作，并根据所述输入操作来获取用户设置的调参配置项；(D)基于获取的调参配置项来生成多组候选算法参数值；(E)分别在每组候选算法参数值下，按照所述机器学习算法来训练与每组候选算法参数值对应的机器学习模型；(F)评估训练出的与每组候选算法参数值对应的机器学习模型的效果。
针对机器学习算法进行参数方法系统

[发明专利]一种组态化机器学习建模任务描述的预测方法及系统-CN202111339559.3在审
发明人：劳莹莹;李佳阳;沈嘉灵;徐丽燕;陈子韵;王宇冬;陈佳佳;闫妮;张瑞智;李昊;季学纯;张珂珩 -专利权人：国电南瑞科技股份有限公司;南瑞集团有限公司;国网电力科学研究院有限公司
申请日： 2021-11-12 - 公布日： 2022-03-11 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种组态化机器学习建模任务描述的预测方法及系统，获取当前区域的业务数据，输入到集成多种机器学习算法的预测模型，输出该区域对应该业务的预测数据；根据业务需求从机器学习算法集成框架中提取与该业务数据相关的多个机器学习算法，生成对应业务的以有向无环图数据结构进行描述的机器学习流程化任务描述结构，每个机器学习算法为所述机器学习流程化任务描述结构中的一个运算节点，确定用于依次调用每个运算节点对应的运算程序的参数，进行模型训练；保存训练好的集成多种机器学习算法的预测模型。优点：封装各机器学习框架算法的集成框架，降低开发的人力成本、提高开发效率，降低人工智能技术应用的门槛。
一种组态机器学习建模任务描述预测方法系统

[发明专利]基于多源异构的数据挖掘建模方法及系统-CN202211001299.3在审
发明人：贾皓立;陈庆国;梁凯鹏;粟文;程吉辉;何一鸣;宋萍 -专利权人：北京银丰新融科技开发有限公司
申请日： 2022-08-19 - 公布日： 2022-12-30 - 主分类号： G06F30/27 文献下载
摘要：本公开通过获取机器学习的相关算法，将所述机器学习的相关算法封装为多个算法组件，响应于用户对所述多个算法组件的第一操作，通过所述多个算法组件构建机器学习模型。由于将算法组件化，用户或者业务人员可以按需装配不同的组件，可以让机器学习模型的构建更加灵活，效率更加高效，也提高了算法的重用性。用户可以利用可视化的页面，使用拖拽的方式拖动组件，配置机器学习模型，使操作更加简单，用户只需要了解算法组件的基本功能，而不需要了解机器学习模型的技术细节，降低了用户的学习成本和构建机器学习模型的难度，从而降低了构建机器学习模型的开发门槛与成本
基于多源异构数据挖掘建模方法系统

[发明专利]图像数据处理方法、装置及可读存储介质-CN201810903034.X在审
发明人：杨少雄;赵晨 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-08-09 - 公布日： 2019-01-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供的图像数据处理方法、装置及可读存储介质，通过根据预设的至少两个超参数集建立用于待训练的至少两个机器学习算法模型；根据获取的同一图像数据训练集，对各待训练的机器学习算法模型进行训练，获得训练完毕的各机器学习算法模型并确定对应的收敛损失值；根据各机器学习算法模型的超参数集和对应的收敛损失值，确定最优超参数集，建立对应的待训练的最优机器学习算法模型；根据图像数据训练集对待训练的最优机器学习算法模型进行训练，获得训练完毕的最优机器学习算法模型并对待识别图像进行识别，获得图像识别结果，从而有效避免现有技术中根据经验值确定超参数而导致机器学习算法模型对图像识别的识别准确率不高的问题。
机器学习算法参数集可读存储介质图像数据处理收敛图像识别结果数据训练同一图像图像识别图像数据训练集准确率预设图像

[发明专利]机器学习算法选择方法及装置-CN202010600260.8在审
发明人：康业猛 -专利权人：京东数字科技控股有限公司
申请日： 2020-06-28 - 公布日： 2020-10-16 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例涉及一种机器学习算法选择方法及装置，方法包括：对待处理的目标问题数据集进行特征提取，得到所述目标问题数据集的元特征；将所述目标问题数据集的元特征分别输入至已训练的N个性能预测模型，得到N个预测参数，所述预测参数包括：性能预测模型对应的机器学习算法、利用所述性能预测模型对应的机器学习算法处理所述目标问题数据集时的至少一个性能指标值，所述N依据设定的机器学习算法的数量确定；依据所述N个预测参数，在所述设定的机器学习算法中确定用于处理所述目标问题数据集的目标机器学习算法由此，可以实现自动地在众多候选的机器学习算法中选择出最适合用于解决目标问题数据集的机器学习算法。
机器学习算法选择方法装置

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