“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]手写输入识别方法和用户设备-CN201710961037.4在审
发明人：郭明昭 -专利权人：郭明昭
申请日： 2017-10-17 - 公布日： 2018-02-16 - 主分类号： G06F3/01 文献下载
摘要：手写输入识别方法包括在用户设备处于手写输入模式时，接收用户通过用户设备输入的手势；根据所述手势从第一机器学习算法和第二机器学习算法中选择一种机器学习算法；根据选择的机器学习算法进行手写输入内容的识别。本发明能够更好地利用机器学习算法进行手写输入识别。
手写输入识别方法用户设备

[发明专利]用于训练模型的方法和装置-CN201811157474.1在审
发明人：李文峰;陈诗妮;宝腾飞 -专利权人：北京字节跳动网络技术有限公司
申请日： 2018-09-30 - 公布日： 2019-02-12 - 主分类号： G06K9/62 文献下载
摘要：该方法的一具体实施方式包括：获取配置文件，其中，配置文件包括数据集标识、机器学习框架标识、机器学习算法标识和参数信息；从数据集标识所指示的数据集中选取数据作为训练数据，生成训练数据集；从预置的机器学习框架集合中选取机器学习框架标识所指示的机器学习框架作为目标机器学习框架；在目标机器学习框架下，利用机器学习算法标识所指示的机器学习算法和参数信息所指示的参数，基于训练数据集和训练数据集中的训练数据所关联的标签，训练得到分类模型。该实施方式可以使用户根据实际需要选择不同的机器学习框架和相应的机器学习算法、参数，扩展了模型训练的适用范围。
机器学习机器学习算法训练数据方法和装置训练数据集参数信息目标机器配置文件训练模型数据集分类模型模型训练数据集中预置标签集合关联学习申请

[发明专利]一种无监督机器学习的超参数自动优化方法及系统-CN201711347747.4在审
发明人：王建民;龙明盛;付博;黄向东 -专利权人：清华大学
申请日： 2017-12-15 - 公布日： 2018-05-22 - 主分类号： G06N99/00 文献下载
摘要：本发明提供一种无监督机器学习的超参数自动优化方法及系统，所述方法包括：根据无监督机器学习算法确定所述无监督机器学习算法的算法性能评估模型、所述无监督机器学习算法的超参数、所述超参数的搜索空间和所述超参数优化的评价准则；根据所述算法性能评估模型、所述搜索空间和所述评价准则确定所述超参数的最优值。本发明提供的无监督机器学习的超参数自动优化方法及系统，对无监督机器学习算法中的超参数问题进行深入剖析，分析算法中超参数的分布规律和不同超参数下学习效果的评估，并将此规律应用于机器学习的模型训练，达到自动化选择合适超参数的目的，整个超参数的优化过程自动完成，优化效率高，大大降低了算法的使用复杂性。
一种监督机器学习参数自动优化方法系统

[发明专利]包括由分布式轻量级实时边缘引擎支持的主引擎的分层机器学习架构-CN202080036311.7在审
发明人：吴天昊 -专利权人：美国元初智能公司
申请日： 2020-03-31 - 公布日： 2021-12-24 - 主分类号： G06N20/10 文献下载
摘要：一种系统和方法涉及实现主人工智能(AI)引擎的处理装置，用于从一个或多个实时AI引擎中的每一个接收机器学习算法、与机器学习算法相关联的参数以及用于训练参数的特征，接收用于训练与机器学习算法相关联的参数的标记数据，并基于组合规则，使用从一个或多个实时AI引擎中的每一个接收到的特征、机器学习算法和与机器学习算法相关联的参数来构建主机器学习模型。
包括分布式轻量级实时边缘引擎支持分层机器学习架构

[发明专利]面向机器学习算法的预测与训练流程的统一方法及装置-CN202110421806.8在审
发明人：不公告发明人 -专利权人：北京瑞莱智慧科技有限公司
申请日： 2021-04-20 - 公布日： 2021-06-18 - 主分类号： G06F21/62 文献下载
摘要：本公开涉及面向机器学习算法的预测与训练流程的统一方法及装置，该方法包括：获取第一机器学习算法；其中，第一机器学习算法中基础原语的作用对象是不能以索引方式访问的树结构；对基础原语进行计算流程的改造，使改造后基础原语的作用对象是以索引方式访问的树结构；基于改造后基础原语，将第一机器学习算法转换为满足数据隐私保护协议的第二机器学习算法；其中，第二机器学习算法的作用对象是以索引方式访问的树结构，且该树结构包括：内部节点、叶子节点和各节点的位置索引；第二机器学习算法用于基于树结构的预测任务
面向机器学习算法预测训练流程统一方法装置

[发明专利]一种基于特征选择算法的网络入侵检测方法-CN202011313089.9在审
发明人：程相鑫;吴克河;赵彤;肖卓;姜媛;王昱颖;李为;高雪;王皓民;樊祺 -专利权人：华北电力大学;国家电网公司;国网山东省电力公司信息通信公司
申请日： 2020-11-20 - 公布日： 2021-03-16 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于特征选择算法的网络入侵检测方法，包括如下步骤：1：使用QBSO‑FS算法，对NSL‑KDD数据在多种机器学习模型上的分类效果进行优化，获得优化子集；2：使用步骤1得到的优化子集，联合决策出新的特征子集；3：使用步骤2得到新的特征子集作为输入，用于复杂机器学习模型分类使用。本发明方法是基于QBSO‑FS和机器学习的入侵检测方法，原始数据经过特征选择后在普通机器学习算法中分类精度有效提升，在融合多种机器学习算法分类的最优特征子集后，数据集在高性能机器学习分类算法上表现优于一般特征选择算法；通过使用特征选择来提升机器学习算法的分类精度，适用于物联网环境下设备计算资源不多的情况，实际布控可行性是高于复杂的深度学习模型的。
一种基于特征选择算法网络入侵检测方法

[发明专利]用于训练机器学习模型的方法及系统-CN201811041753.1在审
发明人：孙承根;焦英翔;石光川 -专利权人：第四范式（北京）技术有限公司
申请日： 2018-09-07 - 公布日： 2020-03-20 - 主分类号： G06N20/00 文献下载
摘要：提供了一种用于训练机器学习模型的方法及系统。所述方法包括：获取用于限定机器学习模型的训练过程的配置；以及使用针对机器学习模型的模型训练框架对获取的配置进行解析，并执行解析得到的用于训练机器学习模型的处理逻辑，以训练出机器学习模型，其中，用于限定机器学习模型的训练过程的配置包括以下配置之中的至少一种：算法配置，用于限定用于训练机器学习模型的机器学习算法的运算逻辑；输入配置，用于限定所述机器学习算法的输入数据；参数配置，用于限定机器学习模型的参数；以及环境配置，用于限定训练机器学习模型时的环境。根据所述方法及系统，能够基于用于限定机器学习模型的训练过程的配置训练出机器学习模型。
用于训练机器学习模型方法系统

[发明专利]一种基于强化学习的自动化机器学习方法-CN201910359211.7有效
发明人：黄宜华;顾荣;朱光辉;王磊 -专利权人：南京大学
申请日： 2019-04-30 - 公布日： 2023-03-28 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于强化学习的自动化机器学习方法，包括以下步骤：使用统一的API接口，屏蔽不同的机器学习算法库之间的异构性，以Python作为编程语言，在Python语言中调用不同机器学习算法库中的算法；将自动化机器学习问题建模为强化学习问题，对候选机器学习算法进行状态空间划分，确定状态间的转移关系，并采用Q‑Learning算法完成搜索机器学习流水线的过程；对数据集进行元特征提取，搜索最相似数据集，并利用所述最相似数据集上的运行信息来加速自动化机器学习的收敛过程。本发明解决了现有的自动化机器学习系统收敛速度慢、可扩展性差以及最终预测性能达不到预期的问题。
一种基于强化学习自动化机器学习方法

[发明专利]可插拔式机器学习算法运行方法、装置及可读存储介质-CN201810654929.4有效
发明人：饶琛琳;梁玫娟 -专利权人：北京优特捷信息技术有限公司
申请日： 2018-06-22 - 公布日： 2021-11-12 - 主分类号： G06F9/448 文献下载
摘要：本发明涉及一种可插拔式机器学习算法运行方法、装置及可读存储介质，其中的所述方法包括：定义预设算法；对所述预设算法进行统一封装；建立机器学习运行框架，在所述机器学习运行框架内置统一封装后的预设算法；当接收用户的定向需求时，根据所述机器学习运行框架的策略模式调用内置的预设算法。本发明的有益效果为：通过机器学习框架实现了对常见统计分析、算法及调优参数的编程接口的统一封装，对不同场景的机器学习需求，只需要在框架上层进行组装调配即可完成算法设计工作，解决传统算法单一只解决某一故障的问题，实现通过预设算法的封装以及可插拔式的算法替换快速地进行算法设计。
可插拔式机器学习算法运行方法装置可读存储介质

[发明专利]基于两层机器学习的Android恶意软件检测方法-CN202210588400.3在审
发明人：肖勇才;杨浩;徐建;刘旷也;章玲玲 -专利权人：国网江西省电力有限公司电力科学研究院;国家电网有限公司
申请日： 2022-05-26 - 公布日： 2022-10-21 - 主分类号： G06F21/56 文献下载
摘要：本发明涉及一种基于两层机器学习的Android恶意软件检测方法，采用贝叶斯算法、高斯混合模型算法、Mean shift算法作为第一层机器学习算法构建基本分类器，采用MLP算法作为第二层机器学习算法构建元分类器，得到两层机器学习模型；通过监视已被标记的良性和恶意应用程序的运行状态来提取应用程序的行为特征并生成特征向量；训练两层机器学习模型；通过监视未知应用程序的运行状态来提取未知应用程序的行为特征并生成特征向量，两层机器学习模型根据未知应用程序的特征向量预测判断未知应用程序是良性的还是恶意的。本发明运用互信息特征选择算法和两层机器学习模型实现基于多种行为特征的高精度恶意软件检测。
基于机器学习 android 恶意软件检测方法

[发明专利]基于机器学习的电子文档分析系统及方法-CN201810236000.X有效
发明人：王欣;杨煜清;施举红 -专利权人：王欣;杨煜清;施举红
申请日： 2018-03-21 - 公布日： 2021-07-20 - 主分类号： G06F40/205 文献下载
摘要：本发明公开一种基于机器学习的电子文档分析系统及方法，利用文档特征描述模块对所提交的电子文档结构进行描述，若描述大于一个的电子文档结构，机器学习算模块判别最符合于当前电子文档的描述类型，再进行结构解析；机器学习算法模块依据电子文档结构解析结果和目标信息内容特征进行模型训练和信息提取，分析者对内容特征描述或机器学习算法提取的目标信息进行修改，机器学习算法模块将对修改内容特征对应的模型重新进行训练；分析结果审核模块将机器学习算法模块的模型训练和信息提取结果呈现给电子文档分析者。本发明有效解决机器学习算法文档数量有限和特征动态变化情况下的学习问题，能够让算法真正辅助文档分析，提升分析效率。
基于机器学习电子文档分析系统方法

[发明专利]基于Apache doris的机器学习数据分析方法和装置-CN202310195781.3在审
发明人：郭小伟;车延博 -专利权人：天津大学
申请日： 2023-03-02 - 公布日： 2023-05-23 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于Apache doris的机器学习数据分析方法和装置，属于大数据技术领域。本发明基于Apache doris基础上添加了机器学习算法包的功能，用于用户启动机器学习算法模块，并提供机器学习算法的相关技术文档，供用户使用，支持用户在Doris的SQL命令行上根据自身需求对数据表应用机器学习算法，使得Doris能方便快捷地使用机器学习的各种方法，致力于将海量数据应用于数据分析，使用户得到感兴趣的信息，方便用户获取数据中的价值，实现用户的对于机器学习方面的需求。
基于 apache doris 机器学习数据分析方法装置

[发明专利]基于遗传算法的机器学习模型自动生成方法-CN201910495207.3在审
发明人：秦翔宇;姚香娟 -专利权人：中国矿业大学
申请日： 2019-06-10 - 公布日： 2019-09-17 - 主分类号： G06F16/55 文献下载
摘要：本发明公布了基于遗传算法的机器学习模型自动生成方法。传统的机器学习方法，当对模型的需求或模型的应用领域发生变化时，都需要开发者频繁地调整超参数、改造算法的结构，从而耗费大量人力物力。本发明通过对基于遗传算法的机器学习的研究，提出了用于自动生成机器学习模型的算法，可以自动生成多领域的，符合不同现实需求的机器学习模型。
机器学习模型自动生成遗传算法机器学习算法人力物力现实需求传统的改造开发研究

[发明专利]自动驾驶系统中的自我监督网络的联合学习的系统和方法-CN202310250542.3在审
发明人：芒努斯·于伦哈马尔;亚当·滕德斯基 -专利权人：哲晰公司
申请日： 2023-03-15 - 公布日： 2023-09-19 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及自动驾驶系统中的自我监督网络的联合学习的系统和方法。公开了用于更新具有ADS的运载工具的感知功能的方法，包括：从多个远程运载工具获取自我监督机器学习算法的一个或多个本地更新后的模型参数；以及基于所获取的一个或多个本地更新后的模型参数来更新全局自我监督机器学习算法的一个或多个模型参数方法还包括：基于被注释的数据集来微调全局自我监督机器学习算法，以便生成包括一个或多个微调后的模型参数的微调后的全局机器学习算法。方法还包括：基于微调后的全局机器学习算法形成用于运载工具中的感知模块的机器学习算法；和将所形成的用于运载工具中的感知模块的机器学习算法的一个或多个模型参数传输到多个远程运载工具。
自动驾驶系统中的自我监督网络联合学习方法

[发明专利]机器学习模型的调参方法、装置、设备及系统-CN202010414861.X在审
发明人：吕自荟;黄震;万超;王昱森;罗伟锋;黄缨宁 -专利权人：第四范式（北京）技术有限公司
申请日： 2020-05-15 - 公布日： 2020-09-29 - 主分类号： G06N20/00 文献下载
摘要：本公开提出了一种机器学习模型的方法、装置、设备及系统，该方法包括：提供第一图形配置界面，接收通过所述第一图形配置界面输入的被确定用于所述机器学习模型的机器学习算法、评估指标及所述机器学习算法对应参数优化的调参算法；提供第二图形配置界面，接收通过所述第二图形配置界面输入的所述调参算法对应的调参配置项；在调参任务使用所述调参算法对应的调参配置项对所述机器学习算法进行参数优化的过程中，实时获取所述调参算法的调参结果信息；以图表形式展示所述调参算法的调参结果信息。
机器学习模型方法装置设备系统