“样本模型”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901656个，建议您升级VIP下载更多相关专利

[发明专利]信息推荐模型的训练方法、信息推荐方法、装置及服务器-CN202210449581.1在审
发明人：骆明楠;廖一桥 -专利权人：北京达佳互联信息技术有限公司
申请日： 2022-04-24 - 公布日： 2022-08-05 - 主分类号： G06F16/9535 文献下载
摘要：本公开关于一种信息推荐模型的训练方法、信息推荐方法及装置。信息推荐模型训练方法包括：获取初始样本特征，以及样本账户针对样本推荐信息的实际操作结果；初始样本特征根据样本账户特征及样本信息特征得到；将初始样本特征输入待训练信息推荐模型，得到样本账户针对样本推荐信息的预测操作结果；模型包括门控结构和多个特征提取层，多个特征提取层用于输出多个目标样本特征，门控结构输出值表征各目标样本特征重要程度，预测操作结果根据多个目标样本特征及门控结构输出值得到；基于预测操作结果和实际操作结果之间的差异，对信息推荐模型进行训练，得到训练完成信息推荐模型。本公开可以提高训练出的信息推荐模型的推荐准确率。
信息推荐模型训练方法装置服务器

[发明专利]推荐预测模型训练方法、预测方法、装置、设备及介质-CN202310609879.9在审
发明人：董泽波 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-05-26 - 公布日： 2023-10-27 - 主分类号： G06Q30/0251 文献下载
摘要：本申请属于人工智能技术领域，具体涉及一种推荐预测模型训练方法、预测方法、装置、设备及介质。获取样本特征交叉数据、样本推荐对象修正特征、样本账号修正特征和样本交互数据；将样本推荐对象修正特征和样本账号修正特征输入至初始推荐预测模型进行特征处理，得到对样本特征交叉数据进行修正的样本特征修正数据。基于修正后得到的样本修正特征交叉数据，得到样本预测交互数据；基于样本预测交互数据和样本交互数据对进行模型训练，得到目标推荐预测模型。通过模型训练使模型学习到特征处理时的偏差，从而使得训练后的目标推荐预测模型能够准确修正这种偏差，以提高对推荐效果预测的准确性，进而提升计算推荐收益的准确度。
推荐预测模型训练方法装置设备介质

[发明专利]文本分类模型的训练方法及其设备、存储介质-CN202110124674.2有效
发明人：屈宏城;梅林海;刘权;陈志刚 -专利权人：科大讯飞股份有限公司
申请日： 2021-01-29 - 公布日： 2023-01-17 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种文本分类模型的训练方法及其设备、存储介质。其中，文本分类模型的训练方法包括：获取正文本样本和与正文本样本对应的至少一个负文本样本，其中，正文本样本与对应的负文本样本属于不同的分类类型；利用正文本样本与至少一个负文本样本之间的第一语义差异，干预文本分类模型对正文本样本进行分类，得到正文本样本的预测类型；基于正文本样本的预测类型和实际类型，调整文本分类模型的网络参数。上述方案，文本分类模型在训练过程中，基于正文本样本和负文本样本之间的语义差异，干预文本分类模型的分类工作，使得训练得到的文本分类模型的分类更加准确。
文本分类模型训练方法及其设备存储介质

[发明专利]深度学习模型恶意样本检测方法、系统、设备及存储介质-CN202010996847.5在审
发明人：沈超;金凯迪;蔺琛皓;范铭;陈宇飞;刘烃 -专利权人：西安交通大学
申请日： 2020-09-21 - 公布日： 2020-12-15 - 主分类号： G06F21/56 文献下载
摘要：本发明属于智能系统安全领域，公开了一种深度学习模型恶意样本检测方法、系统、设备及存储介质，包括：获取初始模型，修改初始模型的全连接层参数得到若干变异模型；获取待检测样本，将待检测样本分别输入初始模型和若干变异模型，得到初始预测结果及若干变异预测结果；当初始预测结果与若干变异预测结果间的差异率小于预设检测阈值时，确定待检测样本为恶意样本；否则，确定待检测样本为正常样本。相比于现有的检测方法，本发明方法不需要对模型做更改，不需要提前获取恶意样本的先验知识，且对模型本身对正常样本的检测性能影响较小。
深度学习模型恶意样本检测方法系统设备存储介质

[发明专利]分类模型的学习方法及终端-CN202210000974.4在审
发明人：刘国清;杨广;王启程;郑伟;刘德富;杨国武 -专利权人：深圳佑驾创新科技有限公司
申请日： 2022-01-04 - 公布日： 2022-02-08 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种分类模型的学习方法，该分类模型的学习方法包括：利用第一标签验证模型从训练样本集中筛选出标签正确的样本得到正确样本集、以及利用第二标签验证模型从所述训练样本集中选出标签不正确的样本得到错误样本集；利用正确样本集和第一无噪声损失函数、以及错误样本集和补标签损失函数共同对初始分类模型进行训练得到目标分类模型。本申请能够有效充分利用标注错误的样本，减少模型拟合错误信息，从而提高模型的泛化性能和对标签噪声的鲁棒性。
分类模型学习方法终端

[发明专利]一种分布式网络对抗攻击自训练学习方法-CN202211258685.0有效
发明人：兰小龙;何俊江;王运鹏;张聿昊;梅鉴鑫;马宝强 -专利权人：四川大学
申请日： 2022-10-14 - 公布日： 2022-12-13 - 主分类号： H04L9/40 文献下载
摘要：本发明公开了一种分布式网络对抗攻击自训练学习方法，包括以下步骤：步骤1：原始攻击样本通过对抗攻击模型产生变异样本；步骤2：变异样本进入检测模型进行检测，输出检测结果；步骤3：没有被检测出变异样本的对抗样本添加到对抗样本队列，对抗样本队列达到设定阈值输入步骤2的检测模型进行再训练，直到所有的样本检测完成；本发明采用基于SAC算法的对抗攻击模型结合检测模型，对抗攻击模型能够产生有效检测模型检测率的对抗样本，检测模型采用集成式算法训练速度快
一种分布式网络对抗攻击训练学习方法

[发明专利]机器阅读模型优化方法和系统-CN202310660565.1在审
发明人：蒋亮;刘佳;温祖杰 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-06-05 - 公布日： 2023-09-19 - 主分类号： G06F16/332 文献下载
摘要：本公开提出了一种机器阅读模型优化方法和系统。该方法包括：获取目标领域中的对话日志；基于该对话日志来构建样本集合，该样本集合包括一个或多个样本问题和对应样本答案；将该样本集合中的样本问题和该目标领域的知识库文档输入到机器阅读模型，以获得样本问题的预测答案；基于样本问题的预测答案与对应样本答案的比较来确定模型质量度量和样本质量度量；对该机器阅读模型和该样本集合进行联合优化以使该模型质量度量和该样本质量度量满足相应预设条件，从而获得经优化的机器阅读模型。
机器阅读模型优化方法系统

[发明专利]模型训练及投诉预测方法、装置、电子设备和存储介质-CN202310225093.7在审
发明人：李利;朱琳;袁向阳 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2023-03-01 - 公布日： 2023-10-20 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种模型训练及投诉预测方法、装置、电子设备和存储介质。其中，该模型训练包括：确定训练样本集；训练样本集包括专线的负样本集和正样本集；负样本集中的负样本表征专线的投诉样本，正样本集中的正样本表征专线的非投诉样本；从正样本集中选取多个正样本，组成多个正样本子集；每个正样本子集中的样本数量与负样本集中的样本数量相同；基于负样本集和多个正样本子集训练预测模型；预测模型用于确定专线是否会被投诉。
模型训练投诉预测方法装置电子设备存储介质

[发明专利]基于SACGAN模型的HRRP样本生成方法-CN202310282003.8在审
发明人：刘宏伟;王鹏辉;印佳园 -专利权人：西安电子科技大学
申请日： 2023-03-21 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于SACGAN模型的HRRP样本生成方法，包括：基于雷达回波生成小样本训练集；其中，小样本训练集包括多个类别的HRRP样本，每个HRRP样本都有对应的类别标签；基于自注意力和谱归一化构建包括生成器、判别器和辅助分类器的SACGAN模型；将HRRP样本和类别标签输入到SACGAN模型中，并基于合页损失函数训练SACGAN模型；利用训练好的SACGAN模型生成样本扩充训练集。该方法不仅解决了现有CWGAN模型进行HRRP样本扩充时判别器出现梯度爆炸或者梯度消失情况导致的生成HRRP样本质量较差的问题；还解决了利用CACGAN模型进行HRRP样本扩充时，生成样本质量较差的问题
基于 sacgan 模型 hrrp 样本生成方法

[发明专利]对抗样本生成方法、目标模型训练方法及装置-CN202210311927.1在审
发明人：朱尧;陈岳峰;李小丹 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-03-28 - 公布日： 2022-07-29 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种对抗样本生成方法，包括：获得初始样本和目标模型的至少一个替代模型；目标模型至少与替代模型的任务类型相同；基于初始样本和替代模型，确定根据替代模型的梯度方向生成的扰动数据分布方向；扰动数据分布方向与替代模型的梯度方向相对初始样本的数据分布梯度方向相关；根据扰动数据分布方向确定扰动数据；将扰动数据增加到初始样本中，以生成对抗样本。本申请从初始样本的数据分布的角度出发，使得产生的对抗样本具有清晰的语义信息，从而具有良好的目标攻击能力。此外，通过扰动数据分布产生可以引起不同替代模型关注的对抗样本，从而提升对抗样本在不同模型间的迁移性，进而提升深度神经网络模型抵御对抗攻击的能力。
对抗样本生成方法目标模型训练装置

[发明专利]基于数据集敏感属性重构的深度学习模型去偏方法及装置-CN202210964095.3在审
发明人：陈晋音;李秦峰;郑海斌;郑雅羽 -专利权人：浙江工业大学
申请日： 2022-08-11 - 公布日： 2022-11-08 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于数据集敏感属性重构的深度学习模型去偏方法及装置，首先基于偏见模型得到敏感属性的优势类别；构建敏感属性重构模型，将原始数据集中样本标签删除，将敏感属性作为新的标签，对敏感属性重构模型进行训练；复制并翻转所有原始样本的敏感属性，与原始样本构成翻转样本对输入偏见模型，得到分类置信度矩阵，划分可疑样本和干净样本；将可疑样本的敏感属性删除，输入敏感属性重构模型中预测敏感属性，与样本标签结合作为干净样本；基于干净样本训练公平深度学习模型，训练好的公平深度学习模型即为去偏后的模型。本发明用敏感属性重构的方式重新构造数据集，保留了数据集的多样性，在去偏的同时更好的保留模型的泛化能力。
基于数据敏感属性深度学习模型偏方装置

[发明专利]图像分割模型确定方法以及图像分割方法-CN202211386108.X在审
发明人：许敏丰;郭恒;张剑锋 -专利权人：阿里巴巴（中国）有限公司
申请日： 2022-11-07 - 公布日： 2023-02-24 - 主分类号： G06T7/10 文献下载
摘要：本说明书实施例提供了图像分割模型确定方法以及图像分割方法，其中，图像分割模型确定方法包括确定包含目标对象的第一图像样本集以及第二图像样本集；根据第一图像样本集中的第一图像样本，确定特征提取模型；将第二图像样本输入特征提取模型，获得第二图像样本的第二特征图像；根据第二特征图像以及样本标签，确定图像分割模型。该方法通过无标签的第一图像样本集，训练可以实现多尺度图像特征提取的特征提取模型，使得该特征提取模型可以学习第一图像样本的丰富的、高级语义信息；然后再将该特征提取模型作为特征提取器，结合少量的有标签的第二图像样本集，训练获得图像分割模型，使得该图像分割模型后续可以进行精确的图像分割。
图像分割模型确定方法以及

[发明专利]基于人工智能的风险识别方法、装置、电子设备及介质-CN202110859365.X在审
发明人：吴空 -专利权人：平安国际智慧城市科技股份有限公司
申请日： 2021-07-28 - 公布日： 2021-10-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及人工智能技术领域，提供一种基于人工智能的风险识别方法、装置、电子设备及介质，包括：获取负样本集中每个负样本的多个维度数据，并根据每个负样本的多个维度数据将所述负样本集映射到特征空间中；将所述负样本集划分为训练样本集及测试样本集；在所述特征空间中基于所述训练样本集训练聚类凸包模型，并在所述特征空间中基于所述测试样本集测试训练后的聚类凸包模型是否为最优凸包模型；当测试所述训练后的聚类凸包模型为最优凸包模型时，使用所述最优凸包模型预测待测样本的风险值；根据所述风险值识别所述待测样本是否为风险样本。本发明基于一类样本集训练聚类凸包模型，使用聚类凸包模型能够准确且快速的识别风险样本。
基于人工智能风险识别方法装置电子设备介质

[发明专利]模型训练方法及图像处理方法和相关装置、设备、介质-CN202210089853.1在审
发明人：胡志强 -专利权人：上海商汤智能科技有限公司
申请日： 2022-01-25 - 公布日： 2022-05-06 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种模型训练方法及图像处理方法和相关装置、设备、介质，其中，模型训练方法包括：利用第一勾画模型对第一样本图像进行勾画，得到第一勾画模型中第一目标网络层输出的第一样本特征图，并利用第二勾画模型对第二样本图像进行勾画，得到第二勾画模型中第二目标网络层输出的第二样本特征图；利用配准模型对样本图像对进行分析，得到样本形变参数；其中，样本图像对包括第一样本图像和第二样本图像；基于样本形变参数，对第一样本特征图进行形变，得到形变样本特征图；基于形变样本特征图和第二样本特征图之间的差异，调整配准模型的网络参数。
模型训练方法图像处理相关装置设备介质

[发明专利]信息处理方法、装置、计算机设备和存储介质-CN202210153581.7在审
发明人：李卓聪 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-02-18 - 公布日： 2022-05-24 - 主分类号： G06F16/9535 文献下载
摘要：所述方法包括：获取样本用户数据，其包括第一数目个样本对象；通过特征提取模型提取样本对象的第一样本对象特征、样本对象的正样本的第一正样本特征和负样本的第一负样本特征，优化特征提取模型，获得训练后的特征提取模型；通过训练后的特征提取模型提取第一数目个样本对象的第二样本对象特征；通过多兴趣抽取模型对第二样本对象特征进行多兴趣抽取，获得第二数目个样本兴趣特征，优化获得训练后的多兴趣抽取模型，最终获得多兴趣特征提取模型采用本方法可以使得样本对象特征具有区分度，提高多兴趣特征提取模型提取目标用户的兴趣特征的准确性，提高向目标用户进行兴趣推荐的效果。
信息处理方法装置计算机设备存储介质