“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]一种基于难样本增广的神经网络模型训练方法-CN202310543380.2在审
发明人：邓红涛 -专利权人：上海帆声图像科技有限公司
申请日： 2023-05-15 - 公布日： 2023-07-25 - 主分类号： G06N3/086 文献下载
摘要：本发明提供了一种基于难样本增广的神经网络模型训练方法，通过采用原始的训练数据训练神经网络模型，得到初版模型；然后采用遗传算法优化难样本增广策略；随后寻找难样本，即用初版模型推理训练数据，推理结果不满足设定条件的训练图片即为难样本；使用该增广策略对难样本进行增广，将增广后的难样本加入到训练数据，继续训练该神经网络模型；重复进行寻找难样本、难样本增广、模型训练，从而提高神经网络模型的训练效果和预测准确率。
一种基于样本增广神经网络模型训练方法

[发明专利]基于迭代扩样的财务粉饰与异常识别模型构建方法-CN202110363136.9在审
发明人：张洪江;李岩;宋兵;朱启功 -专利权人：河北雄安舜耕数据科技有限公司
申请日： 2021-04-02 - 公布日： 2021-07-02 - 主分类号： G06Q40/02 文献下载
摘要：本发明提供一种基于迭代扩样的财务粉饰与异常识别模型构建方法，属于对公信贷过程中的反欺诈、风控的领域，其包括以下步骤：从全部样本中选取原始异常样本和正常样本并确定分层变量，对正常样本进行抽样配比得到初始样本；根据初始样本，设定样本特征变量，利用随机森林算法建立标准分类模型作为基础分类模型；利用基础分类模型对全部样本进行预测；根据预测结果得到半监督迭代扩充样本和业务逻辑扩充样本；将半监督迭代扩充样本、业务逻辑扩充样本与原始异常样本混合后对正常样本进行抽样配比得到最终训练样本，进行训练得到最终财务粉饰与异常识别模型。本发明能够解决在传统建模过程中因正负样本不均衡引起的模型表现欠佳或普适性不高的问题。
基于迭代扩样财务粉饰异常识别模型构建方法

[发明专利]模型训练方法及装置-CN202310244801.1在审
发明人：陈子祺 -专利权人：北京银行股份有限公司
申请日： 2023-03-14 - 公布日： 2023-05-26 - 主分类号： G06F18/214 文献下载
摘要：本申请公开了一种模型训练方法及装置。其中，该方法包括：获取初始训练样本集，其中，初始训练样本集中包括多组初始训练样本，每组初始训练样本中包括：目标对象的银行个人信息；采用虚拟样本生成算法对初始训练样本集进行模拟，生成初始训练样本集的第一虚拟样本集，并将第一虚拟样本集添加至初始训练样本集中，得到目标训练样本集；基于预设的分类器对目标训练样本集进行划分，得到用于训练目标模型的正类样本集和负类样本集；通过正类样本集和负类样本集对目标模型进行训练，得到训练后的目标模型本申请解决了相关技术在进行模型训练过程中难以有效提升模型输出结果的准确度的技术问题。
模型训练方法装置

[发明专利]用于生成模型的方法、装置和用于识别图像的方法、装置-CN201910371718.4有效
发明人：陈奇 -专利权人：北京字节跳动网络技术有限公司
申请日： 2019-05-06 - 公布日： 2022-08-09 - 主分类号： G06T7/00 文献下载
摘要：本公开的实施例公开了用于生成模型的方法和装置。该方法的一具体实施方式包括：获取预置的训练样本集，其中，训练样本集中的训练样本包括样本图像集合和样本识别结果，样本图像集合包括预设数量个样本图像，样本识别结果包括预设数量个样本质量值，样本质量值与样本图像相对应，用于表征与样本图像集合中的其他样本图像相比，对应的样本图像的质量的优劣程度；利用机器学习方法，将样本图像集合作为输入，将样本识别结果作为期望输出，对初始模型进行训练，将训练完成的初始模型确定为图像质量识别模型该实施方式可以生成更为准确的图像质量识别模型，有助于利用所生成的图像质量识别模型，更为准确、客观地输出质量满足预设要求的图像。
用于生成模型方法装置识别图像

[发明专利]一种智能模型训练方法及装置、一种碰撞检测方法及装置-CN201811433780.3有效
发明人：梁宇轩 -专利权人：珠海金山数字网络科技有限公司;成都西山居世游科技有限公司
申请日： 2018-11-28 - 公布日： 2023-04-11 - 主分类号： G06T17/20 文献下载
摘要：本申请提供的一种智能模型训练方法及装置、一种碰撞检测方法及装置，其中，所述智能模型训练方法包括获取物体样本集的集合，其中，所述物体样本的集合包含多组物体样本集以及每组所述物体样本集对应的物体样本集标签，每组所述物体样本集包含物体样本的大小、物体样本的数量、物体样本的密集度，所述物体样本集标签包括网格层建立方法；通过所述物体样本集的集合对智能模型进行训练，得到所述智能模型，所述智能模型使得所述物体样本集和所述物体样本集标签相关联所述智能模型根据所述物体样本集即可以获得对应的所述物体样本集标签即网格层建立方法，节省耗时，并且极大的提高了后续对物体样本集进行检测的碰撞检测结果精度。
一种智能模型训练方法装置碰撞检测

[发明专利]预测模型的建立方法、建立装置、移动设备和存储介质-CN202010951457.6在审
发明人：黄子亮;金超;林浩升 -专利权人：宝能（广州）汽车研究院有限公司
申请日： 2020-09-11 - 公布日： 2020-12-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种车辆预测模型的建立方法、建立装置、移动设备和存储介质。建立方法包括：将车辆数据样本分为建模数据样本、识别数据样本和验证数据样本；根据建模数据样本建立预测模型；将识别数据样本中的多个样本特征形成多个特征组合，特征组合包括至少一个样本特征；将特征组合输入预测模型以生成第一预测事件；根据第一预测事件的准确率识别多个样本特征中的干扰特征；去除车辆验证数据样本中的干扰特征以获得验证样本；采用验证样本计算预测模型的预测准确率；在预测准确率大于第一预设准确率时，将预测模型确定为目标模型。如此，可以去除车辆数据样本中的干扰特征，有利于目标模型为用户提供准确率更高的预测结果。
预测模型建立方法装置移动设备存储介质

[发明专利]一种基于增量学习的webshell检测方法、终端设备及存储介质-CN201911332980.4在审
发明人：陈奋;姚刚;孙晓波;龚利军;陈荣有 -专利权人：厦门服云信息科技有限公司
申请日： 2019-12-23 - 公布日： 2020-05-01 - 主分类号： H04L29/06 文献下载
摘要：本发明涉及一种基于增量学习的webshell检测方法、终端设备及存储介质，该方法中包括：S1：采集webshell样本和正常样本，并对样本进行特征提取后组成训练集；S2：构建分类模型，通过训练集对分类模型进行训练，得到训练后的初始分类模型；S3：继续采集webshell样本，并提取样本的特征向量组成新增样本集，通过新增样本集中的样本对初始分类模型进行增量学习，得到增量学习后的分类模型；S4：通过增量学习后的分类模型对本发明利用了有标记样本和无标记样本的集合，通过解析样本抽象语法树得到词集向量的方式获得样本特征向量，无需人工标记，利用词集向量和基于调整筛选的最小距离分类算法，只需少量样本即可得到初始模型，大大降低了人力成本
一种基于增量学习 webshell 检测方法终端设备存储介质

[发明专利]模型训练方法、装置、计算机设备及存储介质-CN202011162501.1在审
发明人：陈志远 -专利权人：上海眼控科技股份有限公司
申请日： 2020-10-27 - 公布日： 2021-02-05 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及一种模型训练方法、装置、计算机设备及存储介质。该方法包括获取第一训练样本集合，所述第一训练样本集合包括多个第一图片样本；获取多个样本旋转角度，对于各所述样本旋转角度，将所述第一训练样本集合中的各所述第一图片样本旋转至所述样本旋转角度，得到与所述样本旋转角度对应的第二训练样本集合；其中，各所述样本旋转角度大于预设的角度阈值；基于各所述第二训练样本集合分别对初始模型进行训练，得到与各所述第二训练样本集合一一对应的中间模型；对所述多个中间模型进行模型蒸馏，得到目标模型。本申请实施例可以提高目标模型的精度。
模型训练方法装置计算机设备存储介质

[发明专利]一种分类模型训练方法、对象分类方法及相关设备-CN202111369647.8在审
发明人：李鑫武;丁华杰;金悦 -专利权人：中汽创智科技有限公司
申请日： 2021-11-16 - 公布日： 2022-03-01 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种分类模型训练方法、对象分类方法及相关设备，该分类模型训练方法包括：获取训练样本集合；训练样本集合包括多个样本子集合，多个样本子集合对应多个不同种类的类别标签；构建预设机器学习模型；基于预设机器学习模型，对训练样本集合中每个训练样本进行类别预测，得到每个训练样本的预测类别信息；预测类别信息是基于多个样本子集合中各样本子集合中的样本数量和训练样本的特征输出指数确定的；基于每个训练样本的预测类别信息与每个训练样本的类别标签确定损失值；根据损失值对预设机器学习模型进行训练直至满足预设训练结束条件，得到分类模型。如此，可以提高分类模型的识别准确度，可以提高其在汽车领域应用的安全性。
一种分类模型训练方法对象相关设备

[发明专利]图像处理模型的训练方法和装置、存储介质及电子设备-CN202111605270.1在审
发明人：江俊林;朱树磊;殷俊 -专利权人：浙江大华技术股份有限公司
申请日： 2021-12-24 - 公布日： 2022-04-12 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种图像处理模型的训练方法和装置、存储介质及电子设备。其中，该方法包括：获取每个训练样本在每个迭代周期内进行模拟训练后得到的样本损失值；根据获取到的训练样本在多个迭代周期内得到的多个样本损失值，确定训练样本所属的样本类型，其中，样本类型用于指示训练样本在模拟训练中达到收敛条件的收敛程度；为目标样本类型的目标训练样本添加关注标记，并利用目标训练样本对原始模型进行模型训练，直至得到达到与目标样本类型相匹配的第二收敛条件的目标模型，其中，关注标记用于指示增加目标训练样本在每个迭代周期内的模型训练中的训练权重本发明解决了模型训练不当导致的图像处理模型性能不佳的技术问题。
图像处理模型训练方法装置存储介质电子设备

[发明专利]煤岩界面识别模型训练方法、采煤机截割控制方法和装置-CN202210635956.3在审
发明人：崔耀;李森;李首滨;秦泽宇;叶壮;夏杰 -专利权人：北京天玛智控科技股份有限公司;北京煤科天玛自动化科技有限公司
申请日： 2022-06-07 - 公布日： 2022-09-02 - 主分类号： G06V20/40 文献下载
摘要：本公开提出一种煤岩界面识别模型训练方法、采煤机截割控制方法和装置，该煤岩界面识别模型训练方法，包括：接收边缘处理器发送的样本煤岩分布和样本多模态数据；根据样本截割摇臂振动数据和样本截割煤岩噪声数据，获取样本载荷状态特征；根据样本滚筒截割视频数据，获取样本截割煤岩界面特征；根据样本截割电机电流数据和样本升降油缸压力数据，获取样本滚筒截割载荷特征；调用煤岩界面识别模型，进行决策级融合，生成样本预测煤岩分布；根据样本预测煤岩分布和样本煤岩分布，对煤岩界面识别模型进行模型训练更新。由此，能够结合实时工况，根据多模态数据，实时在线训练煤岩界面识别模型，能够提高煤岩界面识别模型的训练效率和准确度。
界面识别模型训练方法采煤机截割控制装置

[发明专利]一种推荐模型的训练方法、装置、电子设备及存储介质-CN202210766023.8在审
发明人：罗川江;李勇 -专利权人：杭州网易云音乐科技有限公司
申请日： 2022-06-30 - 公布日： 2022-09-16 - 主分类号： G06F16/435 文献下载
摘要：本申请公开一种推荐模型的训练方法、装置、电子设备及存储介质，属于互联网技术领域，该方法包括：获取多个训练样本，任一训练样本的类型为负样本或正样本，将该训练样本输入推荐模型，得到预测值，根据该训练样本的样本类型对应的梯度平滑策略、预测值和该训练样本的标签，对推荐模型的参数矩阵在各维度上的参数进行更新，当推荐模型达到收敛条件时，停止训练，得到最终的推荐模型，最终的推荐模型用于进行多媒体资源推荐。这样，为负样本和正样本设置不同的梯度平滑策略，利于推荐模型结合各维度上更真实的正负样本分布进行预测和推荐，在负样本数量少时仍能做出比较准确的预测和推荐，解决样本稀疏产生的不置信问题。
一种推荐模型训练方法装置电子设备存储介质

[发明专利]一种特征提取模型的训练方法、装置、设备以及存储介质-CN202111285254.9在审
发明人：李振阳 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-11-01 - 公布日： 2023-05-09 - 主分类号： G06F16/75 文献下载
摘要：本申请公开了一种基于人工智能技术实现的特征提取模型训练方法，包括：获取T组训练样本，其中，每组训练样本包括具有对应关系的文本信息样本和视频片段样本；针对于每组训练样本，通过待训练文本特征提取模型获取文本语义向量；针对于每组训练样本，通过待训练视觉特征提取模型获取视视觉语义向量；根据每组训练样本对应的文本语义向量和视觉语义向量确定正样本和负样本；根据正样本和负样本，对待训练文本特征提取模型和视觉特征提取模型进行训练本申请通过对比正样本和负样本进行模型训练，能够实现自监督多模态视频特征的提取，因此，无需人工标注训练集，从而降低了模型训练成本。
一种特征提取模型训练方法装置设备以及存储介质

[发明专利]一种多样本集融合的图像目标检测方法-CN202211387157.5在审
发明人：丘志强;庄莉;苏江文;王秋琳;邢国用;伍臣周 -专利权人：福建亿榕信息技术有限公司;国网信息通信产业集团有限公司;国网信通亿力科技有限责任公司
申请日： 2022-11-07 - 公布日： 2023-03-07 - 主分类号： G06V10/80 文献下载
摘要：本发明涉及一种多样本集融合的图像目标检测方法，包括：利用第一样本集训练第一目标检测模型；利用第二样本集训练第二目标检测模型；利用训练完毕的第一目标检测模型标注第二样本集，得到第二样本集的反向标签数据；利用训练完毕的第二目标检测模型标注第一样本集，得到第一样本集的反向标签数据；融合第一样本集与第二样本集，得到全量样本集，所述全量样本集中样本的标签数据包括原标签数据和反向标签数据；构建第三目标检测模型；利用全量样本集训练第三目标检测模型；利用训练完毕的三目标检测模型进行多目标检测
一种多样融合图像目标检测方法

[发明专利]一种基于主动学习的步态识别方法-CN202110041665.7有效
发明人：冯镔;胡滨;肖劲轩;刘文予 -专利权人：华中科技大学
申请日： 2021-01-13 - 公布日： 2022-05-06 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于主动学习的步态识别方法，对待检测输入图像，使用主模型提取出特征矩阵，使用副模型对样本进行评估和筛选。在训练过程中，首先使用数量相对较少的已标注样本对主模型和副模型进行训练，然后对未标注的样本进行评估。在得到未标注样本的评估结果后，按照既定策略进行样本筛选，将筛选出的样本加入到已标注样本集中，输入模型中继续进行训练。本方法利用主动学习的思想，从未标注的数据样本中选取更有价值的样本进行标注训练，可以大大减少人工标注的代价。在数据样本有限时，本方法也可用来选取信息量相对更丰富的样本，使模型能够有针对性进行训练，从而在样本有限的情况下，尽可能利用样本多样性来提升模型的效果。
一种基于主动学习步态识别方法