“模型训练”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941942个，建议您升级VIP下载更多相关专利

[发明专利]针对工业厂房中的过程的预测-CN201980081595.9在审
发明人：穆罕默德·梅尔坎戈伊兹;安德利亚·科蒂诺维斯 -专利权人： ABB瑞士股份有限公司
申请日： 2019-11-25 - 公布日： 2021-07-23 - 主分类号： G05B13/04 文献下载
摘要：为了针对工业厂房中的过程生成实时或至少近实时预测，神经网络集被训练来创建训练模型集。训练模型集然后被用于通过将原始空间中的在线测量结果输入到两个训练模型来输出预测，两个训练模型的输出作为缩减空间输入和缩减空间初始状态而被馈送到第三训练模型。第三训练模型将缩减空间输入处理为缩减空间预测。它们被馈送到第四训练模型，第四训练模型输出原始空间中的预测。
针对工业厂房中的过程预测

[发明专利]基于teacher-student代理模型的卫星组件温度场预测方法-CN202110398966.5有效
发明人：龚智强;张俊;周炜恩;姚雯 -专利权人：中国人民解放军军事科学院国防科技创新研究院
申请日： 2021-04-14 - 公布日： 2022-11-11 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于teacher‑student代理模型的卫星组件温度场预测方法，包括：建立卫星组件布局的结构模型；生成多个第一训练数据和若干个第二训练数据；构建teacher‑student深度代理模型；利用第二训练数据对teacher模型进行训练，利用已训练的teacher模型预测第一训练数据中的卫星组件布局对应的温度场；利用第一训练数据及第一训练数据对应的温度场和第二训练数据对student模型进行训练；将已训练的student模型作为温度场预测模型以进行卫星组件布局的温度场预测。本发明的方法通过利用teacher模型指导student模型的训练，能够利用大量不带标记的训练样本和少量带标记的训练样本实现深度代理模型的有效训练，实现卫星组件布局温度场的精确预测，能够节省计算资源，降低设计成本
基于 teacher student 代理模型卫星组件温度场预测方法

[发明专利]图像识别的方法、装置、设备及存储介质-CN201910459369.1在审
发明人：张志伟;王希爱;郑仲奇 -专利权人：北京达佳互联信息技术有限公司
申请日： 2019-05-29 - 公布日： 2019-08-27 - 主分类号： G06K9/62 文献下载
摘要：本公开是关于一种图像识别的方法、装置、设备及存储介质，方法包括：获取识别模型，基于识别模型对目标训练数据集中的训练数据进行识别，得到每一个训练数据的识别结果，将识别结果作为训练数据的标签；在目标训练数据集中，获取满足目标条件的训练数据；基于满足目标条件的训练数据训练识别模型，得到更新后的识别模型；基于更新后的识别模型对目标训练数据集中的训练数据进行识别，得到每一个训练数据的识别结果；根据识别结果更新训练数据的标签，得到更新后的目标训练数据集，将更新后的目标训练数据集中的训练数据作为用于训练机器学习模型的训练数据，利用基于目标训练数据集中的训练数据训练得到的目标识别物的识别模型进行图像识别。
训练数据目标训练数据集中图像识别存储介质目标条件更新标签结果更新目标识别训练机器数据集学习

[发明专利]一种多任务模型的训练方法及装置-CN202210583424.X在审
发明人：杜敏 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2022-05-25 - 公布日： 2022-08-26 - 主分类号： G06K9/62 文献下载
摘要：本公开提供一种多任务模型的训练方法及装置，基于包括类别标签的第一训练数据集，对待训练的多任务模型进行训练，基于包括特征标签的第二训练数据集，对使用第一训练数据集训练后的多任务模型进行训练，基于包括解码标签的第三训练数据集，对使用第二训练数据集训练后的多任务模型进行训练，以得到包括分类网络、解码网络以及特征提取网络的多任务模型，其中，特征提取网络是分类网络的子网络，解码网络是特征提取网络的子网络，本公开提供的训练方法，通过对待训练的多任务模型进行分层训练，以实现提升多任务模型的扩展性的同时提高对多任务模型的训练效率。
一种任务模型训练方法装置

[发明专利]用于舆情分类模型训练的数据处理方法和装置-CN202110964669.2有效
发明人：吴云朝;杜向阳 -专利权人：南京擎盾信息科技有限公司
申请日： 2021-08-23 - 公布日： 2021-12-21 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种用于舆情分类模型训练的数据处理方法和装置。该方法包括：通过对训练数据进行识别，通过已标注的训练数据对预先建立的舆情分类模型进行训练，获得过程舆情分类模型，通过过程舆情分类模型对未标注的训练数据进行预测识别，获得训练分类结果数据，根据训练分类结果数据进行筛选处理，获得目标训练数据，通过目标训练数据训练预先建立的舆情分类模型，得到目标舆情分类模型，解决了现有技术中训练舆情分类模型的效率较低的技术问题，提高舆情分类模型的训练效率。
用于舆情分类模型训练数据处理方法装置

[发明专利]语言模型训练方法、装置、计算机设备和存储介质-CN202011065901.0在审
发明人：贺飞艳 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-09-30 - 公布日： 2020-12-25 - 主分类号： G06F40/295 文献下载
摘要：本申请涉及一种语言模型训练方法、装置、计算机设备和存储介质。方法包括：获取训练文本集合；基于训练文本集合中的训练文本以及待训练的语言模型，对各个训练实体进行语义编码，得到训练语义向量；确定存在目标关联关系的第一训练实体以及第二训练实体，获取目标关联关系对应的目标关系距离向量；根据第一训练语义向量以及目标关系距离向量，确定第二训练实体对应的实体表示向量；根据第二训练语义向量以及实体表示向量的向量距离确定语言模型对应的目标模型损失值；根据目标模型损失值调整语言模型的模型参数，得到已训练的语言模型。其中，语言模型可以是基于人工智能的语言模型。采用本方法能够提高通过语言模型得到的语义向量的准确性。
语言模型训练方法装置计算机设备存储介质

[发明专利]一种关联检测模型训练方法、装置、存储介质及电子设备-CN202211742619.0在审
发明人：尹英杰;丁菁汀;李亮 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-12-30 - 公布日： 2023-05-02 - 主分类号： G06V10/774 文献下载
摘要：本说明书公开了一种关联检测模型训练方法、装置、存储介质及电子设备，其中方法包括：获取训练样本集合，截取训练样本的人手选择框得到子训练样本，将子训练样本输入手势识别模型，获取训练样本对应的交互手势概率值，获取手势识别模型的识别损失函数，基于识别损失函数更新手势识别模型的参数，直至模型收敛得到训练完成的手势识别模型，将训练样本输入关联检测模型，获取训练样本的特征图，将特征图与训练样本的人脸选择图和人手选择图进行融合，得到训练样本的融合特征图，基于融合特征图获取训练样本对应的交互概率值，获取关联检测模型的检测损失函数，基于检测损失函数更新关联检测模型的参数，直至模型收敛得到训练完成的关联检测模型。
一种关联检测模型训练方法装置存储介质电子设备

[发明专利]模型训练方法、装置、设备和存储介质-CN202011637010.8在审
发明人：朱星华;王健宗 -专利权人：平安科技（深圳）有限公司
申请日： 2020-12-31 - 公布日： 2021-04-30 - 主分类号： G06N3/08 文献下载
摘要：本申请适用于人工智能技术领域，提供了一种模型训练方法、装置、设备和存储介质，应用于模型训练系统中的中央服务器，模型训练系统包括中央服务器和至少两个客户端，通过向各客户端发送待训练模型中共享模块的结构信息和参数信息，并接收各客户端返回的共享模块的参数，进而根据各共享模块的参数更新待训练模型。其中，待训练模型包括共享模块和本地模块；共享模块用于获取输入待训练模型的点云数据的特征值；本地模块用于根据特征值得到待训练模型的模型结果，共享模块的参数为各客户端根据本地存储的点云数据对待训练模型进行训练得到的本申请实施例所提供的模型训练方法得到的待训练模型的准确度高。
模型训练方法装置设备存储介质

[发明专利]训练方法、预测方法、装置、计算机系统及存储介质-CN202110940463.6在审
发明人：李炯;胡凯乐;邢培康;何子南 -专利权人：中国工商银行股份有限公司
申请日： 2021-08-16 - 公布日： 2021-11-05 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种预测模型的训练方法，可用于金融领域、人工智能领域或计算机技术领域。该预测模型的训练方法包括：获取训练样本，训练样本包括训练数据和与训练数据相对应的训练标签，训练数据包括与办理业务相关的数据，训练标签包括目标时间段内办理目标业务的历史业务处理量；获取多个初始模型，其中，多个初始模型各自的网络结构不同；利用训练样本训练多个初始模型，得到多个预测模型，每个预测模型与多个初始模型中的一个初始模型相对应；以及从多个预测模型中确定目标预测模型。本公开还提供了一种业务处理量预测方法、预测模型的训练装置、业务处理量预测装置、计算机系统、可读存储介质及计算机程序产品。
训练方法预测装置计算机系统存储介质

[发明专利]文本分类模型的训练方法、装置、设备和计算机存储介质-CN202210573501.3在审
发明人：曾碧卿;蔡坤钊;黎健进;梁健淳 -专利权人：华南师范大学
申请日： 2022-05-25 - 公布日： 2022-08-05 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及文本分类模型的训练方法、装置、设备和计算机存储介质，文本分类模型的训练方法包括：获取文本分类模型；获取文本训练数据；将Dropout层的概率值设置为0，得到第一预训练模型，并将文本训练数据输入第一预训练模型，得到第一概率分布；将Dropout层的概率值设置为p(0p1)，得到第二预训练模型，并将文本训练数据输入第二预训练模型，得到第二概率分布；利用第一概率分布和第二概率分布计算文本分类模型的损失函数，并利用损失函数对文本分类模型的参数进行优化，得到训练完成的文本分类模型。本发明的训练方法不仅可以避免文本分类模型出现过度拟合的问题，而且还可以减少文本分类模型在训练阶段和验证阶段的不一致问题。
文本分类模型训练方法装置设备计算机存储介质

[发明专利]目标分割模型训练方法及目标分割方法-CN202310255221.2在审
发明人：伍芷影;刘宏斌 -专利权人：中国科学院香港创新研究院人工智能与机器人创新中心有限公司
申请日： 2023-03-16 - 公布日： 2023-07-28 - 主分类号： G06V10/26 文献下载
摘要：本发明提供一种目标分割模型训练方法及目标分割方法，涉及图像处理技术领域，该方法包括：获取有标注训练数据集和无标注训练数据集；基于所述有标注训练数据集和所述无标注训练数据集，确定混合训练数据集；基于所述有标注训练数据集、所述混合训练数据集、所述无标注训练数据集和预先构建的初始教师网络模型，对预先构建的初始学生网络模型进行训练，基于得到的第一学生网络模型的参数，更新初始教师网络模型的参数，并将更新后的教师网络模型作为新的初始教师网络模型；基于最终更新后的第一学生网络模型的参数，确定目标分割模型，在对学生网络模型进行训练时，可以加快目标分割模型训练的速度，同时提升目标分割模型对手术器械分割的精度。
目标分割模型训练方法

[发明专利]识别异常数据方法、装置、计算机设备和存储介质-CN202310402814.7在审
发明人：张诚;程佩哲;韩玮祎 -专利权人：中国工商银行股份有限公司
申请日： 2023-04-14 - 公布日： 2023-06-06 - 主分类号： G06F18/2433 文献下载
摘要：方法包括：获取多个客户端的各模型训练参数；在各客户端的各模型训练参数中，识别局部离散模型训练参数、满足预设极值范围的极值模型训练参数、以及全局离散模型训练参数，并基于所述局部离散模型训练参数对应的客户端、所述极值模型训练参数对应的客户端以及所述全局离散模型训练参数对应的客户端，确定异常客户端；基于各模型训练参数的高斯分布信息，识别每个异常客户端的各模型训练数据中的端值模型训练数据，并将各所述端值模型训练数据作为目标异常数据
识别异常数据方法装置计算机设备存储介质

[发明专利]驾驶模型训练方法、驾驶人识别方法、装置、设备及介质-CN201710846204.0有效
发明人：吴壮伟;金鑫;张川 -专利权人：平安科技（深圳）有限公司
申请日： 2017-09-19 - 公布日： 2020-11-03 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种驾驶模型训练方法、驾驶人识别方法、装置、设备及介质。该驾驶模型训练方法包括：获取同一驾驶场景的训练图像数据和训练音频数据,所述训练图像数据和所述训练音频数据与用户标识相关联；采用所述训练图像数据对卷积神经网络模型进行训练，获取人脸识别模型；采用所述训练音频数据对所述卷积神经网络模型进行训练，获取音频识别模型；采用所述训练图像数据和所述音频图像数据对所述人脸识别模型和所述音频识别模型进行一致性验证，将所述人脸识别模型和所述音频识别模型与所述用户标识关联存储。该驾驶模型训练方法利用图像维度和声音维度上的特征，解决当前驾驶模型识别效果差的问题，提高了识别驾驶人开车的精确度。
驾驶模型训练方法驾驶人识别装置设备介质

[发明专利]一种推荐模型训练的方法及装置-CN202010668973.8在审
发明人：程朋祥;陈飞;董振华;李震国;何秀强 -专利权人：华为技术有限公司
申请日： 2020-07-13 - 公布日： 2020-11-17 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种推荐模型训练的方法及装置，该方法包括：获取至少两个用户的用户样本数据，该至少两个用户中每个用户的用户样本数据包括第一训练集和第二训练集；根据每个用户的第一训练集训练推荐模型，推荐模型包括K个推荐单模型和模型选择器，K为大于1的整数；获取训练后的每个用户的推荐模型的模型参数。根据至少两个用户的第二训练集和综合损失函数综合训练推荐模型，获取综合训练后的推荐模型，该综合损失函数是根据每个用户的推荐模型的模型参数获取的。该方法不需要人工定义元特征。同时，该推荐模型包含K个推荐单模型和模型选择器，该K个推荐单模型和模型选择器可以共同训练和参数更新，不需要分步训练，可以降低时间复杂度。
一种推荐模型训练方法装置

[发明专利]一种卷积神经网络模型压缩方法、装置、设备和介质-CN202011092636.5在审
发明人：刁华彬 -专利权人：中国科学院微电子研究所
申请日： 2020-10-13 - 公布日： 2022-04-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种卷积神经网络模型压缩方法、装置、设备和介质，包括：为待压缩卷积网络模型的每一层中各个参数组设置掩膜，生成带掩膜的待训练模型；对待训练模型执行N轮周期训练，并对训练得到的第一模型执行网络稀疏步骤，当第二模型满足预设的模型修剪条件时，判断第二模型是否满足训练终止条件，若否，将第二模型作为待训练模型，重复执行对待训练模型执行N轮周期训练，并对训练得到的第一模型执行网络稀疏步骤，直至得到的第二模型满足训练终止条件；基于训练得到的第二模型的每一层中各个参数组的掩膜值，得到压缩后的卷积网络模型。本申请不仅缩小了模型的自身尺寸，同时还保留了甚至提高了待压缩卷积神经网络原有的精度和性能。
一种卷积神经网络模型压缩方法装置设备介质