“网络训练”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1091524个，建议您升级VIP下载更多相关专利

[发明专利]一种网络重置方法及基于此的加速分布式训练方法和系统-CN202010055765.0在审
发明人：张翔宇;张曼妮;李杨;孙军欢 -专利权人：深圳致星科技有限公司
申请日： 2020-01-17 - 公布日： 2021-07-20 - 主分类号： G06F9/455 文献下载
摘要：本发明提供一种网络重置方法及基于此的加速分布式训练方法和系统。其中，首先提供一种分布式训练过程中训练数据传输网络重置的方法，通过使所有运行着训练进程的虚拟节点构成一个逻辑环以及从逻辑环的起始节点起向下游的正向收集全局RDMA网络配置和从终止节点起向上游的反向同步全局RDMA网络配置过程，使各节点训练进程都获得全局RDMA网络配置，并根据其重置训练集群中的训练数据传输网络为RDMA网络。在此基础上，进一步提供一种基于高效通信网络的加速分布式训练方法、系统，在分布式训练过程中重置训练数据传输网络为RDMA网络，利用RDMA网络高效传输训练数据，克服训练数据传输通信瓶颈问题，提升训练效率。
一种网络重置方法基于加速分布式训练系统

[发明专利]一种用于桥梁健康监测数据异常检测的训练方法及装置-CN202211599237.7有效
发明人：张艳红;侯芸;姜宏维;仝鑫隆;董元帅;李宇轩;戴建华;孙天成;王跃山;杨松;杨思宇 -专利权人：中国公路工程咨询集团有限公司;中咨公路养护检测技术有限公司;中咨数据有限公司
申请日： 2022-12-12 - 公布日： 2023-10-13 - 主分类号： G06F18/21 文献下载
摘要：本发明提供一种用于桥梁健康监测数据异常检测的训练方法及装置，方法包括：获取不同领域多个类别的时间序列监测数据样本集和多个待训练的教师网络，按类别输入对应的每个待训练的教师网络中进行训练直至收敛完成教师网络训练；获取桥梁健康监测数据样本集和待训练的学生网络，分别输入已训练好的多个教师网络和待训练的学生网络，利用已训练好的多个教师网络对待训练的学生网络进行知识蒸馏训练直至收敛完成学生网络训练；利用已训练好的学生网络对待检测的桥梁健康监测数据进行异常预测本发明解决了因现有技术中桥梁监测异常数据集存在无标注和正例样本不足问题，而导致现有神经网络模型无法对目标桥梁健康监测数据进行异常检测的问题。
一种用于桥梁健康监测数据异常检测训练方法装置

[发明专利]一种神经网络模型的训练数据处理、装置、电子设备及存储介质-CN202110098001.4在审
发明人：牛帅程;吴家祥;谭明奎 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-01-25 - 公布日： 2021-10-29 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种神经网络模型的训练数据处理，装置、设备及存储介质，方法包括：对第一训练数据集合进行旋转自监督处理，以形成相应的第二训练数据集合；确定与第二训练数据集合相对应的初始训练数据集合；根据第二训练数据集合、初始训练数据集合，通过第一训练数据处理网络和第二训练数据处理网络，确定与所述初始训练数据集合相匹配的梯度参数；对初始训练数据集合进行更新，确定与目标神经网络模型相匹配的目标训练数据集合。由此，能够在减少训练数据总量的前提下，稳定提高规模较小的训练数据对神经网络模型训练的准确率，增强目标神经网络模型的泛化能力，便于将所训练的目标神经网络模型部署于移动终端中，实现目标神经网络模型的大规模应用
一种神经网络模型训练数据处理装置电子设备存储介质

[发明专利]一种神经网络训练方法及装置-CN202010817216.2在审
发明人：王敏;刘畅 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-08-14 - 公布日： 2021-05-18 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种神经网络训练方法及装置；本申请实施例可以获取待确定连接关系的原生神经网络，所述原生神经网络包括至少两个网络层，所述网络层包括至少一个训练节点；获取当前网络层中当前训练节点的节点连接策略信息；基于节点连接策略信息，从目标网络层的训练节点中确定与当前训练节点对应的目标连接节点；建立当前训练节点与目标连接节点之间的连接关系，得到连接后神经网络；通过针对样本数据在连接后神经网络中执行前向传递，得到预测输出结果；基于预测输出结果，更新连接后神经网络中各训练节点的权重信息，以确定出训练后神经网络。该方案可以提高神经网络训练的效率，并改善神经网络训练中的过拟合现象。
一种神经网络训练方法装置

[发明专利]一种量化感知训练的点云目标检测方法及装置-CN202310925867.7在审
发明人：朱健;陈光;曾令仿;程稳;常璟飞;胡陈枢;黄章敏 -专利权人：之江实验室
申请日： 2023-07-26 - 公布日： 2023-09-08 - 主分类号： G06V20/56 文献下载
摘要：本说明书公开了一种量化感知训练的点云目标检测方法及装置，可以获取训练样本，将训练样本中的点云样本数据输入到全精度网络中，得到目标检测结果，以对全精度网络进行训练，得到训练后的全精度网络，而后，将训练后的全精度网络进行模型量化，得到量化后网络，量化后网络的参数精度低于全精度网络的参数精度，而后，将训练样本输入到量化后网络中，得到量化后网络得到的目标检测结果，根据标注信息和目标检测结果，对量化后网络进行参数微调训练，得到训练后的量化后网络，最后，将训练后的量化后网络部署在无人驾驶设备中，以使无人驾驶设备通过量化后网络进行点云目标检测，从而在保证准确性的情况下提高了无人驾驶设备的点云检测效率。
一种量化感知训练目标检测方法装置

[发明专利]用于搜索目标模型的方法、装置和计算设备-CN202210935432.6有效
发明人：陈志轩;杨敏;杨作兴;艾国 -专利权人：深圳比特微电子科技有限公司
申请日： 2022-08-05 - 公布日： 2022-11-08 - 主分类号： G06F16/903 文献下载
摘要：该方法包括：构建超网络；分别对超网络的最大子网络和最小子网络进行训练，以产生经训练的最大子网络和经训练的最小子网络；基于经训练的最大子网络和经训练的最小子网络，对超网络的第一预设数目的第一子网络进行训练；以及在经训练的超网络中进行搜索以确定符合目标硬件设备的性能参数条件的目标量化子网络的量化网络结构，并根据目标量化子网络产生目标模型。
用于搜索目标模型方法装置计算设备

[发明专利]一种基于对抗学习策略的半监督医学图像器官分割方法-CN202211607583.5有效
发明人：黄炳顶;潘元科;朱金鑫 -专利权人：深圳技术大学
申请日： 2022-12-14 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明首先采用少量的原始标注图像训练判别网络，以得到已训练的判别网络。然后再用上述少量的原始标注图像以及从原始标注图像人为分割出的器官图像对分割训练进行预训练，得到预训练分割网络。最后只要采用无标注图像、噪声图像、已训练判别网络对预训练分割网络进行训练，就可以得到已训练分割网络。由于本发明设置了判别网络，因此可以只使用少量的原始标注图像就可以完成对分割网络的训练，从而节省了训练时间。
一种基于对抗学习策略监督医学图像器官分割方法

[发明专利]一种基于可拓展训练网络的智能通信资源分配策略-CN201811051459.9有效
发明人：党舒平;黎成中;韦林昌;蒋坤燔 -专利权人：广西华南通信股份有限公司
申请日： 2018-09-10 - 公布日： 2020-06-05 - 主分类号： H04L12/24 文献下载
摘要：本发明属于通信网络技术、智慧城市服务支撑技术领域，具体公开了一种基于可拓展训练网络的智能通信资源分配策略，具体包括：获取基于通信资源的多个训练数据组，训练数据组包括具备拓展性的输入数据和输出参考数据；建立通信资源分配的训练网络；设置迭代方式，采用训练数据组训练该训练网络，当满足迭代条件时得到最优的训练网络。该策略能够对优化训练网络进行动态训练，避免训练网络固化，能够适应一般化的优化场景，可以通过调整输入与输出端变量，实现对训练网络的动态调整，一般性与可拓展性强，且消耗算力适中，计算用时较短，适合工程实践应用
一种基于拓展训练网络智能通信资源分配策略

[发明专利]基于高频信息特征融合的图像超分辨率重建方法-CN202210716324.X在审
发明人：薛涵博;雷景生;杨胜英;韩睿;张弛 -专利权人：浙江科技学院;国网浙江省电力有限公司电力科学研究院
申请日： 2022-06-15 - 公布日： 2022-09-27 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于高频信息特征融合的图像超分辨率重建方法，其构建生成网络，包括特征预提取模块、残差网络、上采样模块、输出模块；使用训练图像集对生成网络进行预训练，得到生成网络预训练模型；构建基于高频信息特征融合的生成对抗网络，包括生成网络和判别网络，生成网络加载生成网络预训练模型，判别网络由高频信息蒸馏模块、高频信息特征提取模块、图像特征提取模块、特征融合模块以及像素域判别模块组成；使用训练图像集对生成网络和判别网络进行对抗训练，得到生成网络训练模型和判别网络训练模型；生成网络训练模型根据测试图像集中的每幅低分辨率图像生成对应的超分辨率图像；优点是利用其重建的重建图像的纹理细节更丰富。
基于高频信息特征融合图像分辨率重建方法

[发明专利]基于先验类别增强的对抗训练方法-CN202110490295.5在审
发明人：夏智康;陈斌;夏树涛;戴涛 -专利权人：鹏城实验室;清华大学深圳国际研究生院
申请日： 2021-05-06 - 公布日： 2021-08-10 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于先验类别增强的对抗训练方法，包括步骤：获取训练数据和神经网络，并根据所述训练数据和所述神经网络，确定样本受到FGSM攻击后的预测标签；所述训练数据包括：训练样本和所述训练样本对应的真实标签；根据所述训练数据、所述神经网络以及所述预测标签，确定所述训练数据对应的对抗样本；根据所述对抗样本和所述真实标签，对所述神经网络的参数进行调整，得到训练后的神经网络。由于先确定样本受到FGSM攻击后的预测标签，并根据训练数据、神经网络以及预测标签，确定训练数据对应的对抗样本，再采用对抗样本进行训练，得到训练后的神经网络，可以提高神经网络对预设标签的鲁棒精度。
基于先验类别增强对抗训练方法

[发明专利]一种基于多模态融合的导线绝缘皮破损检测方法及系统-CN202211328076.8在审
发明人：桂菲菲;成喆;何红太;杜学月;黄广;焦石柱;张晓军;张凯;黄志勇;陈艳霞;闻宇;李鑫明;王鹏;李菁 -专利权人：北京国网富达科技发展有限责任公司;山东电工电气集团有限公司;国网北京市电力公司
申请日： 2022-10-27 - 公布日： 2023-02-03 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及目标检测技术领域，特别是涉及一种基于多模态融合的导线绝缘皮破损检测方法及系统，方法包括：获取训练图像集和训练文本集；基于图像特征提取网络对训练图像集进行特征提取，得到训练图像特征集；基于文本特征提取融合网络对训练文本集进行特征提取，得到训练文本特征集；基于文本特征提取融合网络对训练图像特征集和训练文本特征集进行融合，得到训练特征集；基于训练特征集对目标检测网络进行训练，得到训练好的目标检测网络；基于图像特征提取网络、文本特征提取融合网络和训练好的目标检测网络实现导线绝缘皮破损检测
一种基于多模态融合导线绝缘破损检测方法系统

[发明专利]基于Spark集群的模型训练方法、装置、设备及存储介质-CN202010146420.6在审
发明人：王达;刘博;郑文琛;杨强 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-03-04 - 公布日： 2020-07-03 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于Spark集群的模型训练方法，包括：获取训练样本；通过深度神经子网络生成器生成多个候选子网络，并基于训练样本，通过Spark集群中的多个第一弹性分布式数据集以及各个候选子网络，确定各个候选子网络对应的训练误差；基于各个训练误差，在各个候选子网络中确定最优子网络，并基于最优子网络以及主网络确定目标模型。本发明还公开了一种基于Spark集群的模型训练装置、设备及存储介质。本发明实现了在Spark集群中通过弹性分布式数据集进行模型训练，进而无需通过GPU服务器进行模型训练，还能够根据不同的训练样本实现不同网络模型的智能训练和优化，降低了模型训练与调优的工作量，提高了网络模型的训练效率
基于 spark 集群模型训练方法装置设备存储介质

[发明专利]去模糊卷积神经网络训练方法、装置、设备及存储介质-CN202111342163.4在审
发明人：丁贵广;王泽润 -专利权人：清华大学
申请日： 2021-11-12 - 公布日： 2022-03-25 - 主分类号： G06T5/00 文献下载
摘要：本申请提出了一种去模糊卷积神经网络训练方法、装置、设备及存储介质，其中，方法包括：获取模糊图像训练集，模糊图像训练集包括局部模糊训练集和全局模糊训练集；构建初始去模糊卷积神经网络，包括模糊区域感知网络和去模糊网络；其中去模糊网络包括模糊区域感知注意力模块和去模糊模块；将局部模糊训练集分别对模糊区域感知网络和模糊区域感知注意力模块进行训练，并将模糊图像训练集输入至去模糊模块进行训练，得到中间去模糊卷积神经网络；将局部模糊训练集和全局模糊训练集交替输入中间去模糊卷积神经网络，进行联合训练，得到最终的去模糊卷积神经网络。该方法使去模糊卷积神经网络更满足实际应用场景，提高去模糊效果。
模糊卷积神经网络训练方法装置设备存储介质

[发明专利]神经网络训练的方法与装置、数据处理方法与装置-CN202110648030.3在审
发明人：袁明宽;胡芝兰;白博;李石华 -专利权人：华为技术有限公司
申请日： 2021-06-10 - 公布日： 2022-12-30 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了人工智能领域中的一种神经网络模型的训练方法和装置、数据处理方法和装置。神经网络模型训练方法包括：根据训练数据集合，对所述第一初始神经网络模型进行多次迭代以得到多个训练神经网络模型，训练数据集合包括通用训练数据集合和目标域数据集合；根据每次迭代得到的训练神经网络模型分别对通用评测数据集合中的数据该处理结果和通用评测数据集合中数据的标注信息的差异，确定各个训练神经网络模型在通用评测数据集合的准确度，通用评测数据集合与通用训练数据集合具有相同的数据分布；将准确度最高的训练神经网络模型为作训练后的神经网络模型。从而，能够在多个训练神经网络模型中确定在目标域的准确度最高的神经网络模型。
神经网络训练方法装置数据处理

[发明专利]一种基于对比学习预训练的SAR舰船分类方法-CN202310567081.2在审
发明人：王英华;张超;刘宏伟 -专利权人：西安电子科技大学
申请日： 2023-05-19 - 公布日： 2023-09-22 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于对比学习预训练的SAR舰船分类方法，包括：构建特征融合网络，特征融合网络包括依次连接的特征提取模块、第一特征融合模块和第二特征融合模块；构建以特征融合网络为特征提取网络的SimCLR对比学习网络框架；获取多组mat格式训练数据集和多组JPG格式图片训练数据集，并将多组JPG图片训练数据集分别输入SimCLR网络框架中进行训练，获得多组预训练模型；将多组预训练模型的参数加载到特征融合网络中，并利用多组mat格式训练数据集进行进一步训练，获得训练后的特征融合网络；将待分类的原始SAR图片输入至训练后的特征融合网络中，获得分类结果。本发明使用无监督对比学习获得预训练模型并结合特征融合网络，提升了舰船分类性能。
一种基于对比学习训练 sar 舰船分类方法