“训练子集”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364438个，建议您升级VIP下载更多相关专利

[发明专利]一种面部识别模型的训练方法、装置以及设备-CN202210443934.7在审
发明人：郑丹丹 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-04-26 - 公布日： 2022-07-12 - 主分类号： G06V40/16 文献下载
摘要：本说明书实施例公开了一种面部识别模型的训练方法、装置以及设备。通过获取包括面部关键点的训练样本；将所述训练样本划分为多个子图像；根据所述子图像中所包括的关键点确定任意的子图像所属的类别，生成对应于多个不同类别的多个图像子集；采用初始模型确定所述多个图像子集所对应的局部特征向量，融合所述局部特征向量生成所述训练样本所对应的全局特征向量；根据所述全局特征向量对所述初始模型进行分类训练，生成可用的目标模型。从而实现对于训练得到的目标模型，在使用时可以对于每个待识别图像所包含的图像子集，量化其与待确认图像对应区域的相似度。
一种面部识别模型训练方法装置以及设备

[发明专利]用于对视频进行分类的方法和系统-CN200680034868.7有效
发明人：赖古纳唐·拉达克里希南;迈克尔·西拉库萨;阿贾伊·迪瓦卡兰;大塚功 -专利权人：三菱电机株式会社
申请日： 2006-12-27 - 公布日： 2008-09-17 - 主分类号： G10L15/00 文献下载
摘要：将在集合中选定的分类合并为重要类别子集，该重要类别子集对于具体精彩场面任务是至关重要的，集合的剩余分类被合并为其它类别子集。所述重要类别子集和其他类别子集通过训练用音频数据进行训练以形成任务特有的分类器。
用于视频进行分类方法系统

[发明专利]用于模型训练的特征选择方法、装置及电子设备-CN201911289310.9在审
发明人：李勇;刘鹏程 -专利权人：北京金山云网络技术有限公司
申请日： 2019-12-12 - 公布日： 2020-05-05 - 主分类号： G06F16/906 文献下载
摘要：本发明公开了一种用于模型训练的特征选择方法、装置、电子设备及计算机可读存储介质。该方法包括：计算原始特征集中待选特征与标签的互信息量，以得到每个待选特征与对应标签之间的关联度；计算待选特征与原始特征集的已选特征子集的平均互信息量，以得到每个待选特征与已选特征子集的冗余度；以及根据关联度和冗余度中至少一项从待选特征中选择特征子集作为模型训练的输入数据本发明可以降低模型训练的时间，提高训练的精度。
用于模型训练特征选择方法装置电子设备

[发明专利]一种确定模型参数的方法及客户端设备-CN201811315103.1在审
发明人：张惠亮;刘胜;吴锋海 -专利权人：联动优势科技有限公司
申请日： 2018-11-06 - 公布日： 2019-04-02 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例公开了一种确定模型参数的方法及客户端设备，其中方法包括：通过将数据集合划分为Y个数据子集，客户端设备可以为每一个数据子集选择N个节点进行存储，且可以在接收到N个节点中的M个节点已成功存储的指示信息后，选择K个节点进行算法运行，并接收K个节点中的P个节点的训练结果；进一步地，客户端设备可以根据Y个数据子集中每个数据子集的训练结果，得到模型的参数。本申请实施例中，通过采用区块链系统中的节点训练模型，可以无需构建专属的机器学习算法群，从而可以节省成本，减少社会资源的浪费；且，通过选择区块链系统中具有较强存储和处理能力的节点运行算法，可以提高模型的训练效率，进而得到较好的模型训练效果。
客户端设备数据子集模型参数训练结果链系统区块算法存储机器学习算法存储和处理模型训练社会资源数据集合训练模型训练效率指示信息构建申请成功

[发明专利]一种电力系统暂态稳定性预测方法及装置-CN202111213477.4在审
发明人：沈思源;张华军 -专利权人：武汉理工大学
申请日： 2021-10-19 - 公布日： 2021-11-16 - 主分类号： H02J3/00 文献下载
摘要：本发明提供了一种电力系统暂态稳定性预测方法及装置，其方法包括：获取电力系统的暂态稳定性数据集，包括稳定数据和失稳数据；将暂态稳定性数据集按照第一预设比例划分出训练集，并将训练集中的稳定数据作为正例样本集，将失稳数据作为负例样本集；利用欠采样算法从正例样本集中抽取多个正例样本子集，并将多个正例样本子集分别与负例样本集组合，形成多个训练子集；构建多个多层感知机模型，通过训练子集对多层感知机模型进行训练，生成多个感知机预测模型
一种电力系统稳定性预测方法装置

[发明专利]基于多目标优化的深度神经网络测试图片选择方法与系统-CN202310227765.8在审
发明人：黄志球;郝耀;李伟湋 -专利权人：南京航空航天大学
申请日： 2023-03-10 - 公布日： 2023-07-07 - 主分类号： G06V10/774 文献下载
摘要：本发明首先收集不同应用场景下的图片测试数据作为预训练的图像识别模型的原始图片测试集。然后根据图片测试集大小设计图片测试子集选择个体，并设计图片测试子集的不确定性和多样性两个指标，使用多目标优化算法NSGA‑II来对问题求解，最终得到Pareto最优解集。最后根据Pareto最优解集获得最优图片测试子集，对预训练的图像识别模型进行重训练，以提高模型的准确性。本发明引入了图片测试子集的不确定性和多样性两个指标，使得模型在重训练的时候可以学习到更多样化的特征，从而取得更好的重训练效果，更大限度地提升图像识别系统的质量。
基于多目标优化深度神经网络测试图片选择方法系统

[发明专利]一种稀土元素含量变化预测方法及系统-CN202110856661.4在审
发明人：王伟;杨辉;朱建勇;陆荣秀;徐芳萍 -专利权人：华东交通大学
申请日： 2021-07-28 - 公布日： 2022-04-12 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种稀土元素含量变化预测方法，包括：获取稀土串级萃取过程中数据集；数据集包括无标签数据子集和有标签数据子集，无标签数据子集包括萃取工况下特征数据；构建稀疏自编码多分支网络模型；稀疏自编码多分支网络模型模拟稀土串级萃取过程的组分含量变化；根据无标签数据子集，对稀疏编码主网络进行无监督预训练；为各分支网络分别构建损失函数；基于各分支网络的损失函数，采用误差反向传播算法与随机梯度下降算法，根据有标签数据子集对预训练后的稀疏自编码多分支网络模型进行有监督训练
一种稀土元素含量变化预测方法系统

[发明专利]一种基于页面访问拓扑的异常用户挖掘方法-CN201910035793.3有效
发明人：李建聪;邓金城 -专利权人：成都知道创宇信息技术有限公司
申请日： 2019-01-15 - 公布日： 2020-12-15 - 主分类号： H04L29/06 文献下载
摘要：本发明公开了一种基于页面访问拓扑的异常用户挖掘方法，包括以下步骤：步骤1：根据从日志中提取到的信息，以IP为单位，以时间为标准对URL进行升序排序，构建访问拓扑数据库；步骤2：抽取训练样本；步骤3：对训练样本使用URL对IP进行索引；步骤4：将训练样本中的IP作为初始搜索子集，利用逆序索引去除初始搜索子集中未访问过该URL的IP，对搜索子集进行更新；重复该步骤，直到搜索子集为空或无法更新搜索子集；根据循环次数，
一种基于页面访问拓扑异常用户挖掘方法

[发明专利]基于深层类内分裂的雷达高分辨距离像开集目标识别方法-CN202110236104.2有效
发明人：王鹏辉;刘宏伟;王同晶;丁军;陈渤 -专利权人：西安电子科技大学
申请日： 2021-03-03 - 公布日： 2023-06-30 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于深层类内分裂的雷达高分辨距离像开集目标识别方法，主要解决现有技术开集识别性能低和闭集识别精度差的问题，其方案是：获取雷达二维高分辨距离像谱图数据，并分别为雷达目标数据库内的各个目标类别设置标签值，构建训练样本集和测试样本集；构建类内分裂模型，并对其进行训练；将训练样本集输入到训练好的类内分裂模型中进行分裂，得到非典型样本子集和典型样本子集；构建开集识别模型，并用非典型样本子集和典型样本子集对其进行训练；将测试样本输入到训练好的开集识别模型中
基于深层分裂雷达分辨距离像开集目标识别方法

[发明专利]一种基于图像的模型融合的神经网络结构训练方法-CN201710845881.0在审
发明人：张伟;刘英丽;黄昊;王康;何旭;高升 -专利权人：中国科学院沈阳自动化研究所
申请日： 2017-09-19 - 公布日： 2019-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种改进的模型融合的神经网络结构训练方法，采集图像，形成数据集，根据图像特征确定原始神经网络结构；将数据集划分为若干个子集，并且改变原始神经网络结构，得到若干个模型，使得到的模型个数与子集个数相同；采用划分后的子集分别训练对应的模型，得到每个模型的表现值；计算每个模型的表现系数，并根据表现系数输出数据集训练结果。本发明提供了简化训练神经网络难度的新思路，综合加入物理学动量的设计方法的优势，可大幅减小训练时间，加速目标函数收敛速度，更容易获得目标函数全局最优解。同时提高泛化性能。
神经网络结构模型融合目标函数网络结构原始神经数据集子集训练神经网络动量全局最优解输出数据集采集图像泛化性能图像特征训练结果表现减小物理学收敛图像改进

[发明专利]针对不平衡数据集的组合降采样线性判别分类方法-CN201610331710.1在审
发明人：李喆;吕卫;褚晶辉 -专利权人：天津大学
申请日： 2016-05-18 - 公布日： 2016-10-26 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种针对不平衡数据集的组合降采样线性判别分类方法，包括以下步骤：得到原始数据的不平衡数据集的不平衡率IR；将全部的负样本进行不放回随机抽样，均匀生成IR个不相交的负样本子集，各子集中均包含约个负样本；对于每一个负样本子集，将其分别与全部正样本集组合，此时各子训练集中正负样本数目基本相同，得到IR个平衡的子训练集；分别使用上述的子训练集训练得到IR个相互独立的线性判别分类器LDA。本发明在获得更好的分类性能的同时保持了极高的分类器训练效率。
针对不平衡数据组合采样线性判别分类方法

[发明专利]一种预测固废焚烧过程氮氧化物浓度的方法和系统-CN202310359950.2在审
发明人：严爱军;王冉冉;和世潇 -专利权人：北京工业大学
申请日： 2023-04-06 - 公布日： 2023-08-11 - 主分类号： G06Q10/04 文献下载
摘要：本申请涉及一种预测固废焚烧过程氮氧化物浓度的方法和系统，包括采集影响氮氧化物产生的特征变量的历史数据，得到训练集；对训练集进行数据预处理，对训练集进行任务分解，以将训练集划分为多个具有相似特征的子集；根据SCN算法建立与子集相应的子模型；基于子集对相应的子模型分别进行训练，获取测试集，根据计算欧氏距离与对应的子模型进行匹配，并激活相应子模型；根据测试集基于对应的子模型计算得到预测的氮氧化物浓度，最终提高预测焚烧过程
一种预测焚烧过程氧化物浓度方法系统

[发明专利]可同时挖掘视觉和语义相似性的图像标注方法-CN201611122577.5在审
发明人：李泽超;唐金辉;籍茜 -专利权人：南京理工大学
申请日： 2016-12-08 - 公布日： 2017-09-01 - 主分类号： G06F17/30 文献下载
摘要：本发明提供一种可同时挖掘视觉和语义相似性的图像标注方法，包括以下步骤从图像集中获取训练图像子集；对测试图像在每个训练图像子集中获取K1各视觉近邻的图像并组成集合T；对测试图像的每个视觉近邻图像在其相应的训练图像子集中
同时挖掘视觉语义相似性图像标注方法

[发明专利]可同时挖掘视觉和语义相似性的图像标注方法-CN201610892662.3有效
发明人：唐金辉;李泽超;籍茜 -专利权人：南京理工大学
申请日： 2016-10-12 - 公布日： 2020-04-10 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种可同时挖掘视觉和语义相似性的图像标注方法，包括以下步骤：从图像集中获取训练图像子集；对测试图像在每个训练图像子集中获取K1各视觉近邻的图像并组成集合T；对测试图像的每个视觉近邻图像在其相应的训练图像子集中
同时挖掘视觉语义相似性图像标注方法

[发明专利]使用具有混合质量的标记的医学数据对人工神经网络进行的约束训练-CN202080079674.9在审
发明人： S·克伦克;J·冯贝格;D·贝斯特罗夫;B·伦特;N·维贝尔奈特;S·扬 -专利权人：皇家飞利浦有限公司
申请日： 2020-11-09 - 公布日： 2022-07-08 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及一种用于对人工神经网络进行有监督的训练以用于医学图像分析的方法(100)。所述方法包括：采集(S1)第一训练样本集和第二训练样本集，其中，所述训练样本包括特征向量和相关联的预定标签，所述特征向量指示医学图像，并且所述标签涉及解剖结构检测、对医学图像的语义分割、对医学图像的分类针对所述第二训练样本集的预定标签的准确度比针对所述第一训练样本集的预定标签的准确度更好。通过减小代价函数来训练(S3)所述神经网络，所述代价函数包括第一部分和第二部分。所述代价函数的所述第一部分取决于所述第一训练样本集，并且所述代价函数的所述第二部分取决于训练样本的第一子集，所述第一子集是所述第二训练样本集的子集。另外，所述代价函数的所述第二部分取决于针对训练样本的所述第一子集的所述神经网络的所述平均预测性能的上限，并且所述代价函数的所述第二部分被配置用于防止针对训练样本的所述第一子集的所述平均预测性能超过所述上限
使用具有混合质量标记医学数据人工神经网络进行约束训练