“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]用于基于用户选择的因素来训练机器学习模型的系统和方法-CN202080091476.4在审
发明人： E·司姆霍恩 -专利权人：皇家飞利浦有限公司
申请日： 2020-12-21 - 公布日： 2022-08-12 - 主分类号： G06N3/00 文献下载
摘要：在某些实施例中，可以呈现关键性能指标的风险调整因素的图形表示，并且可以接收对因素子集的用户选择。可以向机器学习模型提供训练信息作为输入，以预测针对所选择的因素子集的关键性能指标的值。训练信息可以指示与提供者相关联的因素子集的值。然后可以向机器学习模型提供参考反馈，所述参考反馈包括基于与提供者相关联的因素子集的值的针对提供者的关键性能指标的历史值。然后可以将因素子集的值提供给经更新的机器学习模型，以获得关键性能指标的预测值。
用于基于用户选择素来训练机器学习模型系统方法

[发明专利]一种近红外光谱定量分析的双集成建模方法-CN201710569312.8在审
发明人：卞希慧;邱建明;刘鹏;谭小耀;李明 -专利权人：天津工业大学
申请日： 2017-07-10 - 公布日： 2017-11-17 - 主分类号： G01N21/359 文献下载
摘要：本发明涉及一种近红外光谱定量分析的双集成建模方法，具体步骤如下收集一定数目的被测样品，采集样品的近红外光谱，采取一定的分组方式将数据分为训练集和预测集；利用蒙特卡罗采样法从训练集中选取一定数目的样品作为训练子集；采用萤火虫算法从该训练子集中进一步选取部分变量作为样品‑变量子集，建立偏最小二乘模型；多次迭代建立若干模型；对所有模型的结果进行简单平均得到最终预测结果。
一种红外光谱定量分析集成建模方法

[发明专利]基于脑电信号进行情感分析的层级Bagging方法-CN201910492885.4在审
发明人：杨利英;张清杨;袁细国;习佳宁 -专利权人：西安电子科技大学
申请日： 2019-06-06 - 公布日： 2019-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明属于脑电信号处理技术领域，公开了一种基于脑电信号进行情感分析的层级Bagging方法，脑电样本数据预处理、特征提取和特征选择、训练集有放回抽样、不同基分类算法用于多个数据子集的训练、多分类器投票获得分类结果与传统Bagging算法中单个训练子集对应单个分类算法不同的是，层级Bagging将多个训练子集对应单个分类算法，减小了单个性能良好的分类算法由于不适应个别数据导致被删去的风险。
分类算法脑电信号层级情感分析训练子集预处理脑电信号处理多分类器分类结果风险预测数据处理数据子集特征提取特征选择样本数据重要意义训练集分类准确率减小脑电算法抽样监测投票情绪监督学习

[发明专利]基于车载雷达的目标识别方法及设备-CN201911344659.8在审
发明人：不公告发明人 -专利权人：深圳市大富科技股份有限公司
申请日： 2019-12-24 - 公布日： 2021-06-25 - 主分类号： G01S7/41 文献下载
摘要：本申请提供一种基于车载雷达的目标识别方法，包括：利用车载雷达分别获取行人和车辆的多个测量数据集，其中，每个测量数据集包括多个数据子集，每个数据子集包括一组测量数据；利用每个测量数据集内的多个数据子集的测量数据计算与每个测量数据集对应的训练数据，其中，训练数据至少包括横向速度的频域特征，每个测量数据集所对应的训练数据作为一个特征元素；将多个特征元素汇总成特征集，并对每个特征元素进行行人或车辆标记；利用特征集训练识别模型。
基于车载雷达目标识别方法设备

[发明专利]用于结合地图信息调整模型的方法和计算机程序产品-CN202111260181.8在审
发明人：禹尧 -专利权人：戴姆勒股份公司
申请日： 2021-10-28 - 公布日： 2022-01-04 - 主分类号： G06K9/62 文献下载
摘要：所述方法包括以下步骤：对地图信息进行提取和/或分析(S1)；由所述地图信息构建功能所需的地图要素的全集(S2)；分析所述地图要素对所述功能的影响(S3)；将所述地图要素的全集基于分析结果划分成子集(S4)；将模型的训练数据分类至所划分的子集(S5)；基于经分类的子集的训练数据对模型进行训练(S6)。在本发明的实施例中，能够实现经分类地、有针对性地训练模型，使得这些数据驱动的模型更加准确，并在系统的应用阶段基于道路环境调用最适当的模型，使得该系统的应用更加安全可靠。
用于结合地图信息调整模型方法计算机程序产品

[发明专利]数据分类方法、装置、设备和存储介质-CN202210209523.1在审
发明人：魏子麒;刘璘;陈俊;黄海峰;刘军伟 -专利权人：清华大学;百度在线网络技术（北京）有限公司
申请日： 2022-03-04 - 公布日： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种数据分类方法、装置、设备和存储介质，包括：将待分类数据集的多个待分类数据子集分别输入预设的多个单一分类器，得到多个单一分类结果，其中，所述多个单一分类器是采用训练数据子集对多个初始的单一分类模型训练得到的，所述训练数据子集是采用粒子群优化算法对训练数据集中的样本数据进行动态选取得到的；采用投票机制将所述多个单一分类结果进行整合，得到所述待分类数据集的第一数据分类结果。
数据分类方法装置设备存储介质

[发明专利]基于联邦学习的样本选择方法、系统、电子设备及介质-CN202310507592.5在审
发明人：李泽远;王健宗 -专利权人：平安科技（深圳）有限公司
申请日： 2023-05-06 - 公布日： 2023-07-21 - 主分类号： G06N20/00 文献下载
摘要：方法应用于参加联邦学习的服务器，服务器与多个子设备通信连接，方法包括：获取训练任务样本，其中，训练任务样本包括样本子集；基于预设的联邦学习算法将训练任务样本发送至每个子设备进行局部更新，得到局部损失函数；基于预设的梯度下降算法对局部损失函数进行计算，得到预测损失函数；根据样本子集对预测损失函数进行迭代，得到联邦学习的模型参数；根据模型参数对所述样本子集进行选择，得到目标样本。本申请实施例能够通过动态选择参与训练的数据样本，降低联邦学习中的数据不均衡情况。
基于联邦学习样本选择方法系统电子设备介质

[发明专利]用于训练对象检测模型的方法及对象检测方法-CN202110949753.7在审
发明人：钟朝亮;汪洁;冯成;张颖;孙俊 -专利权人：富士通株式会社
申请日： 2021-08-18 - 公布日： 2023-02-24 - 主分类号： G06N3/088 文献下载
摘要：本公开内容涉及用于训练对象检测模型的方法和对象检测方法。根据本公开内容的一个实施例，用于训练模型的方法包括以迭代方式训练对象检测模型，其中当前训练迭代轮包括以下操作：读取源域数据子集和目标域数据子集；确定针对源域数据子集的检测损失，以及源域实例分类特征集；确定目标域实例分类特征集
用于训练对象检测模型方法

[发明专利]基于变异分析的测试子集构建方法及相关设备-CN202211415410.3在审
发明人：郑飞州;陈政霖;李昭睿;陈震军 -专利权人：广州中平智能科技有限公司
申请日： 2022-11-11 - 公布日： 2023-03-07 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及深度学习测试领域，具体涉及基于变异分析的测试子集构建方法及相关设备；所述测试子集构建方法包括：基于训练数据集，确定训练数据集中每个训练输入在被测DNN模型每一个网络层上的关键神经元；确定各个训练输入的关键决策路径将测试样本集中的每个测试样本分别输入到被测DNN模型，得到各个测试样本对应的输出向量；根据输出向量将测试样本对应到各个类别标签下；计算测试样本的重要性程度；分别选择每个类别标签下重要性程度高的多个测试样本并进行标记，构成测试子集
基于变异分析测试子集构建方法相关设备

[发明专利]一种网络故障定位方法及系统-CN201710414827.0在审
发明人：张兵战;詹晓航;戴天弓;毛平平;罗志全;郑宇;张思洁 -专利权人：中国移动通信集团广东有限公司;中国移动通信集团公司;广州衡昊数据科技有限公司
申请日： 2017-06-05 - 公布日： 2018-12-11 - 主分类号： H04L12/24 文献下载
摘要：所述方法包括：获取网络故障监测数据的历史训练样本集，历史训练样本集包括样本属性；计算每个样本属性单独分类历史训练样本集的区分度，将区分度最高的样本属性作为初始决策树的根结点；根据当前结点的取值，将历史训练样本集划分为至少一个子集，每个子集形成一个初始决策树的分支；对每个子集，递归执行上述步骤，对初始决策树的分支进行划分，直至分支结点达到预设终止条件为止，将分支结点作为初始决策树的叶子结点，根据预设规则设定初始决策树的每个叶子结点的故障类别本发明根据历史训练样本集生成网络故障定位初始决策树，具有自动学习的能力，从而快速、准确地定位网络故障。
决策树训练样本集网络故障定位样本属性子集叶子结点分支结区分度定位网络故障故障类别监测数据网络故障预设规则终止条件自动学习根结点递归结点预设分类

[发明专利]基于混合PSO-Adam神经网络的外协供应商评价方法-CN201811083184.7在审
发明人：李益兵;宋东林;王磊;陈志鹏 -专利权人：武汉理工大学
申请日： 2018-09-17 - 公布日： 2019-01-01 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于混合PSO‑Adam神经网络的外协供应商评价方法，包括以下步骤：建立外协供应商评价数据集；使用留出法将数据集划分成k个大小相似的互斥子集；每次用k‑1个子集的并集作为训练集，余下的子集作为测试集，得到k组训练集与测试集；建立神经网络，神经网络的模型结构包括输入层、隐含层、输出层；神经网络训练，获得训练后的神经网络模型；完成对神经网络的训练后，将外协供应商数据集输入神经网络的输入层，神经网络输出层的输出即为外协供应商的评价得分
供应商评价神经网络测试集输入层数据集训练集子集神经网络输出层神经网络模型神经网络训练输入神经网络供应链管理供应商数据个人经验模型结构供应商输出层隐含层并集互斥输出决策

[发明专利]一种太赫兹人体安检图像目标检测模型训练数据增广方法-CN202011589752.8在审
发明人：李诚;柳桃荣;余开;涂昊;刘泽鑫 -专利权人：博微太赫兹信息科技有限公司
申请日： 2020-12-29 - 公布日： 2021-04-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种太赫兹人体安检图像目标检测模型训练数据增广方法，属于图像处理技术领域，在数据准备阶段，利用从目标检测图像标注数据中裁剪可疑物兴趣区域图像，形成可疑物图像增广子集，同时利用图像分割模型或者人工标注方式获取人体前景区域在训练过程中，在人体前景区域中随机产生区域并从可疑物图像增广子集中随机选择对图片覆盖，形成增广训练数据。本发明从少量已有带有可疑物标签的图像中裁剪出可疑物图像增广子集，并利用分割算法或者人工标注方式提取出人体前景区域，在训练过程中随机生成覆盖区域和随机选择可疑物增广图像覆盖，重新生成数据标签，能够在样本不均衡条件下加速目标检测模型训练收敛过程
一种赫兹人体安检图像目标检测模型训练数据增广方法

[发明专利]分布式机器学习的建模方法、装置及设备-CN202110936432.3在审
发明人：赵振崇;薛鹏 -专利权人：深圳力维智联技术有限公司;南京中兴力维软件有限公司
申请日： 2021-08-16 - 公布日： 2021-11-05 - 主分类号： G06F30/27 文献下载
摘要：一种分布式机器学习的建模方法、装置及设备，通过对获取的训练数据集设置对应的目标建模单元，目标建模单元为以下一项：分类建模单元、回归建模单元或聚类建模单元；为目标建模单元包括的各建模算法配置参数选择模式和验证模式，得到多个初始建模算法和多组训练子集和验证子集；将各组中的训练子集分别输入各初始建模算法中，并根据分布式任务调度策略得到各初始建模算法的预测模型；根据评价参数对各预测模型进行评估，得到满足预设条件的目标初始建模算法；根据训练数据集对目标初始建模算法进行训练得到目标预测模型，并通过目标预测模型对待预测数据进行预测，减少了自动建模的时间和降低了对分析人员的技能要求，使得机器学习更加智能。
分布式机器学习建模方法装置设备

[发明专利]用于缺陷检测的系统和方法-CN202310088525.4在审
发明人：程其森;瞿树晖;李章焕 -专利权人：三星显示有限公司
申请日： 2023-02-09 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：方法可以包括使用第一组图像训练包括第一学生神经网络和第一教师神经网络的第一神经网络。训练第一神经网络可以包括将缺陷引入到第一组图像的第一子集中，并且使用第一组图像训练第一学生神经网络。训练第一学生神经网络可以包括使用如下第一成本函数训练第一学生神经网络：对于第一组图像中的且不是第一子集中的图像，奖励第一学生神经网络的特征映射与第一教师神经网络的特征映射之间的相似性，并且对于第一子集中的图像
用于缺陷检测系统方法

[发明专利]通过主动学习进行药物优化-CN202280008041.8在审
发明人：埃米尔·尼古拉·尼基塔 -专利权人：艾克斯赛安西娅人工智能有限公司
申请日： 2022-02-08 - 公布日： 2023-08-15 - 主分类号： G16C20/30 文献下载
摘要：该方法包括：定义化合物的群体，每种化合物具有一种或更多种结构特征；定义来自群体的多种生物特性已知的化合物的训练集；以及定义多个目标，每个目标定义期望的生物特性。该方法包括使用化合物的训练集训练贝叶斯统计模型以输出近似群体中的化合物的生物特性的概率分布作为群体中的化合物的结构特征的目标函数。该方法包括确定来自群体的不在训练集中的化合物的子集，子集是根据采集函数的优化来确定的，采集函数的优化基于来自经训练的贝叶斯统计模型的概率分布以及基于定义的目标。该方法包括在所确定的子集中选择至少一些化合物用于合成。
通过主动学习进行药物优化