“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]一种快速开发国标终端协议的方法及装置-CN202110498225.4有效
发明人：杜静波;杨威;程彦龙 -专利权人：首约科技（北京）有限公司
申请日： 2021-05-08 - 公布日： 2022-12-13 - 主分类号： H04L69/00 文献下载
摘要：本发明公开了一种快速开发国标终端协议的方法及系统，该方法包括：构建协议语料库；对协议语料预处理；将分词后的字和词语表示成应用于计算机计算的表示模型；选出特征子集；依据特征子集，构建训练模型；提交解析训练模型的协议解析训练模型，生成骨架代码，对骨架代码进行改进，测试骨架代码；修改训练模型。
一种快速开发国标终端协议方法装置

[发明专利]数字样本图像的复制防止-CN202180091117.3在审
发明人：约翰·斯科特·哈洛克;帕斯卡尔·比加雷;西尔万·肖松;克劳迪奥·贝里尼;马丁·艾兴贝格尔;伊丽莎白·舒尔茨 -专利权人：欧洲中央银行
申请日： 2021-05-25 - 公布日： 2023-09-22 - 主分类号： G06V10/82 文献下载
摘要：提供了一种用于训练基于人工智能的神经网络的计算机实施的方法。至少一个安全文件的至少一个数字图像被提供作为基准。数字训练图像的集合被提供，其中这些数字训练图像与安全文件的数字图像相比有所变更。该数字训练图像的集合包括或由正类数字训练图像的第一子集组成，其具有变更的视觉影响使得无偏人类观察者将相应数字训练图像的仿制品视为表示安全文件或多个安全文件。该数字训练图像的集合包括或由负类数字训练图像的第二子集组成。基准真值被提供给神经网络，至于相应数字训练图像是否被视为表示安全文件或多个安全文件。
数字样本图像复制防止

[发明专利]训练预测模型的方法、装置、计算机设备及可读存储介质-CN202010281332.7在审
发明人：唐永鹏;刘硕凌;程宁;韩雷 -专利权人：易方达基金管理有限公司
申请日： 2020-04-10 - 公布日： 2020-08-11 - 主分类号： G06Q40/06 文献下载
摘要：本发明公开了一种训练预测模型的方法、装置、计算机设备及可读存储介质，该方法包括：获取用于训练预测模型的正例样本集和负例样本集；基于所述正例样本集和负例样本集，利用K折交叉验证算法确定出K组训练集和验证集；在使用一组中的训练集进行模型训练的过程中，利用EasyEnsemble算法将所述训练集划分为N个训练子集，并分别使用每个训练子集进行模型训练，以训练出N个预测模型；在使用一组中的验证集对训练出的预测模型进行验证的过程中，使用所述验证集依次对训练出的各个预测模型进行验证，并将验证通过的预测模型用于预测企业是否存在债券违约风险；本发明可以训练出可靠度高且预测准确性好的模型。
训练预测模型方法装置计算机设备可读存储介质

[发明专利]基于离散型乌鸦差分协同搜索算法的分类数据特征选择方法-CN202010656817.X在审
发明人：程子昂;郭雅蓉;霍林;黄俊杰;王宏伟;覃志健;冯锦豪 -专利权人：广西大学
申请日： 2020-07-09 - 公布日： 2020-10-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于离散型乌鸦差分协同搜索算法的分类数据特征选择方法，包括以下步骤：1）获取数据样本特征集；2）将样本特征集划分为训练集和测试集；3）使用乌鸦差分协同搜索算法进行特征选择，选择出最优特征组合；4）根据所选特征组合获得对应的最优特征子集；5）用最优特征子集进行分类器训练；6）将待测数据用训练好的分类模型进行分类。本发明中的特征选择方法可以寻找到使分类准确率最高且所选特征长度最小的特征子集，兼顾了高准确率和低资源消耗，且算法运行较稳定，适用于多种数据智能分类的应用。
基于离散乌鸦协同搜索算法分类数据特征选择方法

[发明专利]一种用于机器学习的方法和装置-CN201910863250.0在审
发明人：王阳东 -专利权人：阿里巴巴集团控股有限公司
申请日： 2019-09-12 - 公布日： 2020-01-10 - 主分类号： G06K9/62 文献下载
摘要：在一个实施例中，可将具有与目标类别相关联的标签的样本集划分成多个样本子集，并使用每个样本子集来进行模型训练以生成分别与该多个样本子集相对应的多个机器模型。如果该多个机器模型针对测试集的识别结果之间的差异在预定范围内，则成功完成对该多个机器模型的训练。在另一个实施例中，可使用经训练的多个机器模型来识别待检测的样本。
机器模型样本样本子集方法和装置机器学习模型训练目标类别测试集样本集检测标签关联对抗成功

[发明专利]模型训练方法、装置及运动对象重识别方法-CN202110343626.2在审
发明人：焦继乐;冯雪涛 -专利权人：阿里巴巴新加坡控股有限公司
申请日： 2021-03-30 - 公布日： 2022-10-04 - 主分类号： G06T7/246 文献下载
摘要：本申请公开了一种模型训练方法、装置及运动对象重识别方法。其中，该模型训练方法包括：获取多个视角下的运动对象的样本子集，其中，每个样本子集包含一个视角下的所有运动对象的运动对象特征，该运动对象为在移动过程中出现在多个视角下的对象；将每个样本子集分别输入至目标学习模型进行分析，得到每个视角下的运动对象特征；依据每个视角下的运动对象特征，确定不同视角下的运动对象特征之间的关系；依据每个视角下的运动对象特征和不同视角下的运动对象特征之间的关系对目标学习模型进行训练，得到运动对象重识别模型
模型训练方法装置运动对象识别

[发明专利]用于图像配准的误匹配剔除算法和装置、存储介质和终端-CN202110748794.X在审
发明人：陈彩红;夏玉龙;陈华余;徐非;何强志 -专利权人：华润微电子（重庆）有限公司
申请日： 2021-07-02 - 公布日： 2023-01-03 - 主分类号： G06T7/33 文献下载
摘要：本发明提供一种用于图像配准的误匹配剔除算法和装置、存储介质和终端，其中方法通过预设梯度值计算方式计算匹配点对集中所有匹配点对的梯度值，基于梯度值对匹配点进行排序并获取训练点对子集，基于训练点对子集计算得到单应矩阵H，而后通过单应矩阵H对匹配点对集中剩余匹配点对进行验证，若验证通过则输出当前单应矩阵H，否则重新从匹配点对集中获取训练点对子集，并计算新的单应矩阵H。
用于图像匹配剔除算法装置存储介质终端

[发明专利]用于生成模型的方法和装置-CN201811273684.7有效
发明人：袁泽寰;王长虎 -专利权人：北京字节跳动网络技术有限公司
申请日： 2018-10-30 - 公布日： 2020-11-13 - 主分类号： G06F16/73 文献下载
摘要：该方法的一具体实施方式包括：获取样本集；提取该样本集中的部分样本组成子集，执行如下训练步骤：将该子集中的样本输入至初始模型，基于初始模型输出的信息和该子集中的样本所带有的标注信息，确定所输入的各样本的损失值；按照损失值从小到大的顺序选取目标数量的损失值，将所选取的损失值的平均值确定为目标损失值；基于所述目标损失值，确定初始模型是否训练完成；若是，将训练后的初始模型确定为目标模型。
用于生成模型方法装置

[发明专利]高效波束训练方法以及相关通信装置和网络控制装置-CN201580000978.0有效
发明人：游家豪;张铭博;桂建卿 -专利权人：联发科技股份有限公司
申请日： 2015-05-22 - 公布日： 2019-04-02 - 主分类号： H04B7/0456 文献下载
摘要：控制器从无线通信模块所支持的多个接收波束中选择接收波束的第一子集。无线通信模块轮流采用该第一子集中的接收波束接收网络控制装置发送的用于第一阶段波束训练的信号。控制装置轮流采用多个控制波束发送信号。控制器进一步计算该第一子集中的接收波束与该多个控制波束的各个组合的探测指标，并根据该探测指标确定该第一阶段波束训练的优选控制波束和优选接收波束。通过利用本发明，可进行高效的波束训练。
高效波束训练方法以及相关通信装置网络控制

[发明专利]一种基于特征集划分和集成学习的软件缺陷预测方法-CN202010177397.7有效
发明人：李璐璐;任洪敏;朱云龙;卢晓喆 -专利权人：上海海事大学
申请日： 2020-03-13 - 公布日： 2023-03-10 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种基于特征集划分和集成学习的软件缺陷预测方法，该方法将原始数据集划分为训练数据集和测试数据集，将训练数据集分为若干个特征子集；选择K个基分类器用于集成学习，再根据基分类器及其对应的权重合成每个特征子集的集成分类器；选择出与输入实例最相似的特征子集，并以其集成分类器对输入实例进行缺陷预测，建立软件缺陷预测模型；对测试数据集进行划分并寻找与输入实例最相似的特征子集；搜索质心集和权重集的最优取值，结合测试数据集的最相似特征子集
一种基于征集划分集成学习软件缺陷预测方法

[发明专利]用于对图像进行分类的方法和用于对物体进行光学检查的方法-CN202180084167.9在审
发明人： P·瓦森;A·科尔特 -专利权人：费森尤斯医疗护理德国有限责任公司
申请日： 2021-12-17 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：所述方法包括以下步骤：‑采集图像的图像数据，以及‑将图像分类为好图像(GB)或坏图像(SB、SB2)，其中，所述分类是使用人工神经网络进行的，人工神经网络通过使用来自多个好图像(GB)和多个坏图像(SB)的训练数据的监督学习被训练，其中，所述训练数据的多个坏图像(SB)的至少一个子集中的每个坏图像(SB)对应于所述训练数据的多个好图像(GB)的至少一个子集中的相应好图像(GB)，至少一个图像误差(11)被插入到所述相应好图像(GB)中，并且其中，使用来自所述多个好图像(GB)的子集的相应好图像(GB)和来自所述多个坏图像(SB)的子集的相应坏图像(SB)构成的相应对来训练所述人工神经网络，其中，相应坏图像(SB)对应于属于相同对的被插入至少一个图像误差
用于图像进行分类方法物体光学检查

[发明专利]基于两阶段迁移学习的小样本工业产品缺陷分类方法-CN202010803896.2有效
发明人：刘家欢;刁思勉;张云;李娜;刘文锋;陈艳平;李锡康 -专利权人：深圳市烨嘉为技术有限公司
申请日： 2020-08-12 - 公布日： 2022-08-02 - 主分类号： G06V10/764 文献下载
摘要：一种基于两阶段迁移学习的小样本工业产品缺陷分类方法，包括如下步骤，S1、采集正、负样本构成数据集；S21、用图像数据增强手段将数据集中负样本的数量扩充2‑3倍，随机挑选数量与扩充后的负样本的数量相当的正样本，组成数量平衡的数据子集；S22、将剩余的正样本组成另一个数据集子集；S31、选取CNN检测模型，进行第一阶段的训练；S32、第二阶段的训练是在包含剩余正样本和扩充后的负样本的数据集子集上进行；S4、将S32步模型训练收敛后，在测试集上测试模型的分类性能，若满足要求，即可上线测试，否则重复划分数据子集和模型训练过程，重复S21至S32，直至满足要求。本发明具有以下有益效果：一是具有性能更好的缺陷图像高维特征；二是提高了模型对工业产品图像的表征能力；三是所述的模型训练策略具有良好的通用性。
基于阶段迁移学习样本工业产品缺陷分类方法

[发明专利]一种用于不平衡数据的基于X-mean和样本错分类率集成分类方法-CN201810991730.0在审
发明人：王颖;汝吉东 -专利权人：齐齐哈尔大学
申请日： 2018-08-28 - 公布日： 2018-12-21 - 主分类号： G06K9/62 文献下载
摘要：包含以下内容：采用X‑mean算法数据子集构建方法；弱分类器平衡数据子集构建；弱分类器构建；基于AdaBoost算法集成分类器构建。本发明根据相似性高的多数类样本聚类算法，提取具有代表性样本作为多数类样本子集，在AdaBoost算法框架下，弱分类器训练采用平衡子集和错分类样本共同作为下一弱分类器训练集，最后集成弱分类器分类结果作为最终分类结果
弱分类器构建分类结果样本集成分类子集计算机技术领域集成分类器分类样本平衡数据平衡子集算法数据样本聚类样本子集分类器训练集分类算法

[发明专利]从音频记录获得呼吸相关声音-CN202180078851.6在审
发明人：史蒂文·维特司;弗雷德里克·马西;巴特·范·皮尔 -专利权人：艾图传感有限公司
申请日： 2021-09-23 - 公布日： 2023-07-21 - 主分类号： A61B5/08 文献下载
摘要：该选择还包括：确定具有相应高的源自目标患者的概率和/或低的源自目标患者的概率的RRS的第一子集和/或第二子集，基于第一子集和/或第二子集训练分类器以选择源自目标患者的RRS，以及通过经过训练的分类器选择源自目标患者的
音频记录获得呼吸相关声音

[发明专利]基于Spark的并行化随机标签子集多标签文本分类方法-CN201710086932.6在审
发明人：王进;王鸿;夏翠萍;范磊;欧阳卫华;陈乔松;雷大江;李智星;胡峰;邓欣 -专利权人：重庆邮电大学
申请日： 2017-02-17 - 公布日： 2017-06-20 - 主分类号： G06F17/30 文献下载
摘要：本发明请求保护一种基于Spark大数据平台的并行化随机标签子集多标签文本分类方法。首先,读取大规模文本数据集和配置信息文件，创建分布式数据集RDD，将训练数据集和预测数据集缓存到内存中，完成初始化操作。其次，并行地随机生成规定数目的标签子集，由原始训练集为每一个标签子集生成一个新的训练集，再次，将新训练集的多个标签通过标签幂集法转换为单个标签，该数据集转化为一个单标签多类数据集，并行地为这些数据集训练一个基分类器
基于 spark 并行随机标签子集文本分类方法