“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]一种基于动态误差补偿机制的聚丙烯熔融指数混合建模方法-CN201910534700.1在审
发明人：夏陆岳;刘山山;王佳晨;李卓;潘海天 -专利权人：浙江工业大学
申请日： 2019-06-20 - 公布日： 2019-10-11 - 主分类号： G16C20/30 文献下载
摘要：一种基于动态误差补偿机制的聚丙烯熔融指数混合建模方法，首先将原始样本数据集划分为训练样本集和测试样本集，采用训练集建立机理模型，再以随机重采样方法建立多个新的训练样本子集，训练各子集建立Elman神经网络的基学习器集合；然后进行聚类分析，选取每簇中性能较好的个体作为选择性集成子集；最后将该动态补偿机制的并联混合建模方法用于测试样本集，利用误差判断是否需要依据相似度原则更新机理模型训练样本及相应的参数，得到相应的聚丙烯熔融指数预测值
聚丙烯熔融指数混合建模子集动态误差补偿测试样本集机理模型训练样本非线性动态聚丙烯生产选择性集成训练样本集变化趋势丙烯聚合动态补偿过程操作技术支持聚类分析熔融指数神经网络生产过程误差判断原始样本软测量数据集相似度学习器训练集中性能重采样并联预测质量控制集合跟踪更新优化

[发明专利]一种基于融合注意力机制的半监督图像去模糊方法-CN202110851387.1在审
发明人：张笑钦;曹少丽;徐曰旺;王涛 -专利权人：温州大学
申请日： 2021-07-27 - 公布日： 2021-11-02 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于融合注意力机制的半监督图像去模糊方法，包括：步骤Step1:获取图像训练数据集，并将所述图像训练数据集划分为两个训练子集；步骤Step2:构建基于全监督和无监督的图像模糊还原模型，所述图像模糊还原模型包括全监督网络和无监督网络；步骤Step3:将所述一个子集输入待训练的全监督网络进行学习，将所述另一子集输入待训练的无监督网络；步骤Step4:利用上述网络中的注意力机制筛选图像特征，对网络提取的特征信息分配相应的权重，获取重要的图像信息
一种基于融合注意力机制监督图像模糊方法

[发明专利]基于模体的图网络的后门攻击防御方法、系统、终端和存储介质-CN202210253252.X在审
发明人：纪守领;熊海洋;陈晋音;伍一鸣;蒲誉文;张旭鸿 -专利权人：尚蝉（浙江）科技有限公司
申请日： 2022-03-15 - 公布日： 2022-07-12 - 主分类号： G06K9/62 文献下载
摘要：通过获取目标图神经网络模型以及图训练集；从图训练集中随机取出部分图数据作为图数据子集；计算图训练集中每一类图数据中的模体分布情况，选择每一类图数据的触发模体，将触发模体嵌入到图数据子集中的其他类的图数据中，构成增强图数据集；将图数据子集中的原图与来自该原图的增强图作为一对正样本对，对图编码器进行训练；利用训练好的图编码器对实时图数据提取嵌入特征，将嵌入特征作为目标图神经网络模型的输入，得到输出结果。
基于网络后门攻击防御方法系统终端存储介质

[发明专利]使用放射学报告和医学图像的共同训练的半监督学习-CN202180040294.9在审
发明人：王欣;P·P·克拉森 -专利权人：皇家飞利浦有限公司
申请日： 2021-05-27 - 公布日： 2023-02-03 - 主分类号： G16H30/40 文献下载
摘要：一种训练机器学习(ML)图像分类器(14)以将图像(30)相应于标签集合进行分类的方法(100)，包括：通过将ML图像分类器应用于图像来从标签集合生成针对图像的基于图像的标签和针对基于图像的标签的基于图像的标签置信度值应用于对应的放射学报告，从标签集合生成用于图像的基于报告的标签和针对基于报告的标签的基于报告的标签置信度值；基于该基于图像的标签、该基于报告的标签、该基于图像的标签置信度值和该基于报告的标签置信度值选择图像集的训练子集；为训练子集的每个图像分配伪标签，伪标签是图像的基于图像的标签或基于报告的标签之一；以及至少使用所选择的训练子集和所分配的伪标签来训练ML图像分类器。
使用放射学报告医学图像共同训练监督学习

[发明专利]基于时空相关性多元回归的飞行数据异常检测和恢复方法-CN202310705696.7在审
发明人：杨磊;李少波;张安思;廖子豪;张仪宗 -专利权人：贵州大学
申请日： 2023-06-14 - 公布日： 2023-09-08 - 主分类号： G06F18/2433 文献下载
摘要：本发明涉及无人机异常检测技术领域，公开了一种基于时空相关性多元回归的飞行数据异常检测和恢复方法，包括以下步骤：步骤1：获取原始的无人机飞行数据并对其进行预处理；并获得初始样本；步骤2：自初始样本中选取具有相关性的参数子集；步骤3：向参数子集中注入异常；步骤4：将具有异常的参数子集划分为训练集和测试集；步骤5：将训练集和测试集输入CNN‑BiLSTM‑Attention回归模型，并得到训练误差和测试误差；步骤6：获取平滑的训练误差及测试误差，并以平滑的训练误差的平均值作为判断飞行数据异常的阈值；以平滑的测试误差作为判断飞行数据异常的判断值。
基于时空相关性多元回归飞行数据异常检测恢复方法

[发明专利]数据训练方法、装置及系统、计算机设备-CN201711377963.3有效
发明人：郑星 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2017-12-19 - 公布日： 2021-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据训练方法、装置及系统、计算机设备，属于人工智能领域。所述方法包括：与其他训练主机获取同一伪随机数种子，其他训练主机为多个训练主机中除第一训练主机以外的训练主机；执行至少一次训练过程，直至训练过程的执行结果满足预设停止条件，训练过程包括：基于伪随机数种子，对文件名集合进行随机化处理，得到更新后的文件名集合，基于更新后的文件名集合，对训练数据集中的第一数据子集进行训练，直至多个训练主机完成本次对训练数据集的训练后，再次执行训练过程，第一数据子集包括第一训练主机对应的数据本发明解决了相关技术中数据训练网络开销较大，数据训练系统稳定性较差的问题。本发明用于数据训练。
数据训练方法装置系统计算机设备

[发明专利]一种基于混合模型预测不同转速下离心泵效率预测的方法-CN202110169168.5在审
发明人：刘毅;夏召顺;郑水华 -专利权人：浙江工业大学
申请日： 2021-02-07 - 公布日： 2021-07-23 - 主分类号： G06F30/28 文献下载
摘要：本发明公开了一种基于混合模型预测不同转速下离心泵效率预测的方法，属于不同转速下离心泵效率预测技术领域，包括以下操作步骤：1)获取离心泵不同转速下过程变量数据集；2)不同转速下数据的预处理以及数据集划分；3)根据不同的训练样本子集训练多个GPR模型；4)制定相似度量标准选择与测试样本子集相近的训练样本子集；5)划分为大流量阶段和小流量阶段；6)训练局部GPR模型并进行预测；7)预测大流量区间的效率；8)验证混合模型的有效性。
一种基于混合模型预测不同转速离心泵效率方法

[发明专利]一种智能网关的预警方法和系统-CN202110875021.8在审
发明人：瞿建平;王澜;刘鹏;沈翔;彭甫镕 -专利权人：南京凡科信息科技有限公司
申请日： 2021-07-30 - 公布日： 2021-11-16 - 主分类号： G08B21/18 文献下载
摘要：本申请提供了一种智能网关的预警方法和系统，智能网关中部署有基于模糊神经网络算法的智能预警模型，预警方法包括：基于训练完成的智能预警模型，根据模糊子集和预设的与模糊子集对应的模糊规则、以及获取的监测对象的输入数据集，得到监测对象的下一时刻的状态评估预测值；其中，模糊子集通过聚类方法对预先获取的训练集进行划分得到；训练集用于对智能预警模型进行训练，输入数据集包括当前时刻及以前若干个时刻的时序数据，每个时序数据包括监测对象的时序数列值和与时序数列值对应的状态评估值
一种智能网关预警方法系统

[发明专利]基于雷达特征匹配的作物种植区域快速提取方法及系统-CN202210398100.9在审
发明人：丁志平;刘文达;梁治华 -专利权人：北京艾尔思时代科技有限公司
申请日： 2022-04-12 - 公布日： 2022-07-29 - 主分类号： G06V20/13 文献下载
摘要：本申请涉及识别图形技术领域，提供一种基于雷达特征匹配的作物种植区域快速提取方法、系统、计算机可读存储介质和电子设备，其中，基于雷达特征匹配的作物种植区域快速提取方法包括：对获取的训练区域的雷达数据的全时序后向散射系数进行特征筛选，得到最优特征子集；其中，全时序后向散射系数包括作物的生长周期内多个时相的后向散射系数；根据作物的物候期对最优特征子集进行时间对齐，并根据时间对齐后的最优特征子集训练得到作物识别模型；根据训练区域与目标区域的空间泛化影响因子，对训练区域与目标区域进行空间特征因子分析，得到空间特征匹配的目标区域；以基于作物识别模型对空间特征匹配的目标区域内作物种植区域进行提取。
基于雷达特征匹配作物种植区域快速提取方法系统

[发明专利]一种网络物理系统入侵检测方法-CN202210446927.2在审
发明人：王振东;李泽煜;陈潇潇;杨书新;王俊岭;李大海 -专利权人：江西理工大学
申请日： 2022-04-26 - 公布日： 2022-08-05 - 主分类号： G06V10/776 文献下载
摘要：一种网络物理系统入侵检测方法，对入侵检测数据集进行数据预处理，数据预处理包括字符型数据数值化处理、数据归一化处理和数据不平衡处理；通过二元灰狼优化算法对预处理完的入侵检测数据集进行最优特征子集选取；根据选取的最优特征子集对教师网络模型进行预训练；入侵检测模型训练过程：初始化入侵模型参数，确定学生网络模型的结构；基于最优特征子集将两组不同类别的网络流量输入入侵检测模型进行训练；根据知识蒸馏损失调整K折交叉训练过程的误差，直到学生网络模型达到收敛
一种网络物理系统入侵检测方法

[发明专利]一种分类模型的训练方法、装置、设备和存储介质-CN202211139418.1在审
发明人：何凤翔;胡郅昊;傅少鹏;陶大程 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2022-09-19 - 公布日： 2022-12-09 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例公开了一种分类模型的训练方法、装置、设备和存储介质，涉及可信人工智能技术领域。该方法包括：获取预设敏感属性对应的样本数据集，并确定预设敏感属性对应的属性值样本类别；基于属性值样本类别之间的当前采样比例，对样本数据集进行采样获得当前样本数据子集，并基于当前样本数据子集对预设分类模型进行当轮训练；基于当前样本数据子集中的每个样本数据对应的当前预测类别和标签类别，确定属性值样本类别之间的下一采样比例；基于下一采样比例对预设分类模型进行下轮训练，直到当前满足预设收敛条件时预设分类模型训练结束，获得保障公平性的目标分类模型
一种分类模型训练方法装置设备存储介质

[发明专利]一种基于微波扫频技术和Stacking集成模型的茶叶籽仁含水率检测方法及系统-CN202211328547.5在审
发明人：韦真博;吴晨媛;王俊;杜冬冬;朱建锡;陈长卿 -专利权人：浙江大学
申请日： 2022-10-27 - 公布日： 2022-12-30 - 主分类号： G01N22/04 文献下载
摘要：具体包括：1.获取微波扫频数据集；2.归一化处理并基于Ridge‑RFE算法进行特征选择，生成训练子集和测试子集；3.基于训练子集搭建具有双层结构的Stacking集成模型，其中，计算混合评价指标IN3来选择训练模型第一层的基学习器的算法；4.使用训练好的Stacking集成模型检测待测茶叶籽仁样本的含水率。
一种基于微波技术 stacking 集成模型茶叶含水率检测方法系统

[发明专利]流数据图像语义分割模型训练方法、系统及可读存储介质-CN202310481137.2在审
发明人：黄琴 -专利权人：零束科技有限公司
申请日： 2023-04-28 - 公布日： 2023-08-29 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种流数据图像语义分割模型训练方法、系统及可读存储介质，涉及图像分割技术领域，所述训练方法包括基于流数据划分策略将流数据集划分为多个数据子集；基于多个数据子集分别训练多个图像语义分割模型；其中数据子集一一对应图像语义分割模型本发明可以在使用尽可能少的存储和训练资源情况下，提升流数据图像语义分割模型的分割效果。
数据图像语义分割模型训练方法系统可读存储介质

[发明专利]网络攻击检测方法以及装置、设备、存储介质-CN202210138446.5在审
发明人：魏金侠;肖建平;龙春;赵静;杨帆 -专利权人：中国科学院计算机网络信息中心
申请日： 2022-02-15 - 公布日： 2023-08-25 - 主分类号： H04L9/40 文献下载
摘要：该方法包括根据所述网络攻击的特征相关性，确定特征子集；通过聚类将所述特征子集进行特征分组；根据特征分组后的特征分组数量，确定自动编码器的数量，其中，所述自动编码器与每个特征子集之间具有映射关系，所述自动编码器集成于预设网络攻击检测模型中，所述预设网络攻击检测模型通过所述自动编码器以无监督方式对样本数据进行训练得到的，所述样本数据包括正常网络流量数据；通过所述预设网络攻击检测模型，检测网络攻击。本申请解决了基于机器学习的网络攻击检测模型采用有监督训练方式，网络训练过程复杂以及网络攻击检测时间较长的技术问题。通过本申请减少训练和检测的时间开销。
网络攻击检测方法以及装置设备存储介质

[发明专利]基于并行特征学习和多分类器的滚动轴承故障诊断方法-CN201910331462.4有效
发明人：王奇斌;赵博;程广凯;孔宪光;马洪波;常建涛 -专利权人：西安电子科技大学
申请日： 2019-04-24 - 公布日： 2021-02-26 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于多分类器集成和并行特征学习的滚动轴承智能故障诊断方法，旨在提高模型的分类精度，实现步骤为：获取训练样本集和测试样本集；建立多个堆栈自编码器模型，以训练样本集为输入对堆栈式自编码器模型进行并行训练，提取训练样本集的多个特征；基于softmax模型对提取的特征进行特征评价，根据相应的阈值和评价指标值筛选特征构成特征子集；根据特征子集建立基于softmax模型的多个分类器，以特征子集为输入获取每个分类器的分类精度
基于并行特征学习分类滚动轴承故障诊断方法