“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]一种基于遗传物质特异性的肿瘤细胞药物敏感性评估方法-CN201510402191.9有效
发明人：王红强;靖高见 -专利权人：中国科学院合肥物质科学研究院
申请日： 2015-07-08 - 公布日： 2017-12-01 - 主分类号： G06F19/00 文献下载
摘要：本发明提供一种基于遗传物质特异性的肿瘤细胞药物敏感性评估方法，包括将肿瘤细胞样本集分割为训练样本子集和测试样本子集；采用训练样本子集训练并获得不同参数条件下的肿瘤细胞药物IC50值极限学习机预测模型集合；采用测试样本子集逐个测试所述预测模型，选择性能最佳的预测模型作为肿瘤细胞药物敏感性评估模型；计算待测肿瘤细胞的药物敏感性评估值。
一种基于遗传物质特异性肿瘤细胞药物敏感性评估方法

[发明专利]一种深度学习神经网络的分解与合成方法和系统-CN201810016932.3有效
发明人：朱定局 -专利权人：大国创新智能科技（东莞）有限公司
申请日： 2018-01-05 - 公布日： 2020-08-11 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种深度学习神经网络的分解与合成方法和系统，具体为：首先获取输入数据变量与输出数据变量集合；然后将输入数据变量集合分解为N个子集；接着初始化第一深度学习神经网络；然后初始化第二深度学习神经网络；然后初始化第三深度学习神经网络；接着对每个子集对应的第一深度学习神经网络进行无监督训练；然后对第二深度学习神经网络进行无监督训练；最后对第二或第三深度学习神经网络进行有监督训练。本发明将输入数据变量集合分解为多个子集，并为每个子集初始化一个深度学习神经网络，再以所有深度学习神经网络的输出层为输入层初始化一个深度学习神经网络，降低了深度学习的数据维度和计算复杂度，改进了深度学习神经网络的效果
一种深度学习神经网络分解合成方法系统

[发明专利]基于一致正则化的在线超限学习机目标识别方法及系统-CN202110436775.3有效
发明人：徐昕;曾宇骏;呼晓畅;方强;周思航;施逸飞 -专利权人：中国人民解放军国防科技大学
申请日： 2021-04-22 - 公布日： 2022-07-19 - 主分类号： G06V10/50 文献下载
摘要：本发明公开了一种基于一致正则化的在线超限学习机目标识别方法及系统，本发明包括进行基于单隐层前馈神经网络的分类器的学习和训练的下述步骤：针对训练图像进行特征提取，得到相应的图像特征集，并将图像特征集随机划分为多个特征子集；对所划分的特征子集，分别生成对应的近邻特征样本；将一致正则化约束引入在线超限学习目标优化函数，随机生成首先单隐层前馈神经网络的隐层节点参数，选取任一特征子集及其邻近样本进行初始化网络权重生成，基于剩余特征子集进行网络权重的迭代更新以完成基于单隐层前馈神经网络的分类器的学习与训练
基于一致正则在线超限学习机目标识别方法系统

[发明专利]信用评分模型的构建方法、装置、设备及存储介质-CN201911331416.0在审
发明人：牛坤;刘彦;张在美;谢国琪 -专利权人：湖南大学
申请日： 2019-12-21 - 公布日： 2020-04-28 - 主分类号： G06Q40/02 文献下载
摘要：本发明提供了一种信用评分模型的构建方法、装置、设备及存储介质，其中该构建方法包括：将原始不平衡信用数据集划分为训练集和验证集；所述原始不平衡信用数据集内的多个数据样本包括多个用户的信用信息，所述多个数据样本与所述多个用户一一对应；将所述训练集内的数据样本分为多数类训练样本和少数类训练样本；利用无监督聚类算法对所述多数类训练样本进行聚类，生成多个样本簇；根据所述多个样本簇和所述少数类训练样本，得到预设数量的平衡训练子集；根据得到的平衡训练子集
信用评分模型构建方法装置设备存储介质

[发明专利]神经网络的能量高效和存储高效的训练-CN202111411233.7在审
发明人： A·P·孔杜拉凯;J·E·M·梅纳特;P·维默 -专利权人：罗伯特·博世有限公司
申请日： 2021-11-25 - 公布日： 2022-05-27 - 主分类号： G06N3/08 文献下载
摘要：用于训练自身行为通过可训练参数被表征的人工神经网络KNN的方法，包括：对参数初始化；提供用额定输出标记的训练数据，其中KNN应将训练数据分别映射到额定输出；训练数据被输送给KNN并由KNN映射到输出；根据预先给定的成本函数评价输出与学习输出的一致性；根据预先给定的标准，从参数集合中至少选择待训练的参数的第一子集和待保持的参数的第二子集;以如下目标来优化待训练的参数：通过KNN对训练数据的进一步处理预计导致通过成本函数的更好评价；分别将待保持的参数保留在其初始化值上或在优化时已经获得的值上
神经网络能量高效存储训练

[发明专利]基于虚拟数据增强的眼科疾病诊疗意见生成方法、系统、介质和设备-CN202310233482.4在审
发明人：温金明;张雨林;赵帅;张国明 -专利权人：暨南大学
申请日： 2023-03-13 - 公布日： 2023-06-13 - 主分类号： G16H70/20 文献下载
摘要：本发明公开了一种基于虚拟数据增强的眼科疾病诊疗意见生成方法、系统、介质和设备，该方法的步骤包括：获取医疗文本数据并进行预处理；构建语料库，基于语料库预训练BERT模型；基于BERT模型进行多标签文本分类，输出对应的疾病分类；将医疗文本数据训练集根据不同的疾病种类进行划分，得到训练子集；采用Seq2seq结构构建眼科疾病的诊疗意见生成模型；基于训练子集训练诊疗意见生成模型；构建并训练双塔结构的眼科疾病诊疗意见生成模型；将医疗文本数据输入至训练后的双塔结构的眼科疾病诊疗意见生成模型，输出眼科疾病诊疗意见。本发明能够有效扩增训练样本的特征空间，提升眼科疾病诊疗意见的生成质量。
基于虚拟数据增强眼科疾病诊疗意见生成方法系统介质设备

[发明专利]基于区块链智能合约的神经网络训练方法及系统-CN202110386242.9在审
发明人：朱清;李征光;李征兵 -专利权人：链博（成都）科技有限公司
申请日： 2021-04-12 - 公布日： 2021-05-14 - 主分类号： G06N3/08 文献下载
摘要：本申请实施例公开了一种基于区块链智能合约的神经网络训练方法及系统，所述方法包括：接收组织用户提交的原始数据集和奖金；将所述原始数据集划分为训练数据集和测试数据集，并将所述训练数据集划分为A个训练数据子集，A≥2；响应于B个参与用户发送的训练数据获取请求消息，分别向所述B个参与用户发送所述A个训练数据子集，B≥2；分别接收所述B个参与用户发送的C个训练子结果，并对所述C个训练子结果进行汇总，获得训练结果；通过所述测试数据集对所述训练结果进行校验，若所述训练结果通过校验，则向所述B个参与用户支付奖金。
基于区块智能合约神经网络训练方法系统

[发明专利]一种结合深度神经网络的XGBoost集成信用评价系统及其方法-CN201910595039.5有效
发明人：贺小伟;李思奇;王宾;贺心畋;王文强;张翔 -专利权人：西北大学
申请日： 2019-07-03 - 公布日： 2023-03-24 - 主分类号： G06Q10/0635 文献下载
摘要：本发明公开了一种结合深度神经网络的XGBoost集成信用评价系统及其方法，包括数据预处理单元、数据划分单元、特征提取单元、训练单元和结果处理单元，利用深度神经网络提取训练集中的隐藏特征，将提取出来的隐藏特征进一步作为XGBoost的输入进行训练，最后对测试集进行预测，所得预测结果为信用概率。原始数据被分为训练集和测试集，在训练集中采用装袋采样方法生成可变训练子集：每个训练子集训练深度神经网络模型，选取出最后一个隐藏层的模型，将训练集和测试集进行特征提取以获得更多隐藏特征；将获得的训练集特征再通过XGBoost进行训练，对提取的测试集特征进行预测，将不同的基分类器的预测结果进行平均获得最终分类结果。
一种结合深度神经网络 xgboost 集成信用评价系统及其方法

[发明专利]利用支持向量机（SVM）在计算机辅助检测（CAD）中进行假阳性降低的系统和方法-CN200580039686.4无效
发明人： L·博罗茨基;L·赵;K·P·李 -专利权人：皇家飞利浦电子股份有限公司
申请日： 2005-11-18 - 公布日： 2007-10-24 - 主分类号： G06K9/62 文献下载
摘要：该方法包括在被选择为包括若干真部位和假部位的医学图像训练数据集合上训练分类器，其中真部位和假部位由CAD处理来识别，并且自动地被分割，其中分割训练部位由至少一个专家来审阅以把每个训练部位针对其基础事实，即真或假，进行分类，实质上限定自动分割，其中从每个分割部位识别并提取特征池，以及其中特征池由遗传算法来处理以识别最佳特征子集，所述子集用来训练支持向量机，在非训练医学图像数据内检测作为分类候选者的部位，对该候选部位进行分割，从每个分割候选部位提取特征集合以及在根据最佳特征子集进行训练之后利用支持向量机来对候选部位进行分类，以及处理该候选特征集合。
利用支持向量 svm 计算机辅助检测 cad 进行阳性降低系统方法

[发明专利]一种获取wifi画像的方法、系统及存储介质-CN202210880497.5在审
发明人：尹雅露;莫志强;陈志勇;方宏源 -专利权人：每日互动股份有限公司
申请日： 2022-07-25 - 公布日： 2022-10-25 - 主分类号： H04W8/26 文献下载
摘要：本申请提供了一种获取wifi画像的方法、系统及存储介质，其首先获取wifi的包含中文字符的SSID名称，然后将该SSID名称输入至预设wifi分类模型中以得到该wifi的类别画像，其中，所述预设wifi分类模型基于从训练用wifi集中随机抽取的多份等量训练用wifi子集及其对应的所属类别子集训练多个不同的text‑cnn模型得到。
一种获取 wifi 画像方法系统存储介质

[发明专利]一种基于人脸大数据人工智能聚类的自适应识别方法与系统-CN201910611376.9有效
发明人：徐超;谢君;崔娟 -专利权人：光控特斯联（上海）信息科技有限公司
申请日： 2019-07-08 - 公布日： 2020-10-27 - 主分类号： G06K9/00 文献下载
摘要：本发明从人脸图片提取高维度人脸特征量数据集，进而基于第二卷积神经网络的人脸特征量子集识别网络，从高维度人脸特征量数据集提取低维度人脸特征量信息子集。其中，在第二卷积神经网络的人脸特征量子集识别网络训练过程中，通过无监督的聚类并计算损失函数，并训练第二卷积神经网络使所述损失函数最小化。
一种基于脸大数据人工智能自适应识别方法系统

[发明专利]一种分布式训练方法、梯度通信方法、装置以及计算设备-CN202010217994.8在审
发明人：陈世达;刘强;韩亮;焦阳 -专利权人：阿里巴巴集团控股有限公司
申请日： 2020-03-25 - 公布日： 2021-09-28 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种深度神经网络的分布式训练方法、梯度通信方法、装置以及计算设备。方法包括：从训练数据集中获取训练数据子集，计算所述深度神经网络的网络参数在所述训练数据子集上的梯度，作为本地梯度；对所述深度神经网络的每一网络层，计算该网络层中各梯度块的梯度度量值，并按照梯度度量值从大到小的顺序选取预定数目个目标梯度块
一种分布式训练方法梯度通信装置以及计算设备

[发明专利]基于相对熵和余弦相似度的并行支持向量机优化方法-CN202210285548.X在审
发明人：毛伊敏;戴经果;郭斌斌;陈志刚;霍英 -专利权人：韶关学院
申请日： 2022-03-22 - 公布日： 2022-06-17 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种基于相对熵和余弦相似度的并行支持向量机优化方法，包括以下步骤：S1，数据划分：采用基于相对熵的数据划分策略DPRE进行数据划分，平衡当前子集和原始数据集的相对熵，划分样本到子集；S2，并行SVM训练：结合MapReduce框架实现多层级联结构，逐层过滤非支持向量精简训练集，得到训练后的SVM模型；S3，将待测数据输入训练后的SVM模型，获得数据分类结果。
基于相对余弦相似并行支持向量优化方法

[发明专利]磁共振图像的自适应重建-CN202080082691.8在审
发明人： E·德维尔特;N·佩佐蒂 -专利权人：皇家飞利浦有限公司
申请日： 2020-11-20 - 公布日： 2022-07-15 - 主分类号： G01R33/56 文献下载
摘要：本公开涉及一种方法，包括：提供经训练的机器学习模型。所述经训练的机器学习模型被配置为根据输入数据来重建图像。所述方法包括：接收(201)包含M维采集数据的多维矩阵；确定(205)所述矩阵的至少一个K选定维度的值的子集；针对子集的每个值确定包括所采集数据的与该值对应的M‑K维矩阵，得到M‑1维矩阵的集合；将M‑K维矩阵的所述集合输入(209)到所述经训练的机器学习模型，并且从所述经训练的机器学习模型接收经重建的图像。
磁共振图像自适应重建

[发明专利]一种边缘计算中面向深度学习的分布式模型训练方法及相关装置-CN202210752982.4在审
发明人：刘切;柴毅;曾建学;王浩;段海超 -专利权人：重庆大学
申请日： 2022-06-28 - 公布日： 2022-09-27 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种边缘计算中面向深度学习的分布式模型训练方法，包括：从待分类数据的历史数据库中采集数据，构建初始数据集；所述初始数据集中的包括训练集S、测试集Q，并将训练集S的数据平均分为N个训练子集Si，采用一维卷积构建N个基于ResNet网络的训练模型，并初始化模型参数；将N个训练子集Si数据分别输入N个基于ResNet网络的训练模型进行基于数据并行的分布式训练；每训练完一批数据，会将各模型参数进行汇聚，得到优化后的参数，并将新参数下发给各网络继续训练；当基于ResNet网络的训练模型的分布式训练次数达到预设阈值时，输出模型参数，得到训练结果。本申请基于数据并行的分布式模型训练方法可以在相同模型精度下，明显提高模型训练效率。
一种边缘计算面向深度学习分布式模型训练方法相关装置