“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_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

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]图像特征的聚合方法、装置、电子设备及存储介质-CN202310126895.2在审
发明人：孟鹏飞;贾双成;朱磊;李成军 -专利权人：智道网联科技（北京）有限公司
申请日： 2023-02-01 - 公布日： 2023-06-09 - 主分类号： G06V10/80 文献下载
摘要：该方法包括：获取待聚合的图片的图像特征数据；根据细节模块训练图像特征数据，得到第一类特征集合，第一类特征集合包括细节模块对图像特征数据至少两次下采样获得的特征子集；根据语义模块训练图像特征数据，得到第二类特征集合，第二类特征集合包括语义模块对图像特征数据至少两次上采样获得的特征子集；基于聚合模块，将第一类特征集合的特征子集和第二类特征集合的特征子集之间聚合合并，以得到目标融合特征。
图像特征聚合方法装置电子设备存储介质

[发明专利]地理数据集准备系统-CN202080099311.1在审
发明人：陈爱友;蒂莫西·C·奥;尼古拉斯·雷米;凯文·贝纳科 -专利权人：谷歌有限责任公司
申请日： 2020-09-21 - 公布日： 2022-11-18 - 主分类号： G06Q30/02 文献下载
摘要：该方法还包括从数据中提取训练数据。该方法还包括计算训练数据的输入数据的差异和响应数据的差异。该方法还包括确定第一多个地理对。该方法还包括从数据中提取评估数据。该方法还包括将第一多个地理对中的每个地理对分成多个不同地理对子集中的每一个的多个不同模拟子集中的多个模拟的处理区域或控制区域。该方法还包括计算多个不确定性估计。该方法还包括选择第一地理对子集并且提供所选择的地理对子集。
地理数据准备系统

[发明专利]一种心力衰竭临床诊断辅助方法、存储介质以及计算机-CN202310184846.4在审
发明人：李灯熬;赵菊敏;李明霞 -专利权人：太原理工大学
申请日： 2023-03-01 - 公布日： 2023-09-29 - 主分类号： G16H50/20 文献下载
摘要：具体涉及一种心力衰竭临床诊断辅助方法、存储介质以及计算机，所述方法包括数据预处理，将电子健康病历进行数据提取和清除处理，并将其特征用1‑10之间的整数进行表示，通过公式1计算各个特征的F分数；生成F分数最高的N个特征的训练子集；使用X倍折叠交叉验证进行网格搜索，找到(C，γ)的最佳值；用(C，γ)值对子集进行训练，得到SVM预测模型；使用SVM预测模型预测测试子集中的标签；直到所有特征根据F分数出现在子集中；本发明通过支持向量机结合特征选择的心力衰竭的特征
一种心力衰竭临床诊断辅助方法存储介质以及计算机

[发明专利]软件缺陷预测方法和系统-CN201510247157.9有效
发明人：杨春晖;熊婧;高岩;林军;李冬 -专利权人：工业和信息化部电子第五研究所
申请日： 2015-05-14 - 公布日： 2017-10-20 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及一种软件缺陷预测方法和系统，获取样本软件模块并进行聚类处理，得到聚类子集。计算聚类子集的高斯参数，并根据高斯参数生成伪缺陷样本，根据软件缺陷样本集和伪缺陷样本得到更新缺陷样本集。根据更新缺陷样本集进行训练得到缺陷预测模型，根据缺陷预测模型对待测软件模块进行缺陷预测并输出预测结果。对样本软件模块采用聚类的方式形成聚类子集，对聚类子集进行高斯分析计算得到高斯参数，然后根据高斯参数生成伪缺陷样本。通过增加更多的缺陷数据生成更新缺陷样本集进行训练，提高缺陷预测模型的准确度，使缺陷预测模型能够更好的对缺陷数据进行估计和拟合，提高了对软件缺陷的预测准确性。
软件缺陷预测方法系统

[发明专利]一种基于时间序列的预测方法-CN201110316264.4无效
发明人：马利;李雪莲;张波;陈杰;李博 -专利权人：南京信息工程大学
申请日： 2011-10-18 - 公布日： 2012-06-13 - 主分类号： G06F19/00 文献下载
摘要：本发明的预测方法包括以下步骤：使用均生函数方法对原始时间序列进行延拓，得到延拓序列；通过最优子集回归方法对延拓序列进行删选，选出最优子集；以上步骤得到的最优子集作为训练集，以原始时间序列作为输出，对BP神经网络进行训练，得到BP神经网络预测模型；利用BP神经网络预测模型进行预测。本发明将均生函数最优子集回归方法与神经网络相结合，建立了一种新的MGF-OSR-BP预报模型，这种预报模型从模型本身和构造学习矩阵两方面进行了考虑，使得预测的准确率更高，可为类似时间序列要素的中长期预测研究提供借鉴
一种基于时间序列预测方法

[发明专利]多输入多输出无线通信网络中选择天线的方法-CN200780010262.4有效
发明人：顾大庆;安德里亚·F·莫利萨奇;张锦云;张鸿远;王东 -专利权人：三菱电机株式会社
申请日： 2007-02-21 - 公布日： 2009-04-08 - 主分类号： H04B7/06 文献下载
摘要：第一站发送用于天线的集合的每个可能子集的训练帧，并且在发送每个训练帧的同时，所述发送RF链路的集合根据连接映射规则连接到天线的所述子集。在第二站中针对每个帧来估计子信道矩阵。根据所述完整信道矩阵选择天线的特定子集。发送RF链路的集合连接到所述天线的所选择的所述特定子集，以从第一站向第二站发送数据。
输入输出无线通信网络选择天线方法

[发明专利]基于课程学习的超分辨率图像重建方法及系统-CN201810552826.7在审
发明人：张毅锋;刘袁;夏添;孙一博 -专利权人：东南大学
申请日： 2018-05-31 - 公布日： 2018-11-23 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于课程学习的超分辨率图像重建方法，该方法设计了一种新的深度神经网络训练方法，通过为训练样本设置学习的先后顺序，促进神经网络的收敛。包括以下步骤：1)对输入图像进行预处理；2)按照训练样本的纹理复杂度将训练样本分成多个训练子集；3)基于改进的课程学习方法在已分类的训练子集上训练深度神经网络；4）训练多个神经网络来实现不同倍数的放大，本发明解决了深度神经网络训练时间较长的问题，同时，在超分辨率重建上的效果也明显优于传统方法训练的深度网络。
课程学习超分辨率图像重建神经网络训练样本神经网络训练训练子集预处理超分辨率重建纹理复杂度输入图像纹理细节收敛放大分类改进恢复网络学习

[发明专利]神经网络训练、路面检测、智能驾驶控制方法和装置-CN201811409501.X在审
发明人：孙鹏;程光亮;石建萍 -专利权人：北京市商汤科技开发有限公司
申请日： 2018-11-23 - 公布日： 2020-06-02 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种神经网络训练、路面检测、智能驾驶控制方法和装置，神经网络训练方法包括：将训练图像集包括的第一训练图像子集输入神经网络，以经神经网络输出第一训练图像子集包括的各训练图像相对至少二个检测任务的任务预测结果；分别确定各训练图像的任务预测结果与各训练图像相对至少二个检测任务的任务检测真值之间的损失；根据确定的各损失确定神经网络相对至少二个检测任务的共享损失；根据共享损失调整神经网络的网络参数。通过在多任务神经网络的训练中，根据多任务的检测损失确定共享损失，并回传神经网络进行神经网络参数的调整，提高了神经网络对多任务的训练效果。
神经网络训练路面检测智能驾驶控制方法装置

[发明专利]轻量级神经网络模型训练方法、系统、装置及存储介质-CN202111080711.0在审
发明人：宋士吉;王朝飞;黄高;杨琪森 -专利权人：清华大学
申请日： 2021-09-15 - 公布日： 2021-12-17 - 主分类号： G06N3/04 文献下载
摘要：一种轻量级神经网络模型训练方法、系统、装置及存储介质，轻量级神经网络模型训练方法包括：将学生模型的第一训练数据集输入至预先训练得到的教师模型，根据教师模型的输出，结合难度值计算方法，对所有样本进行难度值计算并排序后，得到第二训练数据集；将第二训练数据集划分为多个不同难度等级的训练子集；根据训练子集的难度等级次序，按照一定的输入方式并结合知识蒸馏策略，对所述学生模型进行训练。该方法将大型神经网络模型的知识按照预定义顺序迁移给轻量级网络模型，一方面可以降低轻量级网络模型的训练开销，另一方面还可以提升轻量级网络模型的性能。
轻量级神经网络模型训练方法系统装置存储介质

[发明专利]样本数据的处理方法、装置、电子设备及存储介质-CN202110368290.5在审
发明人：黄绿君;吴荣彬;曾文秋 -专利权人：京东科技控股股份有限公司
申请日： 2021-04-06 - 公布日： 2021-12-21 - 主分类号： G06N7/00 文献下载
摘要：本申请提出一种样本数据的处理方法，该方法包括服务器获取分布式训练任务的训练样本集；所述服务器在每次进行模型训练之前从多个候选样本数据划分策略中，选取一个目标样本数据划分策略；所述服务器基于所述目标样本数据划分策略，对所述训练样本集进行划分，生成多个训练样本子集；所述服务器将所述多个训练样本子集分发给多个工作节点进行当次模型训练。本申请中，在每次模型训练开始前，服务器从多个候选的样本数据划分策略中随机选取一个作为目标样本数据划分策略，实现了对于训练样本集的高效动态划分，使得不同样本数据划分策略的优点被充分利用，保障了分布式训练的模型效果和收敛速率
样本数据处理方法装置电子设备存储介质

[发明专利]一种基于机器学习的Stokes漂流反演方法及系统-CN202211019592.2在审
发明人：苗洪利;杨忠昊;常思远;毛鹏;刘磊;张庆君 -专利权人：中国海洋大学
申请日： 2022-08-24 - 公布日： 2022-11-18 - 主分类号： G06F30/27 文献下载
摘要：本发明提供一种基于机器学习的Stokes漂流反演方法及系统，涉及海洋遥感技术领域，该方法包括：获取风浪和涌浪的波参量，并划分成训练集和测试集；构建随机森林模型，确定出所述随机森林模型的配置参数；根据所述配置参数从训练集中提取多组训练子集；从多组所述训练子集中抽取数据作为所述随机森林模型中单棵决策树的训练数据，随机抽取特征作为单棵树的训练特征，对每棵决策树都进行单独的训练，整合随机森林模型中所有决策树的训练结果，得到训练好的随机森林模型；基于训练好的随机森林模型，对Stokes漂流进行反演，确定Stokes漂流的时空分布特征。
一种基于机器学习 stokes 漂流反演方法系统

[发明专利]一种基于大规模高性能集群的卷积神经网络并行处理方法-CN201410674860.3在审
发明人：王馨 -专利权人：长沙马沙电子科技有限公司
申请日： 2014-11-21 - 公布日： 2015-03-25 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种基于大规模高性能集群的卷积神经网络并行处理方法，其步骤为：(1)将要训练的网络模型构建出多个副本，每个副本的模型参数均相同，副本的个数与高性能集群的节点数相同，每个节点上分布一个模型副本；选定一个节点作为主节点，负责模型参数的广播与收集；(2)将训练集分为若干子集，每次将训练子集分发给除主节点之外的其余子节点，共同进行参数梯度的计算，并将梯度值累计，累计值用来更新主节点模型参数，将更新后的模型参数广播给各个子节点，直到模型训练终止。本发明具有能够实现并行化、提高模型训练的效率、减少训练时间等优点。
一种基于大规模性能集群卷积神经网络并行处理方法

[发明专利]一种植物抗性蛋白识别方法、装置、设备和存储介质-CN202110111933.8在审
发明人：徐磊;王彦苏;邹权 -专利权人：深圳职业技术学院;电子科技大学长三角研究院（衢州）
申请日： 2021-01-27 - 公布日： 2021-06-04 - 主分类号： G06K9/62 文献下载
摘要：方法包括：获取植物抗性蛋白的序列数据，组成正训练集、负训练集和测试集；提取正训练集和负训练集中的数据特征；将所有的数据特征进行拼接，获得特征集；进行特征选择，以获取目标特征子集；筛选出预设分类模型和预设k值；基于目标特征子集，对预设分类模型进行训练；基于测试集，对训练后的分类模型进行分类性能测试，直至获得性能满足预设条件的目标分类模型；基于目标分类模型，对序列数据进行结构域和跨膜蛋白预测，并搭建植物抗性蛋白分类预测器
一种植物抗性蛋白识别方法装置设备存储介质

[发明专利]一种基于协同学习的概念识别方法及装置-CN201210077906.4有效
发明人：李建强;陈宽桐;刘春辰 -专利权人：日电(中国)有限公司
申请日： 2012-03-22 - 公布日： 2013-09-25 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于协同学习的概念识别方法及装置，用以提高概念识别质量，尤其是提高基于部分标记的训练数据构建序列分类器进行概念识别时的质量。该方法为：将训练数据集划分为至少两个子集，所述训练数据集中包含的训练数据为带标记词的文本文档；基于子集包含的训练数据以及根据所述训练数据集提取的特征词集合进行协同学习，构建至少两个序列分类器；采用获得的各序列分类器分别对当前文本文档进行概念识别
一种基于协同学习概念识别方法装置

[发明专利]智能电子设备的场合识别方法和信息通知方法及其装置-CN201410409363.0在审
发明人：白明 -专利权人：北京奇虎科技有限公司;奇智软件（北京）有限公司
申请日： 2014-08-19 - 公布日： 2014-12-24 - 主分类号： G06F9/44 文献下载
摘要：本发明公开了一种智能电子设备的场合识别方法和信息通知方法及其装置；其中的场合识别方法包括：针对多种不同场合，分别收集多个环境特征数据，所述收集的多个环境特征数据及其对应的场合标识形成训练集合；训练步骤：从所述训练集合中选取多个环境特征数据，所述选取的多个环境样本数据及其对应的场合标识形成训练子集，利用所述训练子集进行训练获得分类器；重复所述训练步骤获得多个分类器；根据输入各分类器的环境特征数据对应的场合标识以及各分类器的场合识别结果将多个分类器融合为各场合的环境模型
智能电子设备场合识别方法信息通知及其装置

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top