“训练学习”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520106个，建议您升级VIP下载更多相关专利

[发明专利]基于联邦学习模型的视图显示方法、装置、设备及介质-CN202010370699.6在审
发明人：李权;魏锡光;林焕彬;陈天健 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-04-30 - 公布日： 2020-08-18 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于联邦学习模型的视图显示方法、装置、设备及介质，涉及金融科技领域，所述基于联邦学习模型的视图显示方法包括以下步骤：获取横向联邦学习模型迭代训练过程中，所述横向联邦学习模型对应各客户端的运行数据；根据所述运行数据构建所述横向联邦学习模型对应的可视视图，并确定所述横向联邦学习模型的训练进程；根据所述训练进程确定所述可视视图中显示的内容。本发明提高了横向联邦学习模型训练的成功率，以及提高了训练所得的横向联邦学习模型识别数据的准确率。
基于联邦学习模型视图显示方法装置设备介质

[发明专利]基于深度学习的英语听力训练方法-CN202110957574.8在审
发明人：王晓跃;耿晨熙 -专利权人：江苏熙枫教育科技有限公司
申请日： 2021-08-18 - 公布日： 2021-11-05 - 主分类号： G09B5/06 文献下载
摘要：本发明公开了基于深度学习的英语听力训练方法，属于语言学习领域，该训练方法具体步骤如下：(1)抓取互联网听力训练数据并进行等级划分；(2)收集用户听力学习数据并对用户等级进行划分；(3)接收用户训练目标并制定学习计划；(4)检测用户所在环境并进行智能分析；(5)定期更新用户数据并进行计划更新；本发明能够保证用户可以在安静的环境进行学习，提高用户学习效率以及加强学习氛围，能够智能对用户学习计划进行更新，提高用户学习质量，提高用户学习积极性。
基于深度学习英语听力训练方法

[发明专利]一种基于深度学习的产品封装质量检测系统-CN201910152027.5在审
发明人：王淼;喻永生;任鹏飞 -专利权人：燊赛(上海)智能科技有限公司
申请日： 2019-02-28 - 公布日： 2019-06-14 - 主分类号： G06Q10/06 文献下载
摘要：本发明实施例公开了一种基于深度学习的产品封装质量检测系统，包括：深度学习目标检测训练用数据集生成模块、深度学习目标检测算法训练模块、深度学习目标检测模块和人机交互模块，深度学习目标检测训练用数据集生成模块导入用于深度学习目标检测算法模块训练的各种故障类型图像，并生成算法模块训练所需的格式化数据集，深度学习目标检测算法训练模块以格式化数据集为输入，进行迁移学习后输出深度学习目标检测算法，深度学习目标检测模块输入现场采集的原始数据图像，输出带标注框的分析图像，
学习目标产品封装检测算法人机交互模块原始数据图像质量检测系统格式化数据检测模块模块训练生成模块训练模块数据集分析图像故障类型生成算法现场采集输出标注框输出带检测学习迁移图像监控分析

[发明专利]针对对抗性攻击的深度学习模型防御方法及深度学习模型-CN202110411299.X有效
发明人：张吉良;罗梓豪 -专利权人：湖南大学
申请日： 2021-04-16 - 公布日： 2022-05-31 - 主分类号： G06F21/55 文献下载
摘要：本发明公开了一种针对对抗性攻击的深度学习模型防御方法，包括获取待训练的原始深度学习模型和原始训练数据；构建转换层；对原始训练数据进行数据转换并补充数据构成训练数据；对待训练的原始深度学习模型进行训练得到深度学习模型；将转换层插入到深度学习模型的输入层后面得到高鲁棒性深度学习模型；在高鲁棒性深度学习模型工作时对输入的数据进行监测，并采用深度学习模型中的转换层进行对应的防御。本发明还公开了包括所述针对对抗性攻击的深度学习模型防御方法的深度学习模型。本发明提高了模型在面对各类对抗样本时的鲁棒性，同时保证了模型的精度不受到影响；而且通用性高、可靠性好且防御效果好。
针对对抗性攻击深度学习模型防御方法

[发明专利]一种多模态联邦学习任务处理方法及系统-CN202310107997.X有效
发明人：曹行健;孙罡;虞红芳;孙健 -专利权人：电子科技大学
申请日： 2023-02-14 - 公布日： 2023-04-18 - 主分类号： G06N3/098 文献下载
摘要：本发明公开了一种多模态联邦学习任务处理方法及系统，属于联邦学习技术领域。本发明方法包括：多模态数据的线性嵌入，基于线性嵌入的模态迁移联邦训练和采用同模嵌入结果进行联邦学习任务训练。本发明还公开了一种多模态联邦学习任务处理系统。本发明用于提升机器学习数据资源利用率和机器学习模型的质量。本发明支持具有不同数据模态参与方进行联邦学习训练以得到相比本地训练更优质的模型，支持模态差异较大的多模态联邦学习，支持模态缺失的参与方，不需要每个参与方都具有所有数据模态就能执行训练，提高了多模态联邦学习的实用性；采用联邦学习方式训练不同模态的线性嵌入映射矩阵模态迁移模型，保证了不同参与方的模态迁移的一致性。
一种多模态联邦学习任务处理方法系统

[发明专利]一种机器学习模型训练方法及装置-CN201910261235.9在审
发明人：宁升;孙兴艳 -专利权人：山东浪潮云信息技术有限公司
申请日： 2019-04-02 - 公布日： 2019-06-28 - 主分类号： G06Q20/14 文献下载
摘要：本发明提供了一种机器学习模型训练方法及装置，该方法，包括：预先创建至少一个功能节点；获取用户输入的待训练数据；确定用户从至少一个功能节点中选择的至少一个目标节点；根据至少一个目标节点确定待训练数据的训练费用，并展示训练费用；在获取到用户支付训练费用获得的支付信息时，利用至少一个目标节点训练待训练数据，获得训练结果，其中，训练结果，包括：机器学习模型和机器学习模型的评估结果。本方案能够提高机器学习模型训练的效率。
机器学习模型目标节点训练数据功能节点训练结果评估结果用户支付预先创建支付信息展示

[发明专利]一种基于改进深度学习的车型识别方法及系统-CN202010289873.4有效
发明人：张秀玲;魏其珺;康学楠;万庭波 -专利权人：燕山大学
申请日： 2020-04-14 - 公布日： 2022-05-03 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于改进深度学习的车型识别方法及系统。该方法包括：对交通卡口车辆数据集进行切割整理分类，得到分类数据，分类数据包括训练集、验证集和测试集；根据训练集对改进的深度学习EfficientNet网络进行训练，得到训练后的深度学习网络，深度学习EfficientNet网络的训练基于调整网络深度、宽度以及分辨率之间的平衡关系；根据验证集对训练后的深度学习网络进行优化，得到最优深度学习网络；将测试集输入至最优深度学习网络进行识别，采用softmax分类器分类，得到网络识别结果
一种基于改进深度学习车型识别方法系统

[发明专利]一种面向大规模机器学习系统的机器学习模型训练方法-CN201811000167.2在审
发明人：张正超;倪焱;郑培凯;马超;肖臻 -专利权人：北京大学
申请日： 2018-08-30 - 公布日： 2019-03-08 - 主分类号： G06F9/54 文献下载
摘要：本发明公开一种面向大规模机器学习系统的机器学习模型训练方法。本方法为：1)将面向机器学习任务的专用计算机系统抽象为非一致性分布式内存的机器学习系统；2)各计算节点上的机器学习模型从该机器学习系统中读取本轮训练所需的训练数据和机器学习模型最新的参数数据；3)各计算节点分别利用当前获取的训练数据和参数数据训练本地的机器学习模型，计算机器学习模型的参数更新量并将其上传到该机器学习系统；4)该机器学习系统根据用户配置的参数更新方案和当前收到的参数更新量对参数进行更新。本发明使得机器学习算法的开发者无需关注分布式的具体实现，大大降低了大规模机器学习算法开发的难度。
机器学习系统机器学习模型参数更新机器学习算法参数数据计算节点训练数据专用计算机系统读取非一致性计算机器面向机器用户配置内存抽象开发学习更新

[发明专利]机器学习模型的训练方法、训练装置及存储介质-CN202011291240.3有效
发明人：白亚龙;张炜;梅涛;周伯文 -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： 2020-11-18 - 公布日： 2021-06-25 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种机器学习模型的训练方法、训练装置及计算机可读存储介质，涉及人工智能技术领域。其中的机器学习模型的训练方法包括：将训练图像输入机器学习模型，获得训练图像的预测置信度；将训练图像的预测置信度和标签真实值输入评价指标损失函数，获得损失函数值，其中，评价指标损失函数的损失函数值随机器学习模型的评价指标单调递减，评价指标由训练图像的预测置信度和标签真实值表示；根据损失函数值调整机器学习模型中的各个参数变量。本公开能够有效提升机器学习模型的评价指标。
机器学习模型训练方法装置存储介质

[发明专利]深度学习的训练数据处理方法和装置-CN201811026711.0有效
发明人：夏燕明 -专利权人：北京百度网讯科技有限公司
申请日： 2018-09-04 - 公布日： 2022-04-29 - 主分类号： G06F16/2458 文献下载
摘要：本申请实施例公开了深度学习的训练数据处理方法和装置。该方法的一具体实施方式包括：获取针对深度学习的中间训练数据的可视化展示请求，可视化展示请求包括所请求展示的深度学习训练作业的目标作业标识；从数据库中读取目标作业标识对应的中间训练数据；根据所读取的中间训练数据，生成目标作业标识所指示的深度学习作业的中间训练数据的可视化图表。该实施方式实现了对深度学习训练过程的中间数据进行自动读取和可视化效果生成，有助于用户更好地优化和调节深度学习模型。
深度学习训练数据处理方法装置

[发明专利]一种基于个体训练特征的智能选题系统-CN201910247293.6有效
发明人：刘丹;牟建明;刘可心 -专利权人：电子科技大学
申请日： 2019-03-29 - 公布日： 2023-03-21 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于个体训练特征的只能选题系统，属于推荐技术领域。本发明针对现有方案未曾以实际的训练效果为选题作动态指导，不能实现满足个体需求的智能选择的技术问题，提出了一种基于个体训练特征的智能选题系统，针对学习个体采样学习效果数据，通过机器学习分析，形成该个体的动态训练特征集，指导个体训练题库的动态生成，建立针对性学习训练内容，达到学习个体和学习内容匹配度最高，减少冗余训练，挖掘用户个体薄弱知识点，同时能根据个体能力的不断变化智能动态地调整算法输出，以适应用户个体不断变化的要求
一种基于个体训练特征智能选题系统

[发明专利]基于正则化元学习的小样本文本分类方法-CN202210056441.8在审
发明人：彭德中;雷天一;吕建成;彭玺;桑永胜;胡鹏;孙亚楠;王旭;陈杰;王骞 -专利权人：四川大学
申请日： 2022-01-18 - 公布日： 2022-05-13 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于正则化元学习的小样本文本分类方法，包括以下步骤：构建基于小样本学习框架下的数据集，并将数据集划分训练集、验证集和测试集，从训中抽取出支持集和查询集用于训练模型、验证模型和测试模型；构建基于训练模型的基础学习器；构建基于正则化的元学习的元训练，对训练集中支持集进行基础学习器的参数更新；利用更新后参数对训练集中查询集获取正则化器，并利用损失函数梯度传给元学习器进行两步更新完成元学习的训练过程；保存参数达到最优的模型
基于正则学习样本文本分类方法

[发明专利]一种基于对比学习和对抗学习的图预训练学习方法-CN202210428038.3在审
发明人：徐君海;王泽宇;魏建国 -专利权人：天津大学
申请日： 2022-04-22 - 公布日： 2022-07-12 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于对比学习和对抗学习的图预训练学习方法，在图数据的特征和结构两个方面分别进行数据增强，构建两组正样本对，利用对比学习中缩小正样本对内部距离的思想训练图编码器模型，挖掘预训练数据信息。最后，对预训练得到的编码器模型进行微调操作，应用到结点分类和图分类这两种下游任务当中。本发明基于对比学习和对抗学习的无监督图预训练学习方法与其他针对于特定数据集和特定任务训练的基线图模型相比，图预训练模型具有更优或者有竞争力的性能。
一种基于对比学习对抗训练学习方法

[发明专利]基于增强现实及数据手套的带电作业培训装置及方法-CN201710481482.0在审
发明人：张哲;邓承会;杨利;张思远;谢营;刘云静;吴文翰;孙鹤;魏娇娇;左新斌;刘宗杰 -专利权人：国网山东省电力公司济宁供电公司
申请日： 2017-06-22 - 公布日： 2017-09-22 - 主分类号： G09B9/00 文献下载
摘要：本发明公开了一种基于增强现实及数据手套的带电作业培训装置，涉及电力领域，包括学习训练装置，所述学习训练装置包括标准数据库模块和学习训练模块，所述标准数据库模块内储存有配网作业标准操作，所述学习训练模块用于判断训练者当前的配网作业是否正确并给出下一步配网作业标准操作的相关提示以纠正训练者的错误本发明的基于增强现实及数据手套的带电作业培训装置，通过增强现实技术，在配网作业平台上虚拟作业环境，可使训练者进行实际操作训练的同时学习操作知识，提高训练效果，用户体验好。
基于增强现实数据手套带电作业培训装置方法

[发明专利]数据处理方法、装置和计算机可读存储介质-CN202010021147.4在审
发明人：黄绿君;吴荣彬;张旭 -专利权人：京东数字科技控股有限公司
申请日： 2020-01-09 - 公布日： 2020-06-09 - 主分类号： G06N20/00 文献下载
摘要：该方法包括：根据待处理数据，确定待训练机器学习模型及其相应的第一超参数搜索空间；在第一超参数搜索空间中，采样候选超参数；根据候选超参数，利用第一训练数据集对待训练机器学习模型进行训练；重新采样候选超参数，根据重新采样的候选超参数重复上述训练过程，直到训练后的待训练机器学习模型满足迭代停止条件，以获取训练完毕的机器学习模型；利用训练完毕的机器学习模型及其相应的候选超参数，对待处理数据进行处理。
数据处理方法装置计算机可读存储介质