“训练样本”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475917个，建议您升级VIP下载更多相关专利

[发明专利]虚假新闻判别模型的训练方法、虚假新闻判别方法及装置-CN202210254714.X在审
发明人：李晓宇;王志舒;金力;孙显;马豪伟;董鹏程 -专利权人：中国科学院空天信息创新研究院
申请日： 2022-03-15 - 公布日： 2022-06-03 - 主分类号： G06F16/9536 文献下载
摘要：本公开提供了一种虚假新闻判别模型的训练方法、虚假新闻判别方法及装置。该训练方法包括获取新闻训练样本集，其中，新闻训练样本集包括多个训练样本和与训练样本对应的标签数据，其中，训练样本包括异构图，异构图是根据与新闻相关的节点和节点关系生成的，节点包括分别对应于新闻内容、推广内容和用户信息的多个初始向量，节点关系包括根据与新闻对应的关联关系和关注关系生成的邻接矩阵；将新闻训练样本集中的训练样本输入异构图神经网络，输出预测结果；将预测结果和标签数据输入损失函数，得到损失结果；根据损失结果迭代地调整异构图神经网络的网络参数，生成经训练的虚假新闻判别模型。
虚假新闻判别模型训练方法装置

[发明专利]虚拟场景中的对象处理方法、设备及存储介质-CN201880003364.1有效
发明人：李德元;李源纯;姜润知;黄柳优;王鹏;魏学峰 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-01-25 - 公布日： 2021-01-01 - 主分类号： G06F9/451 文献下载
摘要：本发明提供了一种虚拟场景中的对象处理方法、设备及存储介质，包括：在样本虚拟场景中采集第一对象与第二对象的交互过程；根据所采集的场景数据样本和操作数据样本构建训练样本，合并在交互过程的不同采样点构建的训练样本形成训练样本集合；对训练样本集合进行预处理；以经过预处理的训练样本集合包括的场景数据样本为输入，并以预处理的训练样本集合包括的操作数据样本为输出，训练人工神经网络模型。
虚拟场景中的对象处理方法设备存储介质

[发明专利]数据处理方法、装置、计算机设备和存储介质-CN201910746149.7有效
发明人：黄严汉 -专利权人：中国平安人寿保险股份有限公司
申请日： 2019-08-13 - 公布日： 2023-04-07 - 主分类号： G06N3/045 文献下载
摘要：该方法包括：获取训练样本集合，各个训练样本都存在对应的训练样本标签；对各个训练样本进行向量化处理，得到对应的特征向量；将各个训练样本的特征向量输入至第一神经网络模型，第一神经网络模型计算得到各个训练样本的交叉特征；将交叉特征作为第二神经网络模型的输入，通过第二神经网络模型对交叉特征进行内积计算，生成对应的图像特征图；将各个训练样本和图像特征图输入至第三神经网络模型，得到对应的预测概率值；根据预测概率值和训练样本标签计算得到训练损失值；根据训练损失值对第三神经网络模型进行训练，最终得到已训练的第三神经网络模型。
数据处理方法装置计算机设备存储介质

[发明专利]基于多核鉴别线性表示的分类方法-CN201610049510.7在审
发明人：刘茜 -专利权人：南京信息工程大学
申请日： 2016-01-25 - 公布日： 2016-07-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多核鉴别线性表示的分类方法，利用训练样本集识别测试样本所属类别。在训练阶段，首先定义多核组合后的训练样本集，然后计算多核组合系数，最后根据多个核映射函数和多核组合系数获得多核组合后的核映射函数和新的训练样本集，在该集合中，每个类别的训练样本构成新的子训练样本集。在分类识别阶段，首先根据多核组合后的核映射函数获得新的测试样本，然后计算新的测试样本在各个新的子训练样本集内的重构误差，将测试样本归为重构误差最小的新的子训练样本集所对应的那一类。
基于多核鉴别线性表示分类方法

[发明专利]预测模型训练及响应率预测方法、装置、设备及存储介质-CN201911324081.X在审
发明人：张鹏祥;李谦;江小俊 -专利权人：马上消费金融股份有限公司
申请日： 2019-12-20 - 公布日： 2020-11-03 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种预测模型训练及响应率预测方法、装置、设备及存储介质，涉及数据处理技术领域，以解决无法准确的判断用户的响应率的问题。该预测模型训练方法包括：获取模型训练样本集；根据所述模型训练样本集中各样本对目标事件的响应信息，对所述各样本进行标注，得到标注训练样本集；提取所述标注训练样本集中各样本的变量特征；基于所述标注训练样本集和所述变量特征进行模型训练
预测模型训练响应方法装置设备存储介质

[发明专利]一种异常检测模型的训练方法、装置、设备及存储介质-CN202310652219.9在审
发明人：魏政 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-06-02 - 公布日： 2023-10-10 - 主分类号： G06N3/08 文献下载
摘要：本申请公开了一种异常检测模型的训练方法、装置、设备及存储介质，确定包含多个样本账户分别对应的历史行为序列的训练样本组，并根据历史上对该训练样本组对应的各样本账户执行的异常处理策略之间的第一相关度，确定该训练样本组的标注，进而通过待训练的异常检测模型，得到该训练样本组中各样本账户分别对应的异常检测结果，以及根据各样本账户分别对应的异常检测结果之间的相似度和该训练样本组的标注来训练该异常检测模型。可见，本申请中使用训练样本组对应的各样本账户执行的异常处理策略之间的第一相关度，指导该异常检测模型进行训练。训练得到的异常检测模型可准确识别出异常账户，保证了异常检测的准确率。
一种异常检测模型训练方法装置设备存储介质

[发明专利]基于概率协同表示和卷积神经网络的识别方法-CN202010297907.4有效
发明人：石兰芳;周先春;翟靖宇;许瑞 -专利权人：南京信息工程大学
申请日： 2020-04-16 - 公布日： 2023-07-25 - 主分类号： G06V40/16 文献下载
摘要：本发明公开一种基于概率协同表示和卷积神经网络识别方法，包括如下步骤：首先，利用概率分布构造一种新的简单易行的重建函数，将原始训练样本集通过该重建函数进行重建得到新的训练样本集；将用新的训练样本集和原始训练样本集训练CNN网络；用训练好的CNN网络从原始测试样本集中提取有效特征，用提取的有效特征来训练SVM分类器，再通过训练好的SVM分类器识别所有的待识别样本。本发明利用有限的训练样本集通过新的目标函数构造重建测试样本，作为新的训练样本集，输入CNN网络，能有效提取人脸特征，再使用这些人脸特征去训练SVM，所得到测试样本的重建图接近原测试样本图，识别效果明显。
基于概率协同表示卷积神经网络识别方法

[发明专利]一种模型训练的方法以及相关装置-CN201910593033.4在审
发明人：王星雅 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-07-01 - 公布日： 2019-09-27 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种模型训练的方法以及相关装置，通过计算训练集合与目标集合的新特征，使得训练集合与目标集合训练样本与预测数据分布更相近，最后选择与目标集合相似度高的训练集合作为训练样本，通过该训练样本进行模型训练，降低了训练样本的偏差，提高了模型效果。
训练样本模型训练目标集合相关装置训练集合计算训练模型效果预测数据相似度新特征集合申请

[发明专利]监督学习、标签预测方法及装置、电子设备和存储介质-CN201910979212.1在审
发明人：吴凌云;张瑞茂 -专利权人：深圳市商汤科技有限公司
申请日： 2019-10-15 - 公布日： 2020-02-11 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及一种监督学习、标签预测方法及装置、电子设备和存储介质，所述方法包括获取训练样本及对应的同类别参考集，所述同类别参考集包括多个参考样本，所述参考样本对应的标签与所述训练样本对应的标签相同，且所述参考样本的标签为无噪声的干净标签；根据所述训练样本和所述同类别参考集的相似度，确定所述训练样本的权重；采用所述训练样本的权重对训练样本的损失进行加权，并基于加权后的损失，更新待训练分类模型的参数。
训练样本标签参考样本参考权重加权存储介质电子设备分类模型计算资源训练分类准确度无噪声相似度节约预测更新监督学习

[发明专利]基于直推式半监督深度学习的细粒度图像分类方法-CN202111478946.5在审
发明人：石伟伟;黑新宏;谢国;王晓帆;贾萌;鲁晓锋 -专利权人：西安理工大学
申请日： 2021-12-06 - 公布日： 2022-04-19 - 主分类号： G06V10/764 文献下载
摘要：本发明公开的基于直推式半监督深度学习的细粒度图像分类方法，包括以下步骤：准备细粒度图像的半监督学习训练样本集，将训练样本集划分为有标注训练样本集和无标注训练样本集；构建树型类层级结构；根据类层级结构，搭建深度卷积神经网络模型；在有标注训练样本集上训搭建的网络模型；为所有训练样本推断出对应的层级类标签向量集合；为每一个训练样本计算出与之对应的置信度；使用整个训练样本集从随机初始化开始训练搭建的网络模型；重复执行步骤5～7，直到前后两轮次所学习到的网络模型对无标注样本所推断出的细粒度类标签向量基本一致；将待分类的细粒度图像输入训练好的网络模型，在细粒度分类层得到该图像的预测类别。
基于直推式半监督深度学习细粒度图像分类方法

[发明专利]一种基于机器学习的地震震相初至识别方法及识别系统-CN201811045211.1在审
发明人：孟黎歌;朱凌燕;王婷婷 -专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司石油物探技术研究院
申请日： 2018-09-07 - 公布日： 2020-03-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于机器学习的地震震相初至识别方法及识别系统，包括：步骤1：构造训练样本，基于训练样本进行模型训练，获得训练模型；步骤2：对地震数据进行降噪处理，获得处理数据；步骤3：基于训练模型，对处理数据进行震相初至识别；其中，步骤1包括：针对训练样本，采用随机压缩方法进行采样，获得训练样本集；采用决策树算法或者随机森林算法，基于训练样本进行模型训练。本发明的基于机器学习的地震震相初至识别方法及识别系统，通过构造训练样本，对训练样本进行模型训练，获得训练模型，基于训练模型，对进行降噪处理的地震数据进行震相初至识别，能准确、高效地处理大量地震数据，从而实现对地震震相初至时间的准确拾取
一种基于机器学习地震震相初至识别方法系统

[发明专利]一种音频事件识别模型的训练方法、装置及其设备-CN202110847978.1有效
发明人：龚亚光 -专利权人：北京世纪好未来教育科技有限公司
申请日： 2021-07-27 - 公布日： 2021-11-02 - 主分类号： G10L25/30 文献下载
摘要：本公开提供一种音频事件识别模型的训练方法、装置及其设备。本公开实施例中提供的一个或多个技术方案，获取训练样本的集合，其中，所述训练样本的集合由包含真实弱标签的弱标签音频数据集合和包含真实强标签的强标签音频数据集合组成，采用待训练模型确定所述训练样本的预测强标签；根据训练样本的预测强标签确定所述训练样本的预测弱标签；根据所述训练样本的预测强标签和真实强标签确定强标签损失值，以及，根据所述训练样本的预测弱标签和真实弱标签确定弱标签损失值；根据所述强标签损失值和所述弱标签损失值的和确定训练损失值，根据所述训练损失值对所述待训练模型进行训练，生成目标模型，从而实现灵活的模型训练。
一种音频事件识别模型训练方法装置及其设备

[发明专利]流量分发模型的训练方法、流量分发方法及装置-CN202110769772.1有效
发明人：詹振国;李文举;徐春艳 -专利权人：工银科技有限公司;中国工商银行股份有限公司
申请日： 2021-07-07 - 公布日： 2022-11-01 - 主分类号： H04L47/10 文献下载
摘要：本公开提供了一种流量分发模型的训练方法，可以应用于金融领域和人工智能领域。该流量分发模型的训练方法包括：获取初始样本数据集，初始样本数据集中的初始样本包括用户信息以及与用户信息对应的历史流量分发信息；基于初始样本数据，根据预设规则生成训练样本数据集，训练样本数据集中的训练样本包括用户特征数据以及与用户特征数据对应的历史流量分发数据，训练样本数据集还包括与训练样本对应的标签信息，标签信息表征历史流量分发成功结果；利用训练样本数据集训练待训练的流量分发模型，得到训练完成的流量分发模型。本公开还提供了一种流量分发方法、流量分发模型的训练装置、流量分发装置、设备、存储介质和程序产品。
流量分发模型训练方法装置

[发明专利]基于迭代加权组稀疏回归的物质分类方法-CN202210713869.5在审
发明人：李茜;郑成勇;李晓辉 -专利权人：江门市华讯方舟科技有限公司
申请日： 2022-06-22 - 公布日： 2022-09-06 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于迭代加权组稀疏回归的物质分类方法、系统、设备及存储介质，方法包括：获取训练样本与待测样本，对训练样本与待测样本进行预处理得到训练样本矩阵与待测样本矩阵，将训练样本矩阵与待测样本矩阵输入迭代加权组稀疏回归模型得到待测样本矩阵关于训练样本矩阵的表示系数矩阵，通过表示系数矩阵判断待测样本的种类。
基于加权稀疏回归物质分类方法

[发明专利]一种基于样本过采样的稀疏表示高光谱图像目标检测方法-CN202011335905.6在审
发明人：陶洋;林飞鹏;杨雯;翁善 -专利权人：重庆邮电大学
申请日： 2020-11-25 - 公布日： 2021-02-12 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于样本过采样的稀疏表示高光谱图像目标检测方法，方法包括：首先从待检测的高光谱图像上选择目标训练样本和背景训练样本；然后利用合成少数类的过采样技术生成新的目标训练样本，扩充目标训练样本的数量从而平衡目标和背景训练样本之间的数量本发明的有益效果是：针对目前稀疏表示在高光谱图像目标探测领域应用时，在字典构造过程中，目标训练样本与背景训练样本不平衡的问题，本发明利用合成少数类样本技术进行目标训练样本扩充，解决样本数量不平衡的问题，
一种基于样本采样稀疏表示光谱图像目标检测方法