专利名称
主分类
A 农业
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
G 物理
H 电学
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
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
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
清华大学
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
更多 »
钻瓜专利网为您找到相关结果561572个,建议您升级VIP下载更多相关专利
  • [发明专利]数据标注方法及装置-CN202110764998.2有效
  • 郑继龙;齐红威;何鸿凌;肖永红 - 数据堂(北京)科技股份有限公司
  • 2021-07-07 - 2021-11-19 - G06K9/62
  • 本发明公开了一种数据标注方法及装置,该方法包括:利用无监督算法进行冷启动,对原始的无标签数据进行初级分类,生成弱和伪标签数据信息;对伪标签数据信息进行校验标注;对预设数量的弱标签数据信息进行标注,获得部分已标注数据,基于弱监督算法和部分已标注数据,对剩余的弱标签数据信息进行预标注,生成预标注结果;对预标注结果进行监督算法的样本筛选,获得精品数据集;对精品数据集进行数据补充,获得全标签数据集;利用全标签数据集对无监督算法、弱监督算法和监督算法进行算法迭代,获得优化的无监督算法、弱监督算法和监督算法。
  • 数据标注方法装置
  • [发明专利]高可靠监督联邦学习方法及系统-CN202310272582.8在审
  • 任杰;陈炜航;刘蓉庆;贾晨鸽;王煜华 - 陕西师范大学
  • 2023-03-20 - 2023-07-07 - G06N20/00
  • 本申请涉及一种高可靠监督联邦学习方法及系统,解决了监督中现有技术对类不平衡数据处理效果较差、监督中共用监督参数与无监督参数而相互影响的问题;本申请提供了良好的基于自定义可靠性的模型聚合方法,并且增强了处理类不平衡数据的能力;而对模型参数进行稀疏可加分解,以减少有监督和无监督任务之间的干扰,从而提高了联邦学习监督的性能;同时通过参数分解减少了服务端与客户端间的通讯成本,以此提高了联邦学习的通讯效率
  • 可靠监督联邦学习方法系统
  • [发明专利]高位视频场景解析方法以及系统-CN202211664169.8在审
  • 闫军;丁丽珠;王艳清 - 超级视线科技有限公司
  • 2022-12-23 - 2023-05-09 - G06V20/40
  • 方法包括:根据标注图像数据集对视频解析模型的学生监督网络进行训练,输出各个标注像素点的像素类别与预测概率,获得初始学生监督网络;将初始学生监督网络的模型参数更新至视频解析模型的教师监督网络,获得更新教师监督网络;根据未标注图像数据集对更新教师监督网络进行训练,输出各个未标注像素点的像素类别与预测概率,获得初始教师监督网络;根据各个标注像素点的像素类别与预测概率以及各个未标注像素点的像素类别与预测概率构建网络损失函数对视频解析模型进行模型优化
  • 高位视频场景解析方法以及系统
  • [发明专利]模型训练方法及系统、存储介质-CN202011362884.7在审
  • 林科;权涛;缪丹丹 - 华为技术有限公司
  • 2020-11-28 - 2022-07-01 - G06N20/00
  • 本申请实施例提供一种模型训练方法及系统、存储介质,包括:获取异构分布监督数据集;根据所述异构分布监督数据集的元特征确定监督算法;根据所述监督算法和所述异构分布监督数据集,得到M个模型和所述通过本申请实施例,基于异构分布监督数据集,根据异构分布监督数据集的元特征确定监督算法,并根据该监督算法和该异构分布监督数据集,得到M个模型和该M个模型分别对应的权重。采用该手段,基于异构分布监督数据集得到多个模型,提高了在异构分布监督数据集场景下训练得到的模型精度,进而提升了交付效率和交付质量。
  • 模型训练方法系统存储介质
  • [发明专利]一种基于监督的图像标注方法-CN202211453770.2在审
  • 张宸;刘礼铭;董少奇;刘席郡;张长胜;张斌 - 东北大学
  • 2022-11-21 - 2023-02-28 - G06V10/764
  • 本发明提供一种基于监督的图像标注方法,涉及机器学习及图像处理技术领域。该方法可以看成基于两个阶段实现,即基于协同运算的监督阶段和基于TSVM的监督阶段。基于协同运算的监督阶段用于完成对于未标记样本集中占绝大多数的易标注样本的标注任务,控制每次训练标注的样本数,同时对训练集中样本的个数也进行了很好地控制;减轻了SVM分类器的负担,保证了分类的准确率基于TSVM的监督阶段用于完成剩余未标记样本的标注任务,将基于协同运算的监督阶段已经标注完成的已标记样本和剩余的未标记样本都运用到训练之中,并且在训练过程中融入了集成学习的方法训练分类器的权重和训练集样本的权重
  • 一种基于监督学习图像标注方法
  • [发明专利]针对少样本文本转SQL任务流的监督持续学习方法-CN202310025951.3在审
  • 陈永锐;郭心南;吴桐桐;漆桂林 - 东南大学
  • 2023-01-09 - 2023-04-18 - G06F18/214
  • 本发明涉及一种针对少样本文本转SQL任务流的监督持续学习方法,所述方法包括以下步骤:步骤1,对于新任务,模型使用任务内部的监督进行训练,步骤2,对于任务流中过去的任务,模型使用持续学习将保持对已经学过的任务的记忆,步骤3,利用“教师‑学生”框架分别执行监督过程与持续学习过程;步骤4,利用双重采样加强执行监督与持续学习,分别包括提示采样和复习采样,加强两个学习过程的相互促进。该技术方案应用了“教师‑学生”框架来隔离监督和持续学习的不同优化目标,并采用双重采样策略来加强它们之间的相互促进作用。
  • 针对样本文本sql任务监督持续学习方法
  • [发明专利]基于信息混合的监督方法及监督装置-CN202310324138.6在审
  • 刘利非;杨吉利;朱剑 - 上海锡鼎智能科技有限公司
  • 2023-03-29 - 2023-05-30 - G06V10/764
  • 本发明实施例公开一种基于信息混合的监督方法及监督装置,涉及深度学习技术领域,包括:基于标记数据集对预设深度学习模型进行训练,获得初始分类模型;基于标记数据集和未标记数据集训练生成自编码网络;生成第一标签信息,基于自编码网络对未标记数据集进行分析,生成第二标签信息;基于第一标签信息和第二标签信息生成未标记数据集的混合标签信息;基于未标记数据集、混合标签信息及标记数据集对初始分类模型进行训练,生成的监督模型通过基于采用多种学习模型生成针对未标记数据集的混合标签的方式进行监督模型的训练,从而有效提高监督模型的训练效果。
  • 基于信息混合监督学习方法学习装置

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

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top