“半监督学习”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561572个，建议您升级VIP下载更多相关专利

[发明专利]一种基于空洞卷积堆叠网络的半监督光流学习方法-CN201810779483.8有效
发明人：项学智;张荣芳;翟明亮;吕宁;郭鑫立;王帅;于泽婷;张玉琦 -专利权人：哈尔滨工程大学
申请日： 2018-07-16 - 公布日： 2022-03-18 - 主分类号： G06V10/774 文献下载
摘要：本发明提供了一种基于卷积神经网络的半监督学习光流方法，属于网络设计领域。本发明提供的方法可以针对带标签和无标签的混合数据进行训练，并设计一种遮挡感知损失函数，将用于监督学习的端点误差代价函数与用于非监督学习的数据项和平滑项相结合，构建一种半监督学习光流模型，在网络架构上采用堆叠网络结构，在卷积层引入空洞卷积来增大感受野，并设计遮挡感知层来估计遮挡区域，该网络能够端到端地进行半监督光流学习。本发明提供的方法能够提高光流估计精度，并且还提出一种遮挡感知损失函数来半监督训练网络，在网络架构上设计一种堆叠网络结构从而进一步提升网络性能。
一种基于空洞卷积堆叠网络监督学习方法

[发明专利]一种人工智能师徒半监督学习的方法-CN202110244277.9在审
发明人：傅泳 -专利权人：上海深硅信息科技有限公司
申请日： 2021-03-05 - 公布日： 2021-06-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人工智能师徒半监督学习的方法，涉及AI模型算法技术领域。该人工智能师徒半监督学习的方法包括以下步骤：识别数据的分析处理、独立数据处理流程、判断识别数据是否需要高精度模型监督调整、判断识别数据是否需要第三方算法监督调整、用户人为干预监督调整通过后台管理界面和前端用户的应用界面和按设定的时间节点该人工智能师徒半监督学习的方法，制定了一套行之有效的师徒半监督学习方法，从而用最低的成本，实现了在实际场景下对AI模型的反复再训练。
一种人工智能师徒监督学习方法

[发明专利]一种基于改进半监督学习的电瓶车头盔识别方法-CN202210426001.7在审
发明人：邵叶秦;周昆阳;李泽漩;宋锦伟;刘江;龚巧云;高瞻;施佺 -专利权人：南通大学
申请日： 2022-04-21 - 公布日： 2022-06-14 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法，包含以下步骤：S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片，制作电瓶车头盔数据集，并对数据进行增强；S2、使用Faster‑RCNN作为头盔识别模型，半监督学习的基本流程采用教师‑学生模型，训练头盔识别模型；S3、对半监督学习方法进行改进，并对改进后的模型进行训练；S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比，本发明提出改进的半监督学习方法，相比于传统的半监督学习模型，本发明的方法准确率更高，且不会增加推理时间。
一种基于改进监督学习电瓶车头盔识别方法

[发明专利]一种利用半监督学习的诊断系统提供方法以及利用其的诊断系统-CN201980078001.9在审
发明人：金善禹 -专利权人：第一百欧有限公司
申请日： 2019-11-27 - 公布日： 2021-07-23 - 主分类号： G16H40/60 文献下载
摘要：公开一种利用半监督学习的诊断系统提供方法及其系统。利用所述半监督学习的诊断系统提供方法包括：通过基于监督学习的神经网络而学习的诊断系统接受预定的输入数据的输入，输出所述输入数据的诊断结果的步骤；所述诊断系统生成包括了用所述诊断结果标注的所述输入数据的自动标注学习数据的步骤；以及使用所述诊断系统生成的所述自动标注学习数据执行再学习过程的步骤。
一种利用监督学习诊断系统提供方法以及

[发明专利]一种基于KNN半监督学习模型的网络流量异常检测方法与系统-CN201910545310.4有效
发明人：张浩;陈龙;魏志强 -专利权人：福州大学
申请日： 2019-06-22 - 公布日： 2020-10-09 - 主分类号： H04L29/06 文献下载
摘要：本发明涉及一种基于KNN半监督学习模型的网络流量异常检测方法与系统，首先使用初始有标记数据作为训练样本，利用监督学习训练初始分类模型；然后，利用初始分类模型对网络流量无标记数据进行分类，得到初始分类数据；再利用半监督学习模型对初始分类数据进行重新标记和修正；最后，利用新的分类数据重新训练分类模型，并更新初始分类模型，如此往复不断更新分类模型，从而提高检测效果。本发明基于半监督学习模型，在分类检测过程中不断优化和更新分类模型，能够在生产环境下实现快速、高效的网络异常检测。
一种基于 knn 监督学习模型网络流量异常检测方法系统

[发明专利]基于半监督学习的密集视频描述算法的视频查询检索方法-CN202010476330.3在审
发明人：林科;王立威 -专利权人：北京大学;北京三星通信技术研究有限公司
申请日： 2020-05-29 - 公布日： 2021-12-03 - 主分类号： G06F16/732 文献下载
摘要：本发明公布了一种基于半监督学习的密集视频描述算法的视频查询检索方法，通过半监督学习的方法训练密集视频描述网络模型，利用大量的无标注视频数据，提升密集视频描述算法的性能；实现的视频查询检索系统包括：密集视频描述网络模型、半监督学习模块和视频查询检索模块、视频数据库。
基于监督学习密集视频描述算法查询检索方法

[发明专利]一种结合图半监督学习算法的串联故障电弧识别方法-CN202211304808.X在审
发明人：谈竹奎;肖永;朱勇;任召廷;刘斌;潘旭辉;杨成;张秋雁;徐玉韬;代吉玉蕾;唐赛秋;王宇;辛明勇 -专利权人：贵州电网有限责任公司
申请日： 2022-10-24 - 公布日： 2023-01-17 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种结合图半监督学习算法的串联故障电弧识别方法包括：采集用电设备正常工作时和出现串联电弧时的电压电流数据，以每周波为样本，对所有电流样本分别进行计算构造特征量，建立数据集；为少量正常电流样本和电弧电流样本人工生成标签，采用图半监督学习算法为无标签样本自动生成标签；将数据集合并成训练集训练串联电弧识别模型，利用识别模型识别串联故障电弧。本发明提供的结合图半监督学习算法的串联故障电弧识别方法半监督学习算法可有效利用大量无标签的电流数据样本，大大减轻人工标记样本的人力物力等成本，本发明可在少量有标签样本的条件下，即可达到较高的识别准确率。
一种结合监督学习算法串联故障电弧识别方法

[发明专利]基于多种监督方式的睑板腺分割网络的训练方法及装置-CN202111113479.6有效
发明人：黄弘杰;赵雷;陈伟 -专利权人：苏州大学
申请日： 2021-09-23 - 公布日： 2023-07-18 - 主分类号： G06V10/26 文献下载
摘要：本申请涉及一种基于多种监督方式的睑板腺分割网络的训练方法及装置，属于计算机技术领域，该方法包括：使用第一数据集对UNet进行全监督训练，得到预训练后的UNet；将第一睑板腺样本图像、第二睑板腺样本图像和添加噪声后的第二睑板腺样本图像输入预训练后的UNet，得到第一睑板腺样本图像的预测结果、第二睑板腺样本图像的伪图像标签和添加噪声后的第二睑板腺样本图像的预测结果；基于预测结果和伪图像标签计算自监督学习损失、全监督学习损失和半监督学习损失，以对预训练后的UNet进行多监督训练，得到睑板腺分割网络；相比于只用全监督学习，还引入半监督与自监督学习能从无标注睑板腺图像中挖掘出更有用的信息。
基于多种监督方式睑板腺分割网络训练方法装置

[发明专利]一种半监督负荷识别及分解方法、系统及存储介质-CN202310806416.1在审
发明人：庄蒙蒙 -专利权人：深圳市芝电能源科技有限公司
申请日： 2023-07-04 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种半监督负荷识别及分解方法、系统及存储介质，方法包括步骤：获取监测设备中收集的聚合能源消耗数据；获取一组标记的和未标记的分解能源消耗数据并进行存储；对标记的和未标记的分解能源消耗数据进行预处理，提取相关特征；根据所述相关特征训练半监督学习模型，得到训练好的半监督学习模型；将所述聚合能源消耗数据代入所述训练好的半监督学习模型对所述聚合能源消耗数据进行分解，得到各用电设备的负荷。本发明采用非侵入式负荷识别技术，结合半监督学习算法，具有以下优点：不依赖于样本库，适应性强、可以做到无阈值和无标签地鉴别用电设备动作、计算复杂度低、可以实现针对每个用户连续不断地在线学习、准确率越来越高
一种监督负荷识别分解方法系统存储介质

[发明专利]基于半监督学习训练的命名实体识别方法和装置-CN201911256166.9在审
发明人：吕海峰;宁可;李小平;辛洪生 -专利权人：金蝶软件（中国）有限公司
申请日： 2019-12-10 - 公布日： 2020-04-24 - 主分类号： G06F40/295 文献下载
摘要：本申请涉及一种基于半监督学习训练的命名实体识别方法、装置、计算机设备和存储介质。所述方法包括：获取标注数据以及无标注数据；利用所述标注数据对序列标注模型进行监督训练；通过训练后的序列标注模型计算所述标注数据以及所述无标注数据对应的语义向量，根据所述语义向量识别与所述标注数据同分布的无标注数据；调用半监督学习模型，所述半监督学习模型基于所述训练后的序列标注模型与输入视角受限的辅助预测网络所组成；通过同分布的无标注数据对所述半监督学习模型进行训练，通过维特比解码输出对应的命名实体识别结果。
基于监督学习训练命名实体识别方法装置

[发明专利]一种基于半监督学习的多光谱河道遥感监测方法-CN202010735133.9在审
发明人：贾克斌;魏之皓;张家琪;冯金超;孙中华;刘鹏宇 -专利权人：北京工业大学
申请日： 2020-07-28 - 公布日： 2020-12-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于半监督学习的多光谱河道遥感监测方法，实现对于多光谱河道遥感图像中的河流区域的识别与河道宽度监测的任务。基于多光谱遥感图像的光谱信息，发明一种基于半监督学习的目标区域分类方法，以及基于集成学习的目标区域分类结果融合方法。该方法通过对于多光谱遥感图像进行基于对称卷积神经网络的特征提取，并基于半监督学习和集成学习实现多光谱遥感图像的区域分类识别任务。最后基于计算机视觉设计理念，实现了河道宽度的自动测量监测。
一种基于监督学习光谱河道遥感监测方法

[发明专利]一种半监督变化检测洪涝识别方法-CN202310320119.6在审
发明人：王国杰;林俊杰;魏锡坤;祝善友;徐永明;胡一凡 -专利权人：南京信息工程大学
申请日： 2023-03-29 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种半监督变化检测洪涝识别方法，包括步骤如下：S1，对获取的哨兵一号影像对进行预处理，制作洪涝变化水体标签；S2，构建半监督变化检测网络；S3，计算无监督损失和有监督损失的总损失，利用深度学习框架自动计算监督学习网络中各参数的梯度，利用优化器优化参数，满足设定条件，保存验证精度最高的监督学习网络的网络参数；S4，将洪涝受灾区的洪涝前后哨兵一号影像对输入完成训练的半监督变化检测网络，得到洪涝变化水体预测结果。本发明实现在大量无标签影像对中学习洪涝水体特征，使监督学习网络仅需要很少的标签数据，就能较好的洪涝识别效果、得到较高的识别精度等评价指标，节省了大量人工标注所消耗的时间与资源。
一种监督变化检测洪涝识别方法

[发明专利]基于主动学习和半监督学习的多类图像分类方法-CN201010184378.3无效
发明人：曹永锋;陈荣;殷慧 -专利权人：武汉大学
申请日： 2010-05-20 - 公布日： 2010-10-06 - 主分类号： G06K9/66 文献下载
摘要：本发明涉及图像信息处理技术领域，尤其涉及一种基于主动学习和半监督学习的多类图像分类方法。本发明包括初始样本选择及分类器模型训练、BvSB主动学习样本选择、CST半监督学习、训练样本集及分类器模型更新、分类过程迭代五个步骤。本发明通过执行BvSB主动学习样本选择、CST半监督学习和SVM分类三方面的操作，使其在较小的人工标注情况下具有高效的图像分类效果，不会增加过多的计算负担，能够快速提供分类结果，兼顾了分类系统对计算复杂度的要求
基于主动学习监督图像分类方法

[发明专利]一种基于半监督深度学习网络的LDPC译码系统及译码方法-CN201811137705.2有效
发明人：姜小波;梁冠强;汪智开 -专利权人：华南理工大学
申请日： 2018-09-28 - 公布日： 2020-07-28 - 主分类号： H03M13/11 文献下载
摘要：本发明提供一种基于半监督深度学习网络的LDPC译码系统，包括用于将LDPC码字构建成适合深度学习网络样本集的输入单元；无监督学习模型；无监督学习模型包括用于对样本集进行降噪的降噪单元，以及用于对降噪后的数据进行提取特征和特征映射的特征提取和特征映射单元；以及用于针对特征映射后的输入进行有监督训练，回归出一批LDPC码字的信息位以完成LDPC批量译码的有监督学习单元；输入单元、降噪单元、特征提取和特征映射单元以及有监督学习单元依次连接。还提供基于半监督深度学习网络的LDPC译码方法。本发明利用训练好的深度学习网络实现无需迭代的高吞吐率译码，用于解决现有的LDPC软判决译码算法译码复杂度高，多次迭代带来的延时以及吞吐量低的问题。
一种基于监督深度学习网络 ldpc 译码系统方法

[发明专利]一种用户分类方法、基于用户分类的产品推荐方法及装置-CN202211142079.2在审
发明人：刘宇琦 -专利权人：中国银行股份有限公司
申请日： 2022-09-20 - 公布日： 2022-11-25 - 主分类号： G06K9/62 文献下载
摘要：包括，获取多个用户的金融数据；标注指定数据源的所述金融数据，将标注后的金融数据添加到已标注数据集中，将未标注的金融数据添加到未标注数据集中；利用已标注数据集进行监督学习模型的训练，得到监督学习模型参数；利用监督学习模型参数以及未标注数据集进行半监督学习模型的训练，将训练后的半监督学习模型作为用户分类模型，以便于利用用户分类模型对目标用户进行分类。
一种用户分类方法基于产品推荐装置