“增量模型”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793186个，建议您升级VIP下载更多相关专利

[发明专利]一种基于增量特征的训练方法和系统-CN202210932977.1在审
发明人：任志祥;林俊;姜冲 -专利权人：江苏富翰医疗产业发展有限公司
申请日： 2022-08-04 - 公布日： 2022-10-11 - 主分类号： G06N3/08 文献下载
摘要：本申请提供一种基于增量特征的训练方法和系统，其中，方法包括：获取神经网络模型，提取新增样本的特征，得到样本增量特征；如果样本增量特征在存量样本中，根据样本增量特征训练神经网络模型；如果样本增量特征不在存量样本中，基于样本增量特征生成类别增量模型；将更新后的神经网络模型和类别增量模型组合，生成组合增量神经网络模型；将训练样本输入组合增量神经网络模型，以对组合增量神经网络模型进行训练。通过模型训练结果与诊断结果对比，生成纠错样本，通过纠错样本和新增样本更新组合增量神经网络模型，解决了目前神经网络模型无法根据增量样本进行更新导致神经网络模型判断的准确性低的问题。
一种基于增量特征训练方法系统

[发明专利]一种增量学习方法、装置及设备-CN202111028310.0有效
发明人：叶帆帆;马良;钟巧勇;谢迪;浦世亮 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2021-09-02 - 公布日： 2023-08-29 - 主分类号： G06F18/214 文献下载
摘要：本申请提供一种增量学习方法、装置及设备，该方法包括：将混合数据输入给原始任务模型得到第一特征向量，将混合数据输入给初始增量模型得到第二特征向量，所述混合数据包括目标生成器生成的虚拟数据和增量数据；基于第一特征向量和第二特征向量对初始增量模型的参数值进行调整，得到调整后增量模型；若调整后增量模型未收敛，则将调整后增量模型确定为初始增量模型，返回执行将混合数据输入给原始任务模型得到第一特征向量的操作；若调整后增量模型已收敛，则将调整后增量模型确定为已完成增量学习的目标增量模型通过本申请的技术方案，可以有效缓解目标增量模型的灾难性遗忘，并保护数据隐私。
一种增量学习方法装置设备

[发明专利]增量学习方法、装置、电子设备及机器可读存储介质-CN202111580305.0在审
发明人：吴长虹;程战战;钮毅 -专利权人：上海高德威智能交通系统有限公司
申请日： 2021-12-22 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种增量学习方法、装置、电子设备及机器可读存储介质，该方法包括：在增量训练的过程中，依据所述初始模型初始化增量模型，得到初始化后的增量模型；依据增量训练数据以及所述初始训练数据，对所述初始化后的增量模型进行训练，得到训练后的增量模型；其中，在增量训练过程中，依据正则策略对所述初始模型和所述增量模型进行正则约束；所述正则约束包括特征层面的正则约束和/或参数层面的正则约束。该方法可以缓解增量学习过程中旧知识的遗忘。
增量学习方法装置电子设备机器可读存储介质

[发明专利]设备缺陷检测模型的训练方法、装置和设备缺陷检测方法-CN202310466833.6在审
发明人：高圣溥;饶竹一 -专利权人：深圳供电局有限公司
申请日： 2023-04-23 - 公布日： 2023-08-01 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及一种设备缺陷检测模型的训练方法、装置和设备缺陷检测方法。该方法包括：根据原始设备缺陷图像集对原始缺陷检测模型进行初始化训练，得到初始化训练模型；根据初始化训练模型的初始训练参数构建增量学习模型；将增量设备缺陷图像集分别输入至初始化训练模型以及增量学习模型中进行缺陷预测，得到增量学习模型的蒸馏损失值和缺陷预测损失值；根据初始训练参数、增量学习模型的增量学习参数以及增量学习参数的重要度，确定增量学习模型的参数正则化损失值；根据蒸馏损失值、预测损失值和参数正则化损失值，调整增量学习模型的模型参数，得到设备缺陷检测模型。采用本方法能够提高设备缺陷检测模型的准确性。
设备缺陷检测模型训练方法装置

[发明专利]基于Kafka消息队列的图像分类模型增量训练方法及系统-CN202211604754.9在审
发明人：魏志强;黄少童;刘园园;周生辉;王玉成;王勇;万修全 -专利权人：青岛海洋科学与技术国家实验室发展中心;中国海洋大学
申请日： 2022-12-13 - 公布日： 2023-03-31 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种基于Kafka消息队列的图像分类模型增量训练方法及系统。所述基于Kafka消息队列的图像分类模型增量训练方法包括：通过Kafka消息队列收集增量数据；获取已经经过训练的模型；通过增量数据对已经经过训练的模型进行增量训练。本申请针对增量学习算法脱离生产环境的问题，借助消息队列系统提供了一种图像分类模型增量训练的系统和方法，将增量学习方案与流处理平台相结合，并可以有效的简化增量模型训练和部署的过程。
基于 kafka 消息队列图像分类模型增量训练方法系统

[发明专利]数据处理方法和装置-CN201710523102.5在审
发明人：沈雄 -专利权人：众安信息技术服务有限公司
申请日： 2017-06-30 - 公布日： 2017-11-07 - 主分类号： G06K9/62 文献下载
摘要：该处理方法包括获取预定时间段内的增量数据，并基于是否存在分类模型来确定生成决策树的数量；若存在分类模型，则根据增量数据生成增量决策树，并基于增量决策树和分类模型中的模型决策树和增量决策树来对增量数据进行标签预测，其中，增量决策树的数量基于原始决策树的数量来确定；确定分类模型中的模型决策树和增量决策树中的各个决策树的综合性能；基于各个决策树的综合性能，从分类模型中的模型决策树和增量决策树中选取预定数量的决策树来作为更新后的分类模型中的模型决策树本发明通过增量数据进行分类模型的更新，在模型的业务周期内，不再需要人工干预，大大节约了成本。
数据处理方法装置

[发明专利]一种CTR模型自适应增量训练方法、装置、设备和存储介质-CN202210075672.3在审
发明人：张琳琳;张振;徐恒;吴悦悦;王玥;胡建宇;陈群 -专利权人：南京希音电子商务有限公司
申请日： 2022-01-22 - 公布日： 2022-04-29 - 主分类号： G06F16/9535 文献下载
摘要：本申请公开了一种CTR模型自适应增量训练方法、装置、设备和存储介质，其中方法包括：采集初始数据集；基于初始数据集，对CTR模型进行训练得到初始化模型；间隔预置时刻采集增量数据集，增量数据集包括新增数据和历史数据；根据增量数据集调整初始化模型中对应的参数，得到调整后的初始化模型；基于调整后的增量数据集和调整后的初始化模型对应的参数，进行增量训练得到增量模型，并将增量模型作为新的初始化模型，解决了现有技术通过选取固定时间跨度的数据进行全量训练，导致模型训练的时效性和数据利用率都比较低，以及用户体验感较差的技术问题。
一种 ctr 模型自适应增量训练方法装置设备存储介质

[发明专利]一种基于变分自编码器生成重放的增量学习方法-CN202310773530.9在审
发明人：安竹林;黄礼泊;支相;徐勇军 -专利权人：中科（厦门）数据智能研究院
申请日： 2023-06-28 - 公布日： 2023-09-22 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于变分自编码器生成重放的增量学习方法，具体涉及人工智能技术领域，包括增加增量数据集、构建增量生成模型以及模型的训练和更新，其中增量生成模型包括生成模型和分类模型，分类模型的更新策略包括平凡生成重放策略、无遗忘生成重放策略和无存储生成重放策略；运用基于VAE生成框架的高效、高质量增量生成方法，为分类模型生成重放的历史数据，以提高增量分类网络的抗遗忘能力，同时结合现有的一些在模型层的增量学习策略，从数据和模型两个层面出发，进一步提升增量分类的识别准确率解决了基于GAN生成模型的重放方法存在训练效率低、难训练的问题。
一种基于编码器生成重放增量学习方法

[发明专利]一种增量式学习目标检测网络模型构建及权重更新方法-CN202011073711.3有效
发明人：沈凯;庄羽;朱毅晓;邓明涛 -专利权人：北京理工大学
申请日： 2020-09-30 - 公布日： 2023-06-02 - 主分类号： G06V10/774 文献下载
摘要：本公开的增量式学习目标检测网络模型构建及权重更新方法，训练目标检测的深度学习网络模型；利用Slimming算法对深度学习网络模型进行剪枝处理；提取深度学习网络模型的卷积层训练集数据的输出特征及训练标签；选取第m层卷积层训练集数据的输出特征及其训练标签分别作为宽度学习网络模型的训练样本标签，训练宽度学习增量式学习模型；将宽度学习增量式学习模型替换深度学习网络模型的第m层及第m层后的卷积层，或将训练好的宽度学习网络模型作为深度学习网络模型的辅助学习网络模型，完成增量式学习网络模型的构建。通过增量式学习模型快速更新增量式学习网络权重的能力，改善增量式学习网络的性能，提升增量式学习网络的鲁棒性。
一种增量学习目标检测网络模型构建权重更新方法

[发明专利]一种计算实际骨增量与设计骨增量差异的方法-CN202211473445.2在审
发明人：刘洋;张立强;王志会;高阳;刘倩;宿玉成 -专利权人：迪迈仕（北京）科技有限责任公司
申请日： 2022-11-21 - 公布日： 2023-03-03 - 主分类号： A61B34/10 文献下载
摘要：本申请涉及植介入生物医用材料及服务的领域，尤其是涉及一种计算实际骨增量与设计骨增量差异的方法，包括以下步骤：提取在设计目标钛网时获得的患者原始的设计骨增量模型V1；获取患者植入目标钛网后的即刻CBCT数据；获取患者的实际骨增量模型V2：在即刻CBCT数据上提取患者的术后颌骨模型，得到患者术后的实际骨增量模型V2；将设计骨增量模型V1和实际骨增量模型V2进行匹配，保持两个模型对应位置重合，判断设计骨增量模型V1和实际骨增量模型V2是否一致；若是，则表示医生手术过程中没有出现种植偏差；若否，则表示医生手术过程中出现种植偏差。本申请具有可以精准判断出实际骨增量与设计骨增量之间是否出现偏差的效果。
一种计算实际增量设计差异方法

[发明专利]一种基于不变模型的数据仓库增量加工方法-CN202011475971.3在审
发明人：冯林新;安冬敏;江军 -专利权人：神州数码信息系统有限公司
申请日： 2020-12-15 - 公布日： 2021-03-19 - 主分类号： G06F16/28 文献下载
摘要：一种基于不变模型的数据仓库增量加工方法，其步骤包括：1.获取源端技术增量数据，将业务系统当天新增、删除以及修改的数据采用不变模型的方式存储至数据库对应的数据库表中；2.根据不变模型，计算源端业务增量；3.计算业务增量的前像快照；4.计算业务增量的后像快照；5.计算目标删除增量与目标插入增量；6.计算目标增量合并。本发明通过不变模型保留来源表的历史数据，在不变模型的基础上设计出适合各种场景的增量加工方法，在增量数据加工准确的前提下，大大提升数据加工的效率。
一种基于不变模型数据仓库增量加工方法

[发明专利]一种基于知识蒸馏的类别增量神经网络模型聚合方法-CN202111627025.0在审
发明人：郑照宇;梁龙飞;薛向阳;李斌 -专利权人：复旦大学;上海新氦类脑智能科技有限公司
申请日： 2021-12-28 - 公布日： 2023-07-11 - 主分类号： G06N3/096 文献下载
摘要：本发明提供一种基于知识蒸馏的类别增量神经网络模型聚合方法，具体包括以下步骤：步骤S1，获取聚合所需的增量类别信息以及聚合所得模型的具体结构信息；步骤S2，根据增量类别信息以及结构信息选择多个异构模型作为待聚合模型，并构建初始聚合模型；步骤S3，采用无监督数据对待聚合模型以及初始聚合模型进行类别增量模型聚合，并基于聚合时的类别增量蒸馏损失以及特征过滤损失更新初始聚合模型直至生成增量模型；该方法支持异构待聚合模型间的聚合任务，同时只需单轮聚合就能使聚合模型收敛，大大降低模型聚合过程中的通信成本。
一种基于知识蒸馏类别增量神经网络模型聚合方法

[发明专利]基于增量学习的图像分类方法及系统-CN202011204941.9有效
发明人：廖丹萍 -专利权人：浙江智慧视频安防创新中心有限公司
申请日： 2020-11-02 - 公布日： 2023-07-04 - 主分类号： G06F16/55 文献下载
摘要：本申请实施例中提供了一种基于增量学习的图像分类方法、系统及计算机介质，选取旧分类模型的旧类别数据，以及新增量数据，构建增量学习数据集；构建增量学习新分类模型；输入增量学习数据集，至增量学习新分类模型，在增量学习损失函数约束下进行增量学习训练，得到训练后的增量学习新分类模型；输入待分类图像至训练后的增量学习新分类模型，进行图像分类，得到图像分类结果。本申请在旧类别数据基础上连同新类别的数据一起进行学习，在增量学习损失函数约束下实现了使旧类别的映射向量的相似度能够在增量学习的过程中保持一致，进而在学习新类别的信息同时，保持了对旧类别的测试数据的分类性能
基于增量学习图像分类方法系统

[发明专利]一种基于知识稳健-重平衡网络的SAR目标类增量识别方法-CN202310066776.2在审
发明人：杜兰;宋佳伦;陈健;李雨 -专利权人：西安电子科技大学
申请日： 2023-01-16 - 公布日： 2023-05-16 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种基于知识稳健‑重平衡网络的SAR目标类增量识别方法，包括：获取SAR目标图像训练集；构建基于知识稳健‑重平衡网络的类增量学习模型，利用SAR目标图像训练集对类增量学习模型进行迭代训练，得到训练完成的类增量学习模型；利用训练完成的类增量学习模型实现对待测SAR图像的目标识别。其中，类增量学习模型，包括：旧目标教师子网络、新目标增量学习子网络和混合知识蒸馏模块。本发明的SAR目标类增量识别方法能够充分考虑保持旧类特征可分性信息并增强新、旧类的特征可分性，在实现识别模型增量学习识别新类别的同时，保证其对旧目标识别仍具有稳健性。
一种基于知识稳健平衡网络 sar 目标增量识别方法

[发明专利]面向图像大数据的类增量分类方法、系统、装置及介质-CN202110223442.2有效
发明人：罗荣华;黄圳铭 -专利权人：华南理工大学
申请日： 2021-03-01 - 公布日： 2023-08-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种面向图像大数据的类增量分类方法、系统、装置及介质，其中方法包括初始化训练阶段和增量学习阶段；所述初始化训练阶段包括：构建图像的初始数据集；根据所述初始数据集训练初始分类模型；所述增量学习阶段包括：根据所述初始数据集和图像的新数据构建增量学习数据集；根据所述初始分类模型获取增量学习新模型，根据增量学习数据集和蒸馏算法训练所述增量学习新模型，得到能够识别新旧类别的模型；其中，所述蒸馏算法使模型的类间距离扩大及类内距离缩小本发明通过蒸馏算法更新增量学习模型，使模型的类间距离扩大及类内距离缩小，能够在有限的存储空间和计算资源下，提升模型对新旧数据识别性能，可广泛应用于大数据应用领域。
面向图像数据增量分类方法系统装置介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条