“学习算法”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541243个，建议您升级VIP下载更多相关专利

[发明专利]一种深度学习算法的可靠性评估方法及系统-CN201811443377.9在审
发明人：薛云志;孟令中;武斌;董乾;师源 -专利权人：中国科学院软件研究所
申请日： 2018-11-29 - 公布日： 2019-05-03 - 主分类号： G06F21/57 文献下载
摘要：本发明公开了一种深度学习算法的可靠性评估方法及系统。本方法为：1)建立深度学习算法的可靠性评估指标体系和深度学习算法的评估准则；2)根据深度学习算法的可靠性要求以及该深度学习算法所在系统的严重性等级，确定该深度学习算法的可靠性目标等级；3)根据该深度学习算法的可靠性目标等级，选择对应的评估指标；4)根据该深度学习算法对应的评估指标获取该深度学习算法的各评估指标值；5)根据所述评估准则和该深度学习算法的各评估指标值，评估该深度学习算法的可靠性。本发明对算法整个阶级开展可靠性评估工作，克服了只能在测试阶段利用失效数据开展可靠性评估工作的问题。
学习算法可靠性评估评估指标可靠性目标评估准则可靠性要求测试阶段失效数据指标体系算法阶级评估

[发明专利]装置、方法和计算机可读介质-CN202310077656.2在审
发明人：藤井英幸;片山裕贵 -专利权人：横河电机株式会社
申请日： 2023-01-19 - 公布日： 2023-07-25 - 主分类号： G06N20/00 文献下载
摘要：本发明提供装置、方法和计算机可读介质，所述装置包括：存储部，针对多个学习算法的每一个而存储具有利用权限的账户；利用控制部，将各学习算法的利用限制为针对该学习算法具有利用权限的账户的用户；以及学习处理部，使用从针对所述多个学习算法中的一个学习算法具有利用权限的账户的用户供给的学习数据，通过该一个学习算法进行学习模型的学习处理。
装置方法计算机可读介质

[发明专利]基于统一描述表达的机器学习算法资源共享方法及系统-CN202010483836.7在审
发明人：向隆刚;李雅丽 -专利权人：武汉大学
申请日： 2020-06-01 - 公布日： 2020-10-23 - 主分类号： G06F16/28 文献下载
摘要：本发明公开一种基于统一描述表达的机器学习算法资源共享方法及系统，该方法包括：构建机器学习算法的六元组统一描述模型，并形式化表达形成关于机器学习算法描述的知识；基于所述关于机器学习算法描述的知识，设计知识库结构，对算法知识进行存储与组织，并设计相应的数据库访问接口，以支持算法知识库管理；基于知识库和上层应用对算法的需求，首先通过匹配方法，获取候选机器学习算法集合，然后通过评价方法，确定最优机器学习算法；基于所述最优机器学习算法，执行目标机器学习算法，将输入转化为输出，供上层应用做进一步的分析决策。本发明能够解决上层应用从海量机器学习算法资源中选择出合适算法的难题，能够实现算法资源共享与智能匹配。
基于统一描述表达机器学习算法资源共享方法系统

[发明专利]一种基于机器学习算法的学习模式认知方法及装置-CN202010739693.1在审
发明人：倪隆;倪慧琳;倪福明;戴晓珑 -专利权人：湖北绿神网络科技有限公司
申请日： 2020-07-28 - 公布日： 2020-11-17 - 主分类号： G06N20/00 文献下载
摘要：本发明提出了一种基于机器学习算法的学习模式认知方法及装置。包括：获取本地学习数据，根据该本地学习数据建立不同学习组模型，根据不同学习组模型生成不同的学习模式；建立粒子群算法，根据该粒子群算法与不同的学习模式建立粒子群算法模型；获取待计算学习数据，根据粒子群算法模型对该待计算学习数据进行计算，并匹配对应的学习模式。本发明通过本地学习数据预先建立不同的学习模式，然后通过粒子群算法对待计算学习数据进行计算，实现待计算学习数据与不同的学习模式之间的精确匹配，提高了系统的辅助能力。
一种基于机器学习算法模式认知方法装置

[发明专利]一种机器学习单机算法编排系统及方法-CN201910493696.9在审
发明人：吕天贵;张明;史红新;张凡;吴跃光;尚伟;刘育花;吕晓琳;剧建军;刘冠军;周悦淇 -专利权人：中信银行股份有限公司
申请日： 2019-06-06 - 公布日： 2019-09-17 - 主分类号： G06F9/455 文献下载
摘要：本发明提供一种机器学习单机算法编排系统及方法。所述系统特征在于包括：机器学习算法依赖模块，用于预定义机器学习算法容器镜像，并存储创建的所述机器学习算法容器镜像；应用容器平台，用于基于所述机器学习算法容器镜像创建应用容器；自定义业务算法模块，用于将业务算法代码存储于代码仓库或者以静态文件存储于分布式文件系统；算法环境框架，用于嵌入所述应用容器，具体为一种编程语言Python实现的方法和接口。实现了机器学习算法环境秒级创建、保证算法执行完毕、支持多算法任务负载的效果。
机器学习算法算法编排系统机器学习应用容器单机分布式文件系统静态文件存储自定义业务编程语言创建应用代码存储任务负载算法环境算法模块算法执行系统特征业务算法预定义创建嵌入存储仓库保证

[发明专利]用于模型优化的方法、装置以及存储介质-CN202010180798.8在审
发明人：赵龙刚;云亮;孙佩霞;李伟;张伟;石晓东;张小平 -专利权人：中国电信股份有限公司
申请日： 2020-03-16 - 公布日： 2021-09-17 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种用于模型优化的方法、装置以及存储介质，其中的方法包括：在模型运行环境中添加建立目标模型所需的第一机器学习算法组件；基于第一机器学习算法组件建立与目标模型相对应的第一模型流程图；利用预设的元学习算法获取用于与第一机器学习算法组件进行比对的至少一个第二机器学习算法组件；使用预设的比对规则，对第一机器学习算法组件与第二机器学习算法组件进行比对处理；基于比对结果对目标模型进行优化处理。本公开的方法、装置以及存储介质，能够基于元学习自动增加机器学习算法组件，进行机器学习算法对比实验，可以让开发人员在不进行编码的情况下进行机器学习的开发和训练，可以显著加快模型开发效率。
用于模型优化方法装置以及存储介质

[发明专利]微型机器学习-CN201980081260.7在审
发明人： S·阿格尔沃;V·瓦拉达拉珍;S·伊蒂库拉;N·阿格尔沃 -专利权人：甲骨文国际公司
申请日： 2019-10-17 - 公布日： 2021-07-23 - 主分类号： G06N5/00 文献下载
摘要：描述了用于生成和应用机器学习算法的微型机器学习变体以在调整和选择机器学习算法时节省计算资源的技术。在实施例中，用于参考变体的超参数值中的至少一个超参数值被修改为新的超参数值，从而从机器学习算法的参考变体生成机器学习算法的新变体。基于机器学习算法的新变体的成本度量并将新变体和参考变体的性能得分进行比较，系统确定修改后的参考机器算法是否是计算上成本低于机器学习算法的参考变体但紧密跟随参考变体的准确度的微型机器学习算法。
微型机器学习

[发明专利]一种可扩展的多层集成多标记学习系统-CN201510662088.8有效
发明人：乔善平;吴鹏;韩士元 -专利权人：济南大学
申请日： 2015-10-09 - 公布日： 2019-02-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种可扩展的多层集成多标记学习系统，包括数据集、算法集合、集成策略集合和分类器集合，所述算法集合包括二类分类算法、面向标记集的学习算法和集成多标记学习算法，所述分类器集合包括二类分类器、多标记分类器和集成分类器，所述集成策略集合包括若干个集成策略，所述多层集成多标记学习系统分为二分类学习层、多标记学习层和集成学习层，所述二类分类算法和二类分类器构成二分类学习层，所述面向标记集的学习算法和多标记分类器构成多标记学习层，所述集成多标记学习算法、集成策略和集成分类器构成集成学习层。
一种扩展多层集成标记学习系统

[发明专利]解析装置、解析方法以及解析程序-CN202110609294.8在审
发明人：洼田望 -专利权人：洼田望
申请日： 2020-09-25 - 公布日： 2021-10-01 - 主分类号： G06N20/00 文献下载
摘要：本发明提供预测利用多个算法进行了学习处理时的学习模型的性能的解析装置、解析方法以及解析程序。解析装置具备：学习部，使用多个最优化算法对多个算法分别包含的一个或多个超参数进行优化，并使用包含优化后的一个或多个超参数的多个算法分别进行规定的学习模型的机器学习；以及计算部，根据所述机器学习，按照所述算法和所述最优化算法计算所述学习模型的性能
解析装置方法以及程序

[发明专利]一种机器学习算法的自适应调整方法和系统-CN201810008518.8在审
发明人：吴婧雅;鄢贵海;李晓维 -专利权人：中国科学院计算技术研究所
申请日： 2018-01-04 - 公布日： 2018-09-25 - 主分类号： G06N99/00 文献下载
摘要：本发明涉及一种机器学习算法的自适应调整方法和系统，包括：通过对机器学习算法进行分析，获取控制其计算时间的可控参数，并根据该可控参数在各具体数值下该机器学习算法的实际计算时间，建立该机器学习算法计算时间的量化模型库；根据各时间窗内输入数据的复杂度，对该机器学习算法结构进行粗粒度调整，给定算法模型的复杂度范围，并根据该机器学习算法对该输入数据进行量化描述，结合给定的时间限制在该量化模型库中确定该可控参数的具体数值，并将该具体数值应用至该机器学习算法，以实现该机器学习算法的自适应调整。本发明使得机器学习算法能够在有限的计算资源条件下适应流式数据的在线应用场景，在给定的时间限制下给出合理的计算结果。
机器学习算法自适应调整可控参数时间限制复杂度模型库量化计算资源流式数据算法模型在线应用粗粒度时间窗场景应用分析

[发明专利]数据标注方法及装置-CN202110764998.2有效
发明人：郑继龙;齐红威;何鸿凌;肖永红 -专利权人：数据堂（北京）科技股份有限公司
申请日： 2021-07-07 - 公布日： 2021-11-19 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种数据标注方法及装置，该方法包括：利用无监督学习算法进行冷启动，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，基于弱监督学习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；对预标注结果进行半监督学习算法的样本筛选，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学习算法、弱监督学习算法和半监督学习算法进行算法迭代，获得优化的无监督学习算法、弱监督学习算法和半监督学习算法。
数据标注方法装置

[发明专利]一种基于改进深度强化学习算法的柔性车间调度方法-CN202210035975.2在审
发明人：陈良银;程俊夫;王浩;陈彦如;张媛媛;黄鑫茂;何正洪;黄长海;兰地理;李银鹏;王诗雨 -专利权人：四川大学;四川长城计算机系统有限公司
申请日： 2022-01-10 - 公布日： 2022-04-22 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于改进深度强化学习算法的柔性车间调度方法。本发明涉及到工业系统生产调度领域。本发明提出的基于改进深度强化学习算法的柔性车间调度方法具有调度效果好、能够对机器利用率进行提高的优点。与传统的基于深度强化学习的柔性车间调度算法相比，本发明将邻域搜索算法应用到了深度Q学习算法当中，提出了一种新型的同时具备邻域搜索算法局部搜索能力以及深度Q学习算法全局搜索能力的结合了邻域搜索算法的深度Q学习算法。最后通过一系列标准数据集上的实验，成功证明了结合了邻域搜索算法的深度Q学习算法在解决柔性车间调度问题上的优越性。
一种基于改进深度强化学习算法柔性车间调度方法

[发明专利]一种跨语言机器学习方法及系统-CN202011208898.3有效
发明人：刘子星;张镇潮;梁嘉楠;徐煌 -专利权人：税友软件集团股份有限公司
申请日： 2020-11-03 - 公布日： 2022-08-09 - 主分类号： G06F8/30 文献下载
摘要：本发明公开了一种跨语言机器学习方法及系统，应用于以web服务的形式形成的机器学习平台，根据机器学习算法的各算法流程，生成算法流程图框架；根据各算法流程各自对应的具体操作步骤，一一为算法流程图框架上的各流程节点配置相应的算法描述；遍历算法流程图框架上的各流程节点，生成节点执行顺序，并按照节点执行顺序分别将各流程节点配置的算法描述自主翻译成python代码，得到用python代码表示的机器学习算法，以利用此机器学习算法实现机器学习可见，本申请既能让web服务系统选择最常用的java语言，又能让机器学习算法的实现使用python语言，从而发挥了两种语言的生态优势。
一种语言机器学习方法系统

[发明专利]细胞图像分析用学习模型的转移系统及转移方法-CN202211210330.4在审
发明人：津岛启晃;泽田隆二;大野刚士;山本周平 -专利权人：株式会社岛津制作所
申请日： 2022-09-30 - 公布日： 2023-04-14 - 主分类号： G06V20/69 文献下载
摘要：本发明提供一种细胞图像分析用学习模型的转移系统及转移方法，该细胞图像分析用学习模型的转移系统是将学习模型从第一学习装置转移到第二学习装置的系统，第二学习装置具备：算法匹配性判定部，其基于第二算法确定信息和第一算法确定信息，来判定是否取得了第一算法与第二算法的匹配；以及学习模型参数设定部，其设定与第二算法一起使用的第一参数。
细胞图像分析学习模型转移系统方法

[发明专利]一种机器学习算法运行方法、装置、设备及介质-CN202110594035.2在审
发明人：戴清良;王中伟;陈屹;李建伟;辛帅;孙永良;陈维强 -专利权人：青岛海信网络科技股份有限公司;青岛国创智慧云脑科技有限公司
申请日： 2021-05-28 - 公布日： 2022-11-29 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种机器学习算法运行方法、装置、设备及介质，用以在同时运行多种机器学习算法的同时，还可以保证多种机器学习算法之间的数据安全及占用电子设备资源的合理性。由于本申请可以在电子设备的容器中运行机器学习算法及Conda基础镜像，从而不仅可以基于Conda基础镜像，激活不同机器学习算法依赖的运行环境，使多种机器学习算法可以同时运行；同时，还可以基于容器的沙箱机制，对电子设备中同时运行的不同机器学习算法的数据进行安全隔离，保证多种机器学习算法之间的数据安全；另外，还可以基于容器的沙箱机制，对当前运行的机器学习算法占用电子设备资源的大小进行限制，从而达到合理的占用电子设备资源的目的
一种机器学习算法运行方法装置设备介质

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