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2552209个,建议您升级VIP下载更多相关专利
  • [发明专利]一种解决数据间差异的神经网络模型训练方法及装置-CN202210249638.3在审
  • 张睿;邹游;张先福 - 特斯联科技集团有限公司
  • 2022-03-14 - 2022-06-28 - G06V10/44
  • 本申请涉及一种解决数据间差异的神经网络模型训练方法及装置。其中,所述方法包括:获取数据间差异的源数据集和目标数据集;通过源数据集对骨干网络模型进行预训练,得到数据间差异的预训练骨干模型;根据目标数据集、预训练骨干模型、全连接网络和/或激活器,获取数据间差异的源模型和目标模型;根据目标数据集、源模型和目标模型,获取数据间差异的评估结果;根据源数据集、目标数据集、骨干网络模型和评估结果,得到数据间差异的最终模型。本申请能够评估源数据集和目标数据集的间差异,能够使得所述最终模型的输出结果的间差异问题得到缓解。
  • 一种解决数据差异神经网络模型训练方法装置
  • [发明专利]一种基于数据筛选的适应方法和系统-CN202310461928.9在审
  • 吴超;王沛正;李皓 - 浙江大学
  • 2023-04-26 - 2023-08-01 - G06F18/24
  • 本发明公开了一种基于数据筛选的适应方法和系统,属于迁移学习中的适应技术领域。获取任务一致但数据分布不同的源和目标数据集;利用源数据预训练源卷积神经网络和源分类器;构建由源卷积神经网络、目标神经网络、判别器组成的对抗网络,并进行基于分类任务的对抗训练;利用预训练后的源卷积神经网络提取源数据特征,利用训练后的判别器对源数据进行分类,从分类为源数据子集中剔除部分数据,更新源数据集;使用新的源数据集和原始的目标数据集进行适应操作。本发明利用对抗训练方式拉近了目标与源在同一特征空间的特征表示,筛选出更接近目标数据的源数据进行适应操作,提升了适应的性能。
  • 一种基于数据筛选适应方法系统
  • [发明专利]一种基于类心和协方差对齐的遥感图像迁移学习方法-CN201710456531.5有效
  • 马丽;祝蕾 - 中国地质大学(武汉)
  • 2017-06-16 - 2019-05-21 - G06K9/00
  • 本发明本一种基于类心和协方差对齐的遥感图像迁移学习方法,包括以下步骤:准备源数据和目标数据;对目标图像进行空间平滑;源和目标数据的整体中心对齐;利用源标签数据训练SVM分类器并对目标数据进行分类;对源各类数据进行变换,使得变换后的源各类数据和目标各类数据的协方差矩阵相等;计算源和目标各个类别数据的类心,将源各类数据按照类心差的方向向目标移动实现类心对齐;利用变换后的源数据训练SVM分类器,对目标数据进行分类。本发明充分利用数据的一阶和二阶统计特性描述数据分布,通过对齐源数据和目标数据的类心和协方差矩阵,缩小两之间的分布差异,提高分类性能。
  • 一种基于和协方差对齐遥感图像迁移学习方法
  • [发明专利]一种在线迁移学习方法、装置、设备和存储介质-CN202310459656.9在审
  • 蒋晓玲 - 重庆长安汽车股份有限公司
  • 2023-04-25 - 2023-07-14 - G06F18/214
  • 本发明公开了一种在线迁移学习方法、装置、设备和存储介质,该方法包括:获取n个源离线数据集和目标离线数据集;将目标离线数据集分别和n个源离线数据集,映射到公共子空间,得到n个跨数据集;分别采用n个跨数据集训练得到n个源离线学习模型,以及采用目标离线数据集训练得到目标离线学习模型;获取当前目标在线样本,并根据当前目标在线样本、n个源离线学习模型和目标离线学习模型,进行目标在线学习模型的迁移学习本发明通过将目标离线数据与源离线数据映射到同一公共子空间,实现源离线数据与目标数据的特征空间对齐,本发明能有效提高了目标在线样本分类的准确性。
  • 一种在线迁移学习方法装置设备存储介质
  • [发明专利]一种自适应图像分类模型训练方法及装置-CN202211286209.X在审
  • 卫星;秦雄博;杨帆;毕翔;闻斌;张立;胡太长;赵冲;陆阳 - 合肥工业大学
  • 2022-10-18 - 2023-01-03 - G06V10/44
  • 本发明公开了一种自适应图像分类模型训练方法及装置,该方法包括:对源和目标域中的数据进行预处理,分别获得源数据样本构成的源数据集、目标数据样本构成的目标数据集;使用注意力机制联合所述源数据集和所述目标数据集,以生成中间数据集;利用所述源数据集和所述中间数据集对图像分类网络进行训练,以生成第一图像分类模型;利用所述中间集和目标数据集对所述第一图像分类模型进行训练,以获取自适应图像分类模型。本发明通过使用注意力机制合成一个中间,然后进行多级特征对齐,最后将自适过程划分为两步,有效解决了因源和目标数据分布差异较大导致的图像分类网络性能下降的问题。
  • 一种自适应图像分类模型训练方法装置
  • [发明专利]用于利用混合训练的无监督适配的系统和方法-CN202011600749.1在审
  • 宋欢;严珅;李南翔;邹林灿;任骝 - 罗伯特·博世有限公司
  • 2020-12-30 - 2021-07-16 - G06N20/20
  • 用于利用混合训练的无监督适配的系统和方法。适配的系统和方法涉及第一和第二。利用第一的第一传感器数据和第一标签数据来训练机器学习系统。获得第二的第二传感器数据。基于第二传感器数据经由机器学习系统生成第二标签数据。通过相对于第二的第二传感器(标签)数据插值第一的第一传感器(标签)数据来生成间传感器(标签)数据。机器学习系统可操作来响应于间传感器数据生成间输出数据。基于相对于间标签数据间输出数据生成间损失数据。在优化至少包括间损失数据的最终损失数据时,更新机器学习系统的参数。在适配之后,可在第一域中操作的机器学习系统适于生成标识第二的当前传感器数据的当前标签数据
  • 用于利用混合训练监督域适配系统方法
  • [发明专利]一种分类器模型训练方法、装置、电子设备及存储介质-CN202210540341.2在审
  • 王斐;侯雪莹;齐菲菲;李世钦 - 华南师范大学
  • 2022-05-18 - 2022-08-30 - G06K9/00
  • 本发明所述的分类器模型训练方法包括:获取训练所用的源数据和目标数据;对所述源数据和所述目标数据进行数据校直,得到对齐的源数据和对齐的目标数据;根据源数据和目标数据之间的相似度,对所述对齐的源数据中的脑电信号进行挑选,得到相似源数据;对源数据和目标数据进行特征提取,得到每个脑电信号对应的特征图像;使用特征图像和训练标签对分类器模型进行训练,得到训练好的分类器模型。本发明所述的分类器模型训练方法,将源数据与目标数据的对齐以此减少源与目标的输入之间的分布差异,提升了分类准确率,还大大减少了训练时间。
  • 一种分类模型训练方法装置电子设备存储介质

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