“机器学习技术”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9975749个，建议您升级VIP下载更多相关专利

[发明专利]一种基于区块链智能合约与机器学习的数据预处理方法-CN201811551766.3在审
发明人：张延华;王勇;于非;杨硕鹏;杨兆鑫;李萌;吴文君 -专利权人：北京工业大学
申请日： 2018-12-18 - 公布日： 2019-04-12 - 主分类号： G06K9/62 文献下载
摘要：一种基于区块链智能合约与机器学习的数据预处理方法，通过区块链技术和机器学习技术协同完成在节点上的数据预处理。具体包括收集物联网数据，存储到本地节点之后将其标准化；在本地节点上创建机器学习算法文件，用于对物联网数据的预处理；将数据存入区块链；利用入链后的数据对学习算法进行训练，得到模型系数，并存储到本地节点；首先将机器学习算法表达式写入智能合约该方法在区块链的智能合约中加入机器学习算法，利用机器学习提高区块链的数据挖掘能力。
区块机器学习算法数据预处理机器学习智能模型系数存储预处理机器学习技术物联网数据处理数据联网数据数据挖掘学习算法收集物调用上链写入标准化协同创建

[发明专利]机器学习模型训练方法、装置、电子设备及存储介质-CN202110039340.5在审
发明人：康业猛;乔志强;高达申;李涛;王界涵;刘欢;黄绿君 -专利权人：京东科技信息技术有限公司
申请日： 2021-01-12 - 公布日： 2022-07-19 - 主分类号： G06F3/04845 文献下载
摘要：本发明实施例涉及一种机器学习模型训练方法、装置、电子设备及存储介质，所述方法包括：通过预设的可视化界面输出至少一个图形化组件，其中，每一所述图形化组件封装有一项与机器学习模型训练相关的算法；确定用户选择的图形化组件，并根据用户针对所选择的图形化组件设置的执行顺序得到可视化机器学习模型训练流程图；基于所述可视化机器学习模型训练流程图执行机器学习模型训练。由此，可以实现用户通过拖拽图形化组件即可完成机器学习模型训练工作流的创建，实现复杂的机器学习模型训练，极大降低了机器学习技术的应用门槛。
机器学习模型训练方法装置电子设备存储介质

[发明专利]机器学习工程的配置方法、装置、电子设备及存储介质-CN202210692755.7在审
发明人：郑羊城 -专利权人：新华三技术有限公司
申请日： 2022-06-17 - 公布日： 2022-11-04 - 主分类号： G06F9/50 文献下载
摘要：本发明涉及机器学习技术领域，具体涉及机器学习工程的配置方法、装置、电子设备及存储介质，该方法包括响应于对目标机器学习工程的配置请求，显示机器学习工程的配置界面，配置界面包括算力资源选择区，算力资源选择区用于提供算力资源的选择，算力资源是通过对多个计算资源的算力进行纳管得到的；响应于对算力资源选择区中算力资源的选择操作，确定目标机器学习工程对应的目标算力资源；响应于对用于目标机器学习工程的算子核的配置操作确定目标算子核，并基于目标算力资源与目标算子核的对应关系确定目标机器学习工程该方法提高了该目标机器学习工程的处理效率。
机器学习工程配置方法装置电子设备存储介质

[发明专利]一种火箭落点灾害分析系统-CN202111634665.4在审
发明人：毛应龙;陈云海;张云涛;信烨;刘淑芳 -专利权人：山西清风渡信息技术有限公司
申请日： 2021-12-29 - 公布日： 2022-05-10 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及灾害预测分析技术领域，尤其涉及一种火箭落点灾害分析系统。其包括数据预处理模块、数据处理框架模块、机器学习技术模块和机器学习模型模块；数据预处理模块与数据处理框架模块通讯连接，且数据处理框架模块包括数据获取模块、数据量纲化模块和特征选择模块；机器学习技术模块和机器学习模型模块通讯连接，且机器学习模型模块包括火箭毁伤效应模块、地面价值评估模块和火箭落点综合评估模块。本发明利用数据预处理技术和机器学习模型对火箭落点灾害分析系统的数据处理方法和物理结构同时进行设计及优化，可以对地面的毁伤进行确认以及事件发生之后的地面财产等损失进行评估，差异性较小；可实时对火箭残骸落地后的事后灾害评估
一种火箭落点灾害分析系统

[发明专利]一种基于机器学习的非晶形成能力预测方法-CN202310125691.7在审
发明人：梁永超;孙波;陈贵平;王梦琦;谢继兴 -专利权人：贵州大学
申请日： 2023-02-16 - 公布日： 2023-04-28 - 主分类号： G16C60/00 文献下载
摘要：本发明公开一种基于机器学习的非晶形成能力预测方法，包括：获取非晶特征数据集及预处理，将非晶特征数据集中的样本数据按设定比例划分为训练集和测试集；获取机器学习模型，所述机器学习模型包括KNN、LightGBM和RandomForest三种机器学习模型；采用Stacking集成学习算法融合所获取的三种基机器学习模型，得到Stacking集成后的机器学习模型；将KNN模型、LightGBM模型、RandomForest模型和Stacking融合后的模型使用SLSQP算法加权平均得到预测非晶形成能力的机器学习模型；解决了表征非晶合金的非晶形成能力存在的只针对特定的合金成分且预测准确度不高等技术问题。
一种基于机器学习晶形能力预测方法

[发明专利]一种机器学习方法、装置和系统-CN202011365069.6在审
发明人：张朝阳;杨禹志;于天航;李榕 -专利权人：华为技术有限公司
申请日： 2020-11-27 - 公布日： 2022-05-27 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种机器学习方法、装置和系统，涉及机器学习技术领域，可以显著降低机器学习过程中数据传输的数量，由此降低数据传输在整个学习过程中的耗时占比，从而有效提高机器学习的效率。具体方案为：子节点对采集获取的本地数据集，进行基于BNN的机器学习，获取与本地数据集对应的本地模型参数。子节点向中心节点发送第一消息，第一消息包括本地模型参数。
一种机器学习方法装置系统

[发明专利]一种基于机器学习的细胞识别方法及装置-CN202010288371.X有效
发明人：张海山;魏彦杰;滕彦宁;周家秀;冯圣中 -专利权人：中国科学院深圳先进技术研究院
申请日： 2020-04-14 - 公布日： 2021-08-24 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及机器学习技术领域，具体涉及一种基于机器学习的细胞识别方法及装置。本发明通过从数据库中获取特征标识对应的细胞特征数据集；对细胞特征数据集进行特征提取，得到窗口细胞特征集；对窗口细胞特征集进行缺失值处理，得到细胞缺失特征集；对细胞缺失特征集进行验证，得到预训练机器学习模型以及预测准确率；根据预测准确率，获取细胞缺失特征集的最佳时间窗口；在所有最佳时间窗口上进行筛选操作，得到细胞筛选特征集；基于机器学习算法，将细胞筛选特征集输入至预训练机器学习模型进行训练，得到细胞分类机器学习模型；对待识别细胞数据进行识别，输出细胞类别，本发明解决了现有基于机器学习的细胞识别装置识别精度低的技术问题。
一种基于机器学习细胞识别方法装置

[发明专利]一种基于图像处理技术的学习效率监测陪伴机器人-CN202010455509.0在审
发明人：刘则 -专利权人：天津市微卡科技有限公司
申请日： 2020-05-26 - 公布日： 2020-08-21 - 主分类号： B25J11/00 文献下载
摘要：本发明提供了一种基于图像处理技术的学习效率监测陪伴机器人，包括陪护机器人和图像处理装置，图像处理装置设有图像处理控制系统，图像处理控制系统包括图像处理控制单元、红外传感检测单元、摄像采集检测单元，陪护机器人包括学习内容单元、学习过程监测单元、语音交互单元、存储单元和学习处理控制单元，图像处理控制单元、学习内容单元、学习过程监测单元、学习存储单元和语音交互单元均数据传输至学习处理控制单元。本发明所述的一种基于图像处理技术的学习效率监测陪伴机器人，可以对学生日常学习内容进行实现把控，学习效率进行实施检测，同时可以通过人脸图像处理进行分级加密处理。
一种基于图像处理技术学习效率监测陪伴机器人

[发明专利]辅助学习方法、辅助学习装置、机器人及存储介质-CN202110630303.1有效
发明人：向明;王轶丹 -专利权人：深圳市优必选科技股份有限公司
申请日： 2021-06-07 - 公布日： 2022-07-19 - 主分类号： B25J11/00 文献下载
摘要：本申请适用于机器人技术领域，提供了一种辅助学习方法、辅助学习装置、机器人及存储介质，所述辅助学习方法包括：获取目标用户的学习模式，所述目标用户的学习模式反映所述目标用户的学习水平和/或学习态度；根据所述目标用户的学习模式，确定目标辅助学习方案；根据所述目标辅助学习方案，辅助所述目标用户学习。通过本申请可为用户制定与其匹配的辅助学习方案，提高机器人的辅助学习效果。
辅助学习方法学习装置机器人存储介质

[发明专利]一种情景记忆引导的机器人操作技能高效学习方法-CN202111515059.0有效
发明人：刘冬;王子途;丛明 -专利权人：大连理工大学
申请日： 2021-12-13 - 公布日： 2023-09-15 - 主分类号： B25J9/16 文献下载
摘要：本发明提供一种情景记忆引导的机器人操作技能高效学习方法，属于智能机器人服务技术领域。该高效学习方法首先，建立机器人学习系统情景记忆模型，并构建机器人感知与记忆进行相似性度量算法，实现对事件和场景信息检索匹配与情景记忆中事件的更新调用；其次，构建两相情景记忆引导的机器人操作技能深度强化学习算法，分别使用情景记忆引导动作选择过程；最后，并以情景记忆评估学习过程中各状态的价值，生成深度强化学习算法的奖赏函数。本发明提供使用已有经验指导机器人学习新技能的方法，能够提高机器人对操作技能的学习效率，解决机器人操作技能学习过程中数据量过大、使用深度强化学习算法学习效率低的问题。
一种情景记忆引导机器人操作技能高效学习方法

[发明专利]一种机器学习模型自我学习、评估及更新的方法-CN202210152640.9在审
发明人：彭鸿涛;王龙 -专利权人：西安恩耐博人工智能科技有限公司
申请日： 2022-02-18 - 公布日： 2022-05-24 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种机器学习模型自我学习、评估及更新的方法，涉及机器学习领域，旨在提供一种基于模型效果评估进行常态化自动更新的模型，采用的技术方案是，包括以下步骤：步骤1，将机器学习模型部署到线上；步骤2，对机器学习模型整体进行监控；步骤3，机器学习模型的效果输出管理决策；步骤4，对模型进行自动重建；步骤5，将重建后的机器学习模型进行自动部署；步骤6，对重建后的机器学习模型整体进行监控；通过构建矩阵模型，能够通过自动化监控对已部署的机器学习模型进行监控，从而获得现有模型的健康情况、可靠性和成绩，并对模型进行自动重建优化后自动部署上线，能够实现模型的自动化更新，节省人工成本，降低工作人员工作强度。
一种机器学习模型自我评估更新方法

[发明专利]基于多源异构的数据挖掘建模方法及系统-CN202211001299.3在审
发明人：贾皓立;陈庆国;梁凯鹏;粟文;程吉辉;何一鸣;宋萍 -专利权人：北京银丰新融科技开发有限公司
申请日： 2022-08-19 - 公布日： 2022-12-30 - 主分类号： G06F30/27 文献下载
摘要：本公开通过获取机器学习的相关算法，将所述机器学习的相关算法封装为多个算法组件，响应于用户对所述多个算法组件的第一操作，通过所述多个算法组件构建机器学习模型。由于将算法组件化，用户或者业务人员可以按需装配不同的组件，可以让机器学习模型的构建更加灵活，效率更加高效，也提高了算法的重用性。用户可以利用可视化的页面，使用拖拽的方式拖动组件，配置机器学习模型，使操作更加简单，用户只需要了解算法组件的基本功能，而不需要了解机器学习模型的技术细节，降低了用户的学习成本和构建机器学习模型的难度，从而降低了构建机器学习模型的开发门槛与成本
基于多源异构数据挖掘建模方法系统

[发明专利]一种基于机器学习提高无损检测精度的方法-CN202110091636.1在审
发明人：吴亮;盛英杰 -专利权人：深圳市玄羽科技有限公司
申请日： 2021-01-23 - 公布日： 2021-11-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于机器学习提高无损检测精度的方法，具体涉及机器学习技术领域，其具体方法如下：(1)、建立系统：建立机器学习建模系统；(2)、模型建立：建立人工智能基本模型，收集检测数据作为学习数据；(3)、机器学习训练：将检测数据导入机器学习建模系统中进行学习训练；(4)、优化检测模型：通过对各种不同的检测数据进行分析，并对其分析结果进行验证，将数据和验证结果做成示例再补充到训练集，进而优化检测模型本方法分析目标参数多，判断精准，自动化程度高并且相比传统技术，提高了目标参数的利用，且采用人工智能判断，摒弃了传统的人为经验干预，有效的提高检测结果的精度。
一种基于机器学习提高无损检测精度方法

[发明专利]教育智能机器人控制方法、设备及介质-CN202210559919.9有效
发明人：谌世凤;马莉;毕宏博;林海洋;周佳庆;周春大;林进玉 -专利权人：风林科技（深圳）有限公司
申请日： 2022-05-23 - 公布日： 2022-09-16 - 主分类号： G06F16/335 文献下载
摘要：本申请公开了教育智能机器人控制方法、设备及介质，所述教育智能机器人控制方法包括：获取目标用户的实时学习画像以及各待学习知识点对应的待学习知识点信息；依据所述实时学习画像和各所述待学习知识点信息，分别预测所述目标用户与各所述待学习知识点之间的学习匹配度；依据各所述学习匹配度，在各所述待学习知识点中筛选各待选取知识点；根据所述目标用户的学习习惯特征和各所述待选取知识点对应的知识点学习特征，在各所述待选取知识点中选取目标学习知识点；控制教育智能机器人向所述目标用户推荐所述目标学习知识点本申请解决了现有技术中教育智能机器人辅助学习效果差的技术问题。
教育智能机器人控制方法设备介质

[发明专利]一种基于自动化机器学习的增强学习方法-CN202211117263.1在审
发明人：郭晨 -专利权人：逸思长天(南京)数字智能科技有限公司
申请日： 2022-09-14 - 公布日： 2023-01-24 - 主分类号： G06N20/20 文献下载
摘要：本发明涉及自动化机器学习技术领域，尤其涉及一种基于自动化机器学习的增强学习方法，包括机器学习模型自动化持续集成框架和四阶段增量强化学习的MLops框架，所述机器学习模型自动化持续集成框架包括数据预测标签管理、数据采样、自动化机器学习和模型集成与灰度发布，所述四阶段增量强化学习的MLops框架包括故障数据采样、AutoFE+AutoML自动建模、基于增量强化学习的模型集成和基于流量治理的模型灰度发布；该发明，通过设置的数据预测标签管理，能够根据一份数据集生成不停的探索场景，并对场景进行快速学习和辨别，提高学习效率。
一种基于自动化机器学习增强学习方法