“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]一种基于机器学习技术的智能电网信息管理方法及系统-CN201910569690.5在审
发明人：陈非;蔡嘉荣;向德军;黄康乾;吴广财;周睿;钱正浩;黄靖茵;胡鑫;陈晓江 -专利权人：广东电网有限责任公司信息中心
申请日： 2019-06-27 - 公布日： 2019-11-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于机器学习技术的智能电网信息管理方法及系统、存储介质，所述方法包括以下步骤：通过机器学习技术构建用户信息与用户用电计费方式的数据模型；所述机器学习技术至少包括以下一种：支持向量机及其改进算法、神经网络及其改进算法、聚类算法、极端学习机及其改进算法、集成学习算法及其改进算法和深度学习算法及其改进算法等算法；基于所述数据模型，输入用户的用户信息，获取用户用电计费方式数据。本发明通过机器学习技术，根据用户信息可以快速地制定出合理的待供电用户的计费方式，避免了通过人工进行制定审核的导致的计费方式不合理且周期较长的问题。
算法计费方式机器学习技术用户信息改进数据模型用户用电集成学习算法支持向量机存储介质供电用户基于机器聚类算法神经网络输入用户学习算法智能电网学习机构建信息管理制定审核学习

[发明专利]用于定义机器学习（ML）解决方案的聊天机器人-CN202080072143.7在审
发明人： A·波莱里;S·A·洛佩茨;M·M·布罗恩;D·D·戈尔丁;A·伊奥尼德斯;M·D·R·米斯特;H·A·P·蒙特埃奥;O·G·谢维莱弗;L·C·D·S·R·铃木;赵小雪;M·C·罗维 -专利权人：甲骨文国际公司
申请日： 2020-09-04 - 公布日： 2022-05-27 - 主分类号： G06F16/242 文献下载
摘要：本公开涉及能够被用于使用户能够生成机器学习系统的智能助手(例如，聊天机器人)的系统和方法。技术能够被用于自动生成机器学习系统以帮助用户。在一些情况下，用户可以不是软件开发人员并且在机器学习技术或软件编程方面可以很少或没有经验。在一些实施例中，用户能够与智能助理交互。交互能够是听觉的、文本的或通过图形用户界面。聊天机器人能够使用本体将自然语言输入翻译成机器学习解决方案的结构表示。以这种方式，用户无需成为数据科学家就能够用人工智能来开发、训练、改进和编译机器学习模型作为独立的可执行代码。
用于定义机器学习 ml 解决方案聊天机器人

[发明专利]一种基于机器学习的骨手术线自动定点方法-CN202110426634.3有效
发明人：李昊翰;祝颂松;杨文;毕瑞野;姜楠;吴国民;应彬彬;陈杉 -专利权人：四川大学
申请日： 2021-04-20 - 公布日： 2022-12-23 - 主分类号： A61B17/17 文献下载
摘要：本发明涉及骨手术线定点技术领域，公开了一种基于机器学习的骨手术线自动定点方法，用以在骨手术前自动的为医生设计更加准确、合理的骨手术线。本发明首先以准备的骨手术线设计方案为样本，通过机器学习算法对样本进行学习，使得机器学习模型通过样本的学习掌握骨手术线设计规律；然后将当前手术患者的CT数据输入到机器学习模型，机器学习模型根据已掌握的骨手术线设计规律
一种基于机器学习手术自动定点方法

[发明专利]任务执行方法、装置及计算机存储介质-CN201911147892.7有效
发明人：侯俊雄;姜伟浩 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2019-11-21 - 公布日： 2023-06-13 - 主分类号： G06F9/48 文献下载
摘要：本申请公开了一种任务执行方法，属于信息技术领域。本申请通过机器学习平台上部署的调度引擎接收待处理的DAG任务后，对于该DAG任务包含的多个组件中的任一组件，调度引擎从多个执行引擎中选择加载有该任一组件对应的机器学习框架的执行引擎，指示该选择的执行引擎基于加载的机器学习框架执行该任一组件由于多个执行引擎中存在至少两个执行引擎加载的机器学习框架不同，因此DAG任务中可以包含需要使用不同机器学习框架的组件，也即是，机器学习平台可以用于处理需要使用混合机器学习框架的复杂任务。这样对于DAG任务中包含的不同组件，调度引擎可以调用加载有不同机器学习框架的执行引擎加以完成，提高了机器学习平台的泛用性。
任务执行方法装置计算机存储介质

[发明专利]面向广义非负矩阵分解算法的自适应梯度集成对抗性攻击方法-CN202011346295.X在审
发明人：罗文俊;李梦琪;陈自刚;蒋静;曾宇;王建菲 -专利权人：重庆邮电大学
申请日： 2020-11-26 - 公布日： 2021-03-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种面向广义非负矩阵分解算法的自适应梯度集成对抗性攻击方法，属于对抗性机器学习技术领域。目前对抗性机器学习技术领域所要解决的关键技术问题是提高机器学习模型抵御对抗性攻击的能力。基于静态广义非负矩阵分解算法(General Non‑negative Matrix Factorization，GNMF)的机器学习功能，提出基于大批量的自适应梯度攻击算法；基于动态增量广义非负矩阵分解算法(Incremental GNMF，IGNMF)的机器学习功能，提出基于动量迭代的自适应梯度攻击算法；在黑盒攻击环境下，构建与基于广义非负矩阵分解算法的机器学习模型近似相同的替代模型训练对抗样本；最后对提出的黑盒攻击策略进一步优化
面向广义矩阵分解算法自适应梯度集成对抗性攻击方法

[发明专利]基于自动机器学习技术的摘要生成系统及方法-CN202210897321.0在审
发明人：王宏志;方景瑞;王春楠 -专利权人：哈尔滨工业大学
申请日： 2022-07-28 - 公布日： 2022-10-11 - 主分类号： G06F40/211 文献下载
摘要：基于自动机器学习技术的摘要生成系统及方法，具体涉及利用自动机器学习技术自动生成文本摘要的系统及方法，为解决摘要生成方法不能同时兼顾摘要的有效性和时效性，也不能针对文本的各种特征属性自动选择效果好的摘要方法方法先获取文本集及对应的摘要；建立自动机器学习模型，将文本集输入自动机器学习模型内利用自动机器学习技术进行训练，输出所述每个文本的摘要，得到训练好的模型；将待生成摘要的文本输入训练好的自动机器学习模型内
基于自动机器学习技术摘要生成系统方法

[发明专利]用于训练或再训练机器学习模型的地面真值数据的自动生成-CN202010697958.6在审
发明人： E·T·布劳尔 -专利权人：辉达公司
申请日： 2020-07-20 - 公布日： 2021-01-29 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及用于训练或再训练机器学习模型的地面真值数据的自动生成的技术。在各种例子中，机器学习模型中的目标检测被用来为从不同角度获得的图像自动生成新的地面真值数据。机器学习模型可以在不同的视角生成检测到的目标的预测，并且可以使用目标跟踪算法通过在机器学习模型可能没有检测到目标的图像序列中的其他图像来跟踪该目标。可以生成新的地面真值数据作为目标跟踪算法输出的结果，并且新的地面真值数据可以用于再训练或更新机器学习模型、训练不同的机器学习模型、或者增加可以用于从不同视角训练机器学习模型的基准地面数据集的稳健性。
用于训练机器学习模型地面真值数据自动生成

[发明专利]基于反馈的机器学习模型搜索方法、系统、设备及介质-CN202111620457.9在审
发明人：沈超;张笑宇;蔺琛皓 -专利权人：西安交通大学
申请日： 2021-12-27 - 公布日： 2022-03-29 - 主分类号： G06N20/00 文献下载
摘要：本发明属于机器学习领域，公开了一种基于反馈的机器学习模型搜索方法、系统、设备及介质，包括获取初始机器学习模型参数，并根据初始机器学习模型参数构建初始机器学习模型；通过预设的训练数据集训练初始机器学习模型，得到初始机器学习模型的训练反馈数据和训练得分；确定当前最优机器学习模型，获取当前最优机器学习模型的训练反馈数据，并根据当前最优机器学习模型的训练反馈数据，得到当前最优机器学习模型的搜索操作；判断是否满足预设的终止条件，不满足时根据当前最优机器学习模型和搜索操作，修改当前最优机器学习模型并作为初始机器学习模型重复上述步骤；满足时输出当前最优机器学习模型，极大的提升了机器学习模型搜索效率。
基于反馈机器学习模型搜索方法系统设备介质

[发明专利]一种基于机器学习的重症胰腺炎的临床预测模型构建方法-CN202210513769.8在审
发明人：韩勇;刘德红;黄志强;王志斌 -专利权人：深圳市第二人民医院（深圳市转化医学研究院）
申请日： 2022-05-12 - 公布日： 2022-08-30 - 主分类号： G16H50/20 文献下载
摘要：本发明属于临床数据分析处理技术领域，公开了一种基于机器学习的重症胰腺炎的临床预测模型构建方法，基于机器学习的重症胰腺炎的临床预测模型构建方法包括：采用机器学习的方法进行数据的分析与筛选，并根据数据分析、筛选结果确定各个变量的预测贡献，并根据所述预测贡献进行数据排序，构建基于机器学习的重症胰腺炎的临床预测模型。本发明利用容易获取的生命体征和常规的血液检测指标构建预测模型，无需大量临床数据，同时利用机器学习技术筛选预测变量，能够提高AP严重程度的准确性；且本发明灵敏度高，简单方便。本发明的基于机器学习的重症胰腺炎的临床预测模型能够用于进行重症胰腺炎的早期鉴别。
一种基于机器学习重症胰腺炎临床预测模型构建方法

[发明专利]一种目标检测模型训练方法、目标检测方法、装置及车辆-CN202310110952.8在审
发明人：朱侗;袁金伟;张振林 -专利权人：中汽创智科技有限公司
申请日： 2023-02-14 - 公布日： 2023-06-06 - 主分类号： G06V20/56 文献下载
摘要：本发明涉及自动驾驶技术领域，公开了一种目标检测模型训练方法、目标检测方法、装置及车辆。该目标检测模型训练方法通过基于中心的检测器对目标检测框标签构造的参考热力图进行学习，并通过第一机器学习与第二机器学习进行对抗，使得第一机器学习能够对参考热力图的分布进行学习，最终训练完毕的检测器生成热力图并基于该热力图预测目标检测框的类别和参数整个训练过程不仅能够使第一机器学习模型更好的学习到参考热力图的分布，还有利于第一机器学习模型和第二机器学习模型的模型参数的收敛。
一种目标检测模型训练方法装置车辆

[发明专利]搜索结果的排序方法、装置和计算机可读存储介质-CN201910419029.6在审
发明人：邱德军;任恺;刘燚 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2019-05-20 - 公布日： 2020-10-16 - 主分类号： G06F16/9538 文献下载
摘要：本公开涉及一种搜索结果的排序方法、装置和计算机可读存储介质，涉及计算机技术领域。该方法包括：根据接收到的搜索结果的排序请求，确定相应的机器学习模型；根据机器学习模型，确定需要生成的输入特征；根据输入特征能够被其他机器学习模型复用的情况，确定是否存储输入特征；根据输入特征，利用机器学习模型对搜索结果进行排序本公开的技术方案能够提高处理效率。
搜索结果排序方法装置计算机可读存储介质

[发明专利]用于经改进超级分块机器学习处理的分析技术-CN202180040781.5在审
发明人： R·加格;P·K·斯瓦米;K·德萨班;A·杰恩 -专利权人：德克萨斯仪器股份有限公司
申请日： 2021-06-07 - 公布日： 2023-02-03 - 主分类号： G06F12/06 文献下载
摘要：用于增强机器学习(ML)模型执行的技术。该技术包括确定用于处理具有多个层的机器学习网络的层(602)的存储器量(604)、基于层的数量平滑(652)用于处理机器学习网络的层的存储器量、识别其中使用的所平滑的存储器量改变超过存储器改变阈值量的改变层(654)、基于识别的改变层将机器学习网络的层分组为第一层组群，并且输出该第一层组群。
用于改进超级分块机器学习处理分析技术

[发明专利]模型优化方法、装置、存储介质及服务器-CN201911038172.7有效
发明人：钟括;魏颖;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-10-29 - 公布日： 2023-09-22 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种模型优化方法、装置、存储介质及电子设备，其中，方法包括：获取第一机器学习模型及第二机器学习模型，所述第一机器学习模型为已优化的模型，所述第二机器学习模型为待优化的模型，获取所述第一机器学习模型与所述第二机器学习模型之间的迁移学习信息，根据所述迁移学习信息对所述第一机器学习模型进行迁移学习，得到机器学习子模型，采用所述机器学习子模型对所述第二机器学习模型进行优化，得到优化的第二机器学习模型。通过本申请实施例能够通过已优化的机器学习模型对待优化的机器学习模型进行优化。
模型优化方法装置存储介质服务器

[发明专利]图像数据处理方法、装置及可读存储介质-CN201810903034.X在审
发明人：杨少雄;赵晨 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-08-09 - 公布日： 2019-01-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供的图像数据处理方法、装置及可读存储介质，通过根据预设的至少两个超参数集建立用于待训练的至少两个机器学习算法模型；根据获取的同一图像数据训练集，对各待训练的机器学习算法模型进行训练，获得训练完毕的各机器学习算法模型并确定对应的收敛损失值；根据各机器学习算法模型的超参数集和对应的收敛损失值，确定最优超参数集，建立对应的待训练的最优机器学习算法模型；根据图像数据训练集对待训练的最优机器学习算法模型进行训练，获得训练完毕的最优机器学习算法模型并对待识别图像进行识别，获得图像识别结果，从而有效避免现有技术中根据经验值确定超参数而导致机器学习算法模型对图像识别的识别准确率不高的问题。
机器学习算法参数集可读存储介质图像数据处理收敛图像识别结果数据训练同一图像图像识别图像数据训练集准确率预设图像

[发明专利]分布式机器学习方法、装置、电子设备及存储介质-CN202210399290.6在审
发明人：王憬晗;梁伟;刘岩 -专利权人：中国电信股份有限公司
申请日： 2022-04-15 - 公布日： 2022-07-05 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种分布式机器学习方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括从区块链网络中获取待训练的机器学习模型和第一模型参数，其中，第一模型参数为区块链网络中的公共参数；将第一模型参数代入机器学习模型；根据算力节点本地存储的数据，对代入第一模型参数的机器学习模型进行多轮训练，直到获取到满足第一预定义模型条件的机器学习模型，其中，区块链网络根据训练结果更新第一模型参数，算力节点根据区块链网络上更新的第一模型参数，验证训练好的机器学习模型是否满足第一预定义模型条件。本公开能够实现分布式机器学习的去中心化，增强了分布式机器学习的安全性。
分布式机器学习方法装置电子设备存储介质