“机器学习模型”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1390152个，建议您升级VIP下载更多相关专利

[发明专利]机器学习模型的训练方法、装置、电子设备及存储介质-CN201811643490.1有效
发明人：李加利;杨晓晨;崔婷婷 -专利权人：北京城市网邻信息技术有限公司
申请日： 2018-12-29 - 公布日： 2021-02-19 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种机器学习模型的训练方法、装置、电子设备及存储介质，该方法包括：在检测到设定网站上出现设定数据类型且属于设定分类的数据时，获取该数据并保存到分类样本库中；获取机器学习模型及对应的数据类型和待训练的类别；创建机器学习模型的训练集和验证集；根据训练集，对所述机器学习模型进行并行训练；根据验证集，对训练后的机器学习模型进行并行验证，并统计验证结果，得到统计结果；在统计结果不符合迭代停止条件时，继续对机器学习模型进行迭代训练和验证，直至统计结果符合迭代停止条件，得到训练完成的机器学习模型。本发明可以实时获取数据作为样本，避免了人工处理数据导致的遗漏和失误，提高了机器学习模型的训练效率。
机器学习模型训练方法装置电子设备存储介质

[发明专利]一种混合机器学习模型的运行方法、装置及相关设备-CN202011454330.X有效
发明人：郝滋雨 -专利权人：北京奇艺世纪科技有限公司
申请日： 2020-12-10 - 公布日： 2023-09-08 - 主分类号： G06F9/48 文献下载
摘要：本发明公开了一种混合机器学习模型的运行方法、装置及相关设备，可以获得初始输入数据，使用流水线引擎解析流水线定义文件以确定各机器学习模型的运行次序，将初始输入数据输入至混合机器学习模型中运行次序为第一的机器学习模型，按照已确定的运行次序，依次使用运行环境运行相应的机器学习模型，获得由混合机器学习模型输出的最终输出数据。本发明可以在获得由客户端发送的包括初始输入数据的一次数据指令之后，控制混合机器学习模型运行而获得混合机器学习模型输出的最终输出数据，而无需客户端再发送数据指令，可以减少客户端与电子设备即服务端间的交互次数
一种混合机器学习模型运行方法装置相关设备

[发明专利]一种风险预测方法、风险预测装置和终端设备-CN201810589655.5有效
发明人：赵闻飙;王维强;许辽萨;袁锦程;叶芸 -专利权人：创新先进技术有限公司
申请日： 2018-06-08 - 公布日： 2021-12-31 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供一种风险预测方法、风险预测装置和终端设备，其中，该方法包括：利用主机器学习模型对预测数据进行预测处理，得到该预测数据的第一预测值；通过在线学习的方式训练辅机器学习模型；利用该辅机器学习模型对该预测数据进行预测处理由此，能够提高主机器学习模型的覆盖率，避免作为黑样本的大部分风险事件被模型漏过，通过主机器学习模型和辅机器学习模型的模型融合，能够提高融合后的模型准确率，从而能够高效准确地进行风险预测和防控。
一种风险预测方法装置终端设备

[发明专利]一种模型训练和调度无人设备的方法及装置-CN202110829449.9有效
发明人：刘欣;姜媛 -专利权人：北京三快在线科技有限公司
申请日： 2021-07-22 - 公布日： 2022-07-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种模型训练和调度无人设备的方法及装置，本发明实施例以所有无人设备的使用总成本最小化为训练目标，对第一机器学习模型进行训练，可以使训练后的第一机器学习模型输出合适的调度策略，采用该调度策略调度无人设备时，既可以满足各待分配订单对应的配送需求，又可以降低无人设备的使用成本，同时为了提高第一机器学习模型的训练效率，本发明实施例还通过第二机器学习模型输出评价值，用于对训练过程中的第一机器学习模型输出的调度策略进行评价，在训练第一机器学习模型时，以所有无人设备的使用总成本最小化、评价值最大化为训练目标调整第一机器学习模型的模型参数，可加速第一机器学习模型的收敛速度。
一种模型训练调度无人设备方法装置

[发明专利]机器学习方法及机器学习系统-CN202111430621.X在审
发明人：千叶宽也;晴山阳平;横山大树 -专利权人：丰田自动车株式会社
申请日： 2021-11-29 - 公布日： 2022-06-03 - 主分类号： G05B13/04 文献下载
摘要：本发明涉及一种机器学习方法及机器学习系统，抑制服务器的处理负荷过剩地变高。在具备具有机器学习模型的车辆(2)和能够与车辆通信的服务器(3)的机器学习系统(1)中进行的对模型参数的值进行机器学习的机器学习方法包括以下步骤：服务器检测服务器的当前的处理负荷；服务器基于处理负荷来决定在服务器及车辆的各自中进行的机器学习的处理量；服务器根据决定的服务器中的机器学习的处理量来对模型参数的值进行机器学习；及车辆根据决定的车辆中的机器学习的处理量来对模型参数的值进行机器学习。服务器在处理负荷相对高时与相对低时相比减少服务器中的机器学习的处理量。
机器学习方法学习系统

[发明专利]机器学习装置-CN202110900681.7在审
发明人：横山大树;金子智洋 -专利权人：丰田自动车株式会社
申请日： 2021-08-06 - 公布日： 2022-02-22 - 主分类号： G05B23/02 文献下载
摘要：在车辆部件被进行了更换的情况下，在车辆中使用的机器学习模型的推定精度会降低。机器学习装置具备：学习部(31)，其进行在车辆(1)中使用的机器学习模型的学习；和检测部(32)，其对搭载于车辆的车辆部件的更换进行检测。学习部在与机器学习模型的输入数据有关的车辆部件被进行了更换的情况下，使用与更换后的车辆部件对应的训练数据集，进行机器学习模型的再学习。
机器学习装置

[发明专利]基于模板来执行机器学习过程的方法和系统-CN201910311702.4在审
发明人：乔胜传;李瀚;王敏;郝玥;孙越;周凯 -专利权人：第四范式（北京）技术有限公司
申请日： 2019-04-18 - 公布日： 2020-10-27 - 主分类号： G06N20/00 文献下载
摘要：本公开提供了一种基于模板来执行机器学习过程的方法和系统。所述方法可包括：设置用于声明如何执行机器学习过程的模板；接收符合模板的数据；以及针对接收的数据，按照模板的声明来执行机器学习过程，其中，机器学习过程涉及训练机器学习模型和/或利用机器学习模型执行预估的过程，并且，模板的声明涉及以下项中的至少一项：机器学习过程所涉及的数据、特征处理、模型训练、模型预估、运算资源。根据本公开的方法和系统，可减少细节方面的配置操作，也为整个机器学习过程引入了灵活性，从而用户可以更方便地应用机器学习技术。
基于模板执行机器学习过程方法系统

[发明专利]机器学习框架漏洞API参数定位方法、系统、设备及介质-CN202010997867.4有效
发明人：沈超;张笑宇;蔺琛皓;管晓宏 -专利权人：西安交通大学
申请日： 2020-09-21 - 公布日： 2023-03-21 - 主分类号： G06F21/57 文献下载
摘要：本发明属于机器学习领域，公开了一种机器学习框架漏洞API参数定位方法、系统、设备及介质，包括：获取一能够触发机器学习框架漏洞的API单层模型，并获取该API单层模型的参数组合及模型输入；变异参数组合中的单个参数，得到变异API单层模型；采用模型输入及变异API单层模型测试机器学习框架，得到机器学习框架漏洞的触发结果；对参数组合中的每个参数，均重复进行若干次变异；整合所有参数组合与对应机器学习框架漏洞的触发结果，进而分析得到机器学习框架漏洞触发的API参数。无须过多先验知识，复杂度低，对于机器学习框架与API类型、漏洞问题的种类与测试方法均无特定的限制，可以应用在多种机器学习框架下的不同API的各种漏洞问题测试中，普适性强。
机器学习框架漏洞 api 参数定位方法系统设备介质

[发明专利]用于安全数据分析和机器学习的方法和系统-CN202180072609.8在审
发明人： D·N·卡利 -专利权人：埃尔构人工智能有限责任公司
申请日： 2021-08-31 - 公布日： 2023-07-11 - 主分类号： G06N20/00 文献下载
摘要：公开了用于安全机器学习的方法和系统。所述方法包括由处理器：接收用于训练机器学习模型的标注的数据集，以及向训练设备发送从标注的数据集中选择的训练数据的第一聚类。所述方法还包括从训练设备接收经训练的机器学习模型，评估经训练的机器学习以确定经训练的机器学习模型是否满足评估标准，以及如果经训练的机器学习模型满足评估标准，则加密经训练的机器学习模型。然后可以部署加密的机器学习模型以使用实况数据做出预测。
用于安全数据分析机器学习方法系统

[发明专利]结合专家经验模型与有监督机器学习算法的信用信息系统-CN201911221952.5在审
发明人：何儒汉;苏裕益;向俐双;万方名;胡新荣;陈常念;刘军平 -专利权人：武汉纺织大学
申请日： 2019-12-03 - 公布日： 2020-04-28 - 主分类号： G06N20/00 文献下载
摘要：本发明属于数据处理技术领域，公开了一种结合专家经验模型与有监督机器学习算法的信用信息系统，信用信息系统包括样本评判模块用于通过专家模型根据重要的样本特征来对整个样本做出评判，得到初步的信用分；样本排序模块用于通过样本评判模块得到的信用分Y将样本X进行排序，并得到监督机器学习算法的数据集；模型构建模块用于构建有监督机器学习模型，进行数据集的训练，并得到稳定模型及信用分标签Y’；模型验证模块用于验证机器学习模型。本发明结合专家模型与有监督机器学习算法进行信用评分，训练出来的机器学习模型不依赖于样本数据的分布，解决了利用机器学习模型没有标注数据的问题，能够实现信用评分模型的精准预测。
结合专家经验模型监督机器学习算法信用信息系统

[发明专利]训练精炼的机器学习模型-CN201510435904.1在审
发明人：奥里奥尔·温亚尔斯;杰弗里·阿德盖特·迪恩;杰弗里·E·欣顿 -专利权人：谷歌公司
申请日： 2015-06-08 - 公布日： 2015-12-16 - 主分类号： G06N3/02 文献下载
摘要：一种用于训练精炼的机器学习模型的方法、系统和装置，包括编码在计算机存储媒体上的计算机程序。其中一个方法包括训练繁冗的机器学习模型，其中该繁冗的机器学习模型被配置为接收输入并生成针对多个分类中的每个的相应的分数；以及在多个训练输入上训练精炼的机器学习模型，其中该精炼的机器学习模型也被配置为接收输入并生成针对所述多个分类的分数，包括：使用繁冗的机器学习模型处理每个训练输入以生成针对该训练输入的繁冗的目标软输出；以及训练精炼的机器学习模型以针对每个训练输入生成与针对该训练输入的该繁冗的目标软输出匹配的软输出。
训练精炼机器学习模型

[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]训练精炼的机器学习模型-CN202211258471.3在审
发明人：奥里奥尔·温亚尔斯;杰弗里·阿德盖特·迪恩;杰弗里·E·欣顿 -专利权人：谷歌有限责任公司
申请日： 2015-06-08 - 公布日： 2023-01-17 - 主分类号： G06N3/08 文献下载
摘要：一种用于训练精炼的机器学习模型的方法、系统和装置，包括编码在计算机存储媒体上的计算机程序。其中一个方法包括训练繁冗的机器学习模型，其中该繁冗的机器学习模型被配置为接收输入并生成针对多个分类中的每个的相应的分数；以及在多个训练输入上训练精炼的机器学习模型，其中该精炼的机器学习模型也被配置为接收输入并生成针对所述多个分类的分数，包括：使用繁冗的机器学习模型处理每个训练输入以生成针对该训练输入的繁冗的目标软输出；以及训练精炼的机器学习模型以针对每个训练输入生成与针对该训练输入的该繁冗的目标软输出匹配的软输出。
训练精炼机器学习模型

[发明专利]资源分配方法、处理器、芯片及电子设备-CN202310559845.3在审
发明人：刘培业;卓有为 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-05-15 - 公布日： 2023-10-03 - 主分类号： G06F9/50 文献下载
摘要：本申请实施例提供了一种资源分配方法、处理器、芯片及电子设备，其中，资源分配方法包括：在机器学习模型的推理阶段，根据所述机器学习模型的结构信息，确定所述机器学习模型包含的多个计算层的信息；获得多个所述计算层分别对应的预测输出概率信息，所述预测输出概率信息用于表征所述计算层对输入所述机器学习模型的数据完成计算并输出所述机器学习模型的概率；根据所述预测输出概率信息，为所述多个计算层分配相匹配的处理单元PE资源。通过本申请实施例，达到了机器学习模型在推理阶段进行数据处理时，能够有效利用硬件资源，提高机器学习模型的数据处理效率的效果。
资源分配方法处理器芯片电子设备

[发明专利]一种基于机理和机器学习耦合的泥石流预警方法与系统-CN202011096908.9有效
发明人：张少杰;杨红娟;刘敦龙;王凯 -专利权人：中国科学院、水利部成都山地灾害与环境研究所
申请日： 2020-10-14 - 公布日： 2022-06-03 - 主分类号： G08B21/10 文献下载
摘要：本发明公开了一种基于机理和机器学习耦合的泥石流预警系统，包括特征向量集单元、数据输入单元、模型训练单元；所述数据输入单元用于将特征向量集单元输入机器学习模型；所述模型训练单元，通过调用机器学习库sklearn中的函数接口训练机器学习模型并进行机器学习模型测试。还公开了一种泥石流预警方法，包括以下步骤：S1、构建不稳定小流域单元和稳定小流域单元二者的特征向量集；S2、基于所述特征向量集的数据特性，选择机器学习模型基于内置合适核函数的机器学习库sklearn进行泥石流灾害预报模型搭建本发明能有效提升预报准确性，降低模型的误报率。
一种基于机理机器学习耦合泥石流预警方法系统