“样本学习”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418468个，建议您升级VIP下载更多相关专利

[发明专利]对小样本学习任务生成集成分类器的可视分析系统和方法-CN202110542475.3在审
发明人：刘世霞;杨维铠;张幸幸;肖岚茜;朱军 -专利权人：清华大学
申请日： 2021-05-18 - 公布日： 2021-09-03 - 主分类号： G06K9/62 文献下载
摘要：本发明提出了一种用于对小样本学习任务生成集成分类器的可视分析系统和方法，其中，系统包括：接收模块用于接收多个基学习器和多个样本；基学习器选择模块用于根据多个基学习器和多个样本，选择适合小样本学习任务的基学习器；样本选择模块用于根据选择的基学习器和多个样本，选择适合小样本学习任务的有标注样本；集成分类器生成模块用于根据选择的基学习器和选择的有标注样本，生成集成分类器；可视化模块用于显示集成分类器对多个样本的分类结果
样本学习任务生成集成分类可视分析系统方法

[发明专利]深度学习模型训练方法、装置、电子设备及可读存储介质-CN202011531212.4有效
发明人：赵雪鹏;聂磊;邹建法 -专利权人：北京百度网讯科技有限公司
申请日： 2020-12-22 - 公布日： 2023-08-01 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种深度学习模型训练方法、装置、电子设备及可读存储介质，涉及人工智能中的计算机视觉、深度学习、图像处理技术领域。具体实现方案为：电子设备迭代训练深度学习模型时，每轮训练中，从训练样本集中读取样本块，根据样本块包含的样本的类别，采用不同的训练方法训练深度学习模型。当样本块包含的样本为基础样本时，采用蒸馏方法训练深度学习模型，当样本块包含的样本为误判样本时，采用深度学习方法训练深度学习模型，蒸馏训练方法和深度学习方法共享深度学习模型的参数。
深度学习模型训练方法装置电子设备可读存储介质

[发明专利]二类别分类预测模型的生成方法、用于生成分类预测模型的程序以及二类别分类预测模型的生成装置-CN200780101995.9有效
发明人：汤田浩太郎 -专利权人：富士通株式会社
申请日： 2007-12-18 - 公布日： 2010-12-01 - 主分类号： G06N5/04 文献下载
摘要：二类别分类预测模型是通过下述步骤生成的，即：a)根据针对学习样本集合的各个学习样本产生的说明变量，求出用于将学习样本集合分类为预先设定的两个类别的判别函数；b)根据求出的判别函数，计算各学习样本的判别分数；c)根据计算出的判别分数，决定各学习样本的分类预测的正误；d)根据被错误分类的学习样本集合中的最大判别分数和最小判别分数，决定错误分类样本区域；e)取出包含在错误分类样本区域内的学习样本，构成新学习样本集合；f)针对新学习样本集合，重复a)～e)。
类别分类预测模型生成方法用于程序以及装置

[发明专利]基于邻域样本特征对比学习的时序数据异常点监测方法-CN202210570215.1在审
发明人：郝晨先;牛彦峰;王国忠;贾皓杰;张敏;宋彩娜;刘文琴;张斌波;温浩;沙晓鹏 -专利权人：山西省交通建设工程质量检测中心（有限公司）
申请日： 2022-05-24 - 公布日： 2022-08-30 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于邻域样本特征对比学习的时序数据异常点监测方法，基于输入样本建立样本的特征组合，通过初始化查询表学习输入样本的线性特征；利用输入样本的近邻区域相似样本，计算正样本，学习正样本的线性特征，在非近邻区域的不相似样本集中采样负样本，学习负样本的线性特征；根据输入样本的非线性特征预测类别标签，通过对比学习最小化输入样本与正样本之间的线性特征距离，最大化输入样本与负样本之间的线性特征距离；基于学习的参数预测新样本的类别标签分类概率，标注是否为异常样本。本发明从样本的近邻区域相似样本特征识别样本是否异常，在桥梁结构健康监测时序数据异常识别方面具有重要应用价值。
基于邻域样本特征对比学习时序数据异常监测方法

[发明专利]一种动态选择策略的主动样本挖掘的物体检测系统及方法-CN201810623849.2有效
发明人：林倞;王可泽;王青;严肖朋;陈子良 -专利权人：拓元（广州）智慧科技有限公司
申请日： 2018-06-15 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种动态选择策略的主动样本挖掘的物体检测系统及方法，所述系统包括：样本获取单元，用于获取少量标注样本和海量未标注样本；模型建立及初始化单元，用于建立深度学习物体检测模型，并利用少量的标注过的样本初始化深度学习物体检测模型；自学习单元，用于引入自学习课程指导自学习过程挖掘海量未标注样本中的高置信度样本自动进行伪标注；主动学习单元，用于引入主动学习课程指导主动学习过程挖掘海量未标注样本中的低置信度样本进行人工标注；双重对偶课程约束单元，通过引入双重对偶课程指导选择策略在自学习过程和主动学习过程中实现无缝切换；模型训练单元，用于将选择的伪标注样本和人工标注的样本训练模型以提升模型性能。
一种动态选择策略主动样本挖掘物体检测系统方法

[发明专利]机器学习模型训练加速方法、系统、电子设备及存储介质-CN202210904929.1在审
发明人：杨波;陆刚 -专利权人：携程计算机技术（上海）有限公司
申请日： 2022-07-29 - 公布日： 2022-10-11 - 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训练加速方法、系统、电子设备及存储介质，其中，机器学习模型训练加速方法包括：确定机器学习模型的本轮迭代训练的样本过滤条件，样本过滤条件根据机器学习模型的输出结果和/或本轮迭代训练的损失函数值确定；过滤掉训练样本集中符合样本过滤条件的训练样本；采用经过过滤的训练样本集对机器学习模型进行下一轮迭代训练。本发明根据样本过滤条件，通过过滤对机器学习模型训练贡献度小的样本，减少机器学习模型训练依赖的样本量，从而提高机器学习模型的训练的效率。
机器学习模型训练加速方法系统电子设备存储介质

[发明专利]基于生成样本的深度学习方法和机器人系统-CN201810774082.3有效
发明人：朱定局 -专利权人：大国创新智能科技（东莞）有限公司
申请日： 2018-07-15 - 公布日： 2021-12-07 - 主分类号： G06N20/00 文献下载
摘要：基于生成样本的深度学习方法和机器人系统，包括：生成多个第一样本；根据所述第一样本对所述深度学习模型进行无监督训练；从多个所述第一样本中筛选出多个符合第一预设条件的所述第一样本，作为多个第二样本；根据所述第二样本对所述深度学习模型进行有监督训练；获取多个用于训练的真实样本对所述深度学习模型进行无监督训练和有监督训练。上述方法和系统通过样本自动生成，结合真实样本，极大提高了深度学习的适用范围，提高了深度学习模型的通用性，实现了只有少量样本甚至无样本的情况下对深度学习模型的有效训练和使用，提高了深度学习模型的通用性，同时也通过自动生成样本来增加样本量，提高了深度学习模型的准确度。
基于生成样本深度学习方法机器人系统

[发明专利]一种利用光声成像和深度网络检测物质颗粒平均尺寸的方法-CN201810144979.8在审
发明人：袁杰;马翔;程茜;王学鼎 -专利权人：南京大学;同济大学
申请日： 2018-01-30 - 公布日： 2019-08-06 - 主分类号： G01N15/02 文献下载
摘要：本发明公开了一种利用光声成像和深度学习网络检测物质颗粒平均尺寸的方法，包括：选取足够数量与待测物质样本相似的其他物质样本作为学习样本；利用显微技术获得学习样本所包含物质颗粒的平均尺寸；激光器照射学习样本，采集光声信号；计算学习样本光声信号的幅度谱，并对幅度谱进行能量归一化；利用深度学习网络，将学习样本的光声信号幅度谱作为网络的输入，由显微技术得到的颗粒真实平均尺寸作为网络的输出，对学习样本进行训练和测试，确定深度学习网络的各项参数；测量待测物质样本的光声信号，计算其能量归一化后的幅度谱，将幅度谱输入深度学习网络，根据网络的输出预测该待测物质样本颗粒的平均尺寸。
学习样本幅度谱光声信号样本物质颗粒网络能量归一化光声成像网络检测显微技术学习激光器照射输出预测测量采集测试输出

[发明专利]一种文本分类方法、装置、电子设备和存储介质-CN202310044272.0有效
发明人：郭振涛;梁金千;崔培升 -专利权人：北京亿赛通科技发展有限责任公司
申请日： 2023-01-30 - 公布日： 2023-06-02 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种文本分类方法、装置、电子设备和存储介质，涉及数据处理技术领域，包括：获取初始训练数据样本和初始测试数据样本，进行向量化处理得到训练数据样本和测试数据样本；判断是否存在增量学习数据样本；若存在所述增量学习数据样本，判断训练数据样本和增量学习样本的样本总数是否大于增量学习阈值；若大于增量学习阈值，基于样本选择策略从训练数据样本中选择代表性样本，将代表性样本与增量学习数据样本进行合并，组成增量训练数据样本；通过增量训练数据样本对文本分类模型进行训练，得到训练后的文本分类模型；根据测试数据样本对训练后的文本分类模型进行测试，并根据测试结果调整模型参数。
一种文本分类方法装置电子设备存储介质

[发明专利]一种个性化学习推荐方法及装置-CN201510764765.7在审
发明人：陈志刚 -专利权人：中国移动通信集团公司
申请日： 2015-11-11 - 公布日： 2017-05-17 - 主分类号： G06F17/30 文献下载
摘要：本发明提供了一种个性化学习推荐方法及装置，解决由于现有个性化学习方案缺少对用户学习环境的关注，从而影响用户的学习效率和学习效果的问题。本发明的方法包括：获取目标用户当前所处环境的环境信息及目标用户的用户学习信息；根据所述环境信息及用户学习信息，确定待推荐样本模型，待推荐样本模型包括推荐环境样本和推荐用户样本，其中，推荐环境样本与所述目标环境的相似度大于第一预设阈值，所述推荐用户样本与目标用户的相似度大于第二预设阈值；根据所述推荐样本模型，确定与推荐样本模型对应的推荐学习信息，并将所述推荐学习信息推荐给目标用户。本发明实施例能够提供更加真实的学习场景，从而能够提高学习者的学习效果及学习效率。
一种个性化学习推荐方法装置

[发明专利]一种基于强化学习的小样本类增量识别方法-CN202310688597.2在审
发明人：李竞元;李勇;史鹏飞;钟鸿豪;王慧勇;山世光;山盛;高黎明;刘壮;高科;杨茹茵;申一中 -专利权人：中科视拓（北京）科技有限公司;中科深视（杭州）科技有限公司
申请日： 2023-06-12 - 公布日： 2023-09-01 - 主分类号： G06V10/764 文献下载
摘要：本发明提供的一种基于强化学习的小样本类增量识别方法，所述识别方法包括：下载小样本类增量学习数据集；设计基于强化学习的小样本增量分类识别网络；利用训练数据对所述网络进行训练，获得训练网络；根据所述训练网络生成小样本类增量学习模型；采用所述小样本类增量学习模型进行小样本增量分类识别。解决上述现有技术未自适应探索新类分类器学习策略造成不能缓和小样本增量学习灾难遗忘的问题。
一种基于强化学习样本增量识别方法

[发明专利]一种神经网络模型训练方法、装置、设备和介质-CN201811645093.8有效
发明人：申俊峰;周大军;张力柯;荆彦青 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-12-29 - 公布日： 2022-12-16 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例公开了一种神经网络模型训练方法和装置，针对需要进行强化学习的学习对象，可以先通过人工获取学习对象根据用户操作产生的人工样本集，以及针对所述学习对象的神经网络模型在在该学习对象中自主学习得到的机器样本集在训练该神经网络模型时，可以根据上述人工样本集和机器样本集作为训练依据，由于用于训练的训练样本集中包括了人工产生的人工样本，该人工样本相对于机器学习初期得到的机器样本来说质量更高，更具有推进该学习对象的完成进度的目的性，相对机器样本来说多为和学习对象的有意义交互，从而可以缩短训练前期的模型参数收敛时长，减少了训练神经网络模型的时间。
一种神经网络模型训练方法装置设备介质

[发明专利]基于自监督过程改进主动学习的通用物体检测系统及方法-CN201810623784.1有效
发明人：林倞;王可泽;王青;严肖朋 -专利权人：拓元（广州）智慧科技有限公司
申请日： 2018-06-15 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于自监督过程改进主动学习的通用物体检测系统及方法，该系统包括：样本获取单元，获取少量标注样本和海量未标注样本；模型建立及初始化单元，建立深度学习物体检测模型，并利用少量标注样本初始化深度学习物体检测模型；自监督学习单元，引入自监督学习课程指导自监督学习过程挖掘海量未标注样本中的高置信度样本自动进行伪标注,并对伪标注过的样本进行图像交叉验证，进行图像贴图重新预测，交叉投票选择出高预测一致性的伪标注样本；主动学习单元，引入主动学习课程指导主动学习过程挖掘海量未标注样本中的低置信度样本进行人工标注；模型训练单元，用于将选择的高预测一致性的伪标注样本和人工标注的样本训练模型以提升模型性能。
基于监督过程改进主动学习通用物体检测系统方法

[发明专利]决策系统的公平性修复方法、系统、设备及存储介质-CN202111095511.2有效
发明人：沈超;郜炫齐;蔺琛皓;王骞;李琦 -专利权人：西安交通大学
申请日： 2021-09-17 - 公布日： 2023-04-14 - 主分类号： G06N20/00 文献下载
摘要：本发明属于机器学习领域，公开了一种决策系统的公平性修复方法、系统、设备及存储介质，包括获取决策系统的机器学习模型以及若干决策样本，根据各决策样本下决策系统的机器学习模型的激活路径统计，将决策样本分为特殊激活样本和正常决策样本，当决策样本为正常决策样本时，基于机器学习模型的原始训练方式训练机器学习模型；当决策样本为特殊激活样本时，基于Dropout训练方式训练机器学习模型；遍历完成后，得到优化机器学习模型；采用优化机器学习模型替代决策系统的机器学习模型可以检测和修复潜在的评分决策机器学习系统的公平性问题。经过修复的决策系统公平性表现有了明显提高，不再表现出对敏感属性的明显歧视性。
决策系统公平性修复方法设备存储介质

[发明专利]基于持续学习的联邦学习方法以及相关设备-CN202210908742.9在审
发明人：李泽远;王健宗;曹康养 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-29 - 公布日： 2022-10-21 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及计算机技术领域，提供了一种基于持续学习的联邦学习方法以及相关设备，方法应用于包括服务器、多个客户端的联邦学习系统，服务器和客户端均存储有基于第一样本数据集训练得到的第一联邦学习模型，所述方法通过客户端获取第二样本数据集，第二样本数据集和第一样本数据集分别用于第一联邦学习模型不同的学习任务，并从第一样本数据中提取多个样本数据作为辅助样本数据，在模型学习第二样本数据集的同时，最小化学习多个辅助样本数据时产生的损失对本地模型进行训练本申请实施例通过在模型学习新任务的同时，融入学习多个旧样本时产生的损失来修正模型梯度，保护模型学习到的旧知识，缓解灾难性遗忘。
基于持续学习联邦学习方法以及相关设备

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