“样本训练集”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879698个，建议您升级VIP下载更多相关专利

[发明专利]训练方法、目标检测方法、装置、介质和机器人-CN202310829585.7在审
发明人：柯锐;张梓一;单睿捷;车正平;李冕杰 -专利权人：美的集团（上海）有限公司;美的集团股份有限公司
申请日： 2023-07-07 - 公布日： 2023-09-12 - 主分类号： G06V10/82 文献下载
摘要：本发明提供了一种训练方法、目标检测方法、装置、介质和机器人，目标检测模型的训练方法，包括：获取训练集，训练集包括正样本、基准样本、负样本以及由正样本、基准样本和负样本拼合得到的拼合样本；获取支撑集；采用正样本、基准样本和负样本对预设检测模型进行训练，得到第一训练模型；采用拼合样本对第一训练模型进行训练，得到第二训练模型；采用支撑集对第二训练模型进行训练，得到目标检测模型。
训练方法目标检测装置介质机器人

[发明专利]训练分类模型的方法与装置-CN201710608188.1在审
发明人：王雅圣;张旸;毕舒展;颜友亮 -专利权人：华为技术有限公司
申请日： 2017-07-24 - 公布日： 2019-07-16 - 主分类号： G06F16/35 文献下载
摘要：本申请提供一种训练分类模型的方法与装置，该方法包括：获取正训练集与第一负训练集，正训练集包括语料中正例集的样本，第一负训练集包括语料中未标注样本集的样本，未标注样本集表示语料中不属于词典的样本集；利用正训练集与第一负训练集，训练得到第一分类模型；利用第一分类模型确定第一负训练集中的伪负样本，伪负样本表示第一负训练集中被视为正样本的样本；剔除第一负训练集中的伪负样本，更新第一负训练集为第二负训练集；利用正训练集与第二负训练集，训练得到第二分类模型，第二分类模型为目标分类模型。
训练集分类模型负样本样本集语料样本准确度训练分类标注目标分类正样本申请剔除更新

[发明专利]一种训练集的训练方法及装置-CN201910252738.X有效
发明人：王子宁 -专利权人：广州思德医疗科技有限公司
申请日： 2019-03-29 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种训练集的训练方法及装置，所述方法包括：获取用于训练预设模型的训练集；从所有样本图片中滤掉所述干扰样本图片，以构建所述第一训练集，并保留除所述干扰样本图片之外的所有第一剩余样本图片；从所有第一剩余样本图片中滤掉所述第一目标图片，以构建所述第二训练集，并保留除所述干扰样本图片和所述第一目标图片之外的所有第二剩余样本图片；从所有第二剩余样本图片中获取所述第二目标图片，以构建所述第三训练集；分别对已构建的第一训练集、第二训练集和第三训练集进行训练本发明实施例提供的训练集的训练方法及装置，能够提高训练集构建的合理性，进而更加合理地对训练集进行训练。
一种训练方法装置

[发明专利]基于偏标记学习模型的图片标签识别方法、介质及设备-CN202210106654.7有效
发明人：刘国清;杨广;王启程;郑伟;贺硕;杨国武 -专利权人：深圳佑驾创新科技有限公司
申请日： 2022-01-28 - 公布日： 2022-10-04 - 主分类号： G06N20/10 文献下载
摘要：本发明提供了一种基于偏标记学习的模型训练方法包括：利用训练集对原始模型进行训练，在热启动阶段，记录每一个训练集样本的输出值和损失值；根据损失值将训练集样本划分为干净样本和噪声样本；当训练集样本为干净样本时，将干净样本的原始标签进行保留；当训练集样本为噪声样本时，获取热启动阶段训练集样本的输出值；对训练集样本的输出值中对应相同标签的数值进行计算得到集成输出值；根据集成输出值从若干个不同的原始标签中为噪声样本选取多个候选标签；利用干净样本和噪声样本对热启动阶段之后模型进行训练得到目标模型。
基于标记学习模型图片标签识别方法介质设备

[发明专利]建立分类模型的方法和装置-CN202210191386.3有效
发明人：林昊 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2022-03-01 - 公布日： 2022-08-30 - 主分类号： G06F16/35 文献下载
摘要：其中方法包括：首先获取待分类数据样本，并获取所述待分类数据样本对应的分类标签样本；然后将待分类数据样本及其对应的分类标签样本作为训练样本以构建训练集和回测集，所述训练集和所述回测集均包含多个训练样本；利用所述训练集训练分类模型；从所述回测集中选择对训练得到的分类模型产生满足预设要求的效果增益的训练样本；再获取对选择的训练样本中的待分类数据样本进行人工标注之后得到的分类标签样本，将所选择的训练样本中的待分类数据样本及其人工标注的分类标签样本构成新的训练样本加入所述训练集，转至利用所述训练集训练分类模型的步骤，直至达到预设的结束条件。
建立分类模型方法装置

[发明专利]基于集成学习的建模方法、装置、终端设备以及存储介质-CN202111504756.6在审
发明人：许逸翰;陈婷;吴三平;庄伟亮 -专利权人：深圳前海微众银行股份有限公司
申请日： 2021-12-09 - 公布日： 2022-03-11 - 主分类号： G06K9/62 文献下载
摘要：该基于集成学习的建模方法包括：获取预先采集的训练集、测试集；通过预设算法对训练集的接受样本进行训练，得到多个子模型；通过多个子模型对训练集的拒绝样本进行预测，得到训练集的第一次概率；对训练集的第一次概率进行融合，得到融合模型；通过融合模型以数据分类算法对训练集和测试集的拒绝样本进行预测，得到训练集第一次带好坏标签的拒绝样本和测试集带好坏标签的拒绝样本；通过对训练集第一次带好坏标签的拒绝样本与训练集的接受样本进行训练本发明解决了在评分卡模型中由于随机赋予标签带来的负面影响，提升对拒绝样本标签预测的准确性。
基于集成学习建模方法装置终端设备以及存储介质

[发明专利]上浮环境数据预测模型的训练方法、上浮控制方法及设备-CN202310244196.8在审
发明人：李醒飞;文艺成;徐佳毅;庞水;刘烨昊;马庆锋;李洪宇 -专利权人：天津大学
申请日： 2023-03-15 - 公布日： 2023-04-11 - 主分类号： B63B71/00 文献下载
摘要：一种上浮环境数据预测模型的训练方法、上浮控制方法及设备，该方法包括重复执行以下操作，直至训练结果满足预设结束条件：执行训练样本数据集生成进程，生成训练样本数据集；利用训练样本数据集训练待训练的上浮环境数据预测模型；其中，执行训练样本数据集生成进程，生成训练样本数据集包括：在训练结果未满足预设结束条件的情况下，重复执行以下操作，直至水下勘测系统的上浮次数满足预设上浮次数：获取水下勘测系统上浮过程中的多个初始上浮环境数据；基于划分策略将多个初始上浮环境数据划分为多个一阶样本数据集；基于处理策略将每个一阶样本数据集中处理为二阶样本数据，以生成二阶样本数据集；基于多个二阶样本数据集生成训练样本数据集。
上浮环境数据预测模型训练方法控制设备

[发明专利]一种用户流失率的预测方法、装置及电子设备-CN202111619606.X在审
发明人：凌玉龙 -专利权人：中国电信股份有限公司
申请日： 2021-12-27 - 公布日： 2022-05-06 - 主分类号： G06Q30/02 文献下载
摘要：方法包括：获取测试数据集和训练数据集，测试数据集包括测试样本的特征数据，训练数据集包括多个训练样本的特征数据和标注数据，标注数据用于指示训练样本是否为流失用户；根据测试数据集和训练数据集，采用至少一种距离度量算法，确定测试样本与多个训练样本的样本相似度，其中，测试样本与每个训练样本的样本相似度由测试样本和训练样本在至少一个用户特征的相似度加权得到；根据测试样本与多个训练样本的样本相似度，预测测试样本是否为流失用户
一种用户流失率预测方法装置电子设备

[发明专利]生成用于人脸检测的训练集的方法-CN200710163821.7无效
发明人：任海兵;李宗河;金培亭;李性德 -专利权人：三星电子株式会社;北京三星通信技术研究有限公司
申请日： 2007-10-09 - 公布日： 2009-04-15 - 主分类号： G06K9/62 文献下载
摘要：提供一种生成用于人脸检测的训练集的方法，包括：通过将包括在输入的基础训练集中的所有样本图像转换为灰度级并且缩放到标准大小来对所述图像进行规一化；将规一化的基础训练集聚类到预定数目的具有近似大小的子训练集，包括在每个所述子训练集的样本彼此相似；并且对从所述聚类的标准获得的每个子训练集执行以下步骤以形成压缩的训练集：通过从所述子训练集去除预定比例的外围样本来对所述子训练集净化，通过选择代表样本分布的样本并将选择的样本添加到缩减的子训练集来缩减子训练集的大小
生成用于检测训练方法

[发明专利]一种机器学习数据增强方法-CN202210844477.2在审
发明人：董颖;卞超轶;陈亘;钟逸凡 -专利权人：北京启明星辰信息安全技术有限公司;启明星辰信息技术集团股份有限公司
申请日： 2022-07-18 - 公布日： 2022-10-18 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种机器学习数据增强方法，步骤包括：设置训练集样本的特征中，使样本能够被正确预测的特征为已增强特征，导致样本被预测错误的特征为待增强特征，通过特征识别方法获得训练集样本的待增强特征；将具有待增强特征的样本设置为增强样本，从数据集中获得增强样本，将获得的增强样本加入训练集；将增强样本加入训练集后，重新对训练集进行训练与测试，直到在验证集上的分类性能达到最优。本申请增加了样本特征多样性，提高了分类准确度。
一种机器学习数据增强方法

[发明专利]训练集的获取方法、装置及电子设备-CN202010095790.1有效
发明人：梁隆恺 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2020-02-17 - 公布日： 2023-06-30 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种训练集的获取方法及相关设备，涉及计算机技术领域中的地图技术。具体实现方案为：获取第一训练集，其中，第一训练集包括人工标记的卫星图像样本；对所述第一训练集中卫星图像样本进行图像风格迁移处理，生成第二训练集，其中，所述第二训练集包括所述第一训练集中的卫星图像样本进行图像风格迁移处理后得到的卫星图像样本；基于所述第一训练集和所述第二训练集，生成目标训练集，其中，所述目标训练集包括：所述第一训练集的部分或者全部卫星图像样本，以及所述第二训练集的部分或者全部卫星图像样本。这样，可以克服目前在基于卫星图的失效区域挖掘技术中存在的生成训练集的效率较低的问题，进而提升生成训练集的效率。
训练获取方法装置电子设备

[发明专利]一种基于负样本数据价值重采样的车牌检测方法-CN201811176334.9有效
发明人：宋明黎;雷杰;宋杰 -专利权人：浙江大学
申请日： 2018-10-10 - 公布日： 2020-07-17 - 主分类号： G06K9/32 文献下载
摘要：一种基于负样本数据价值重采样的车牌检测方法，包括：1)收集包含车牌图片，将车牌区域切割出来作为正样本，在非车牌区域随机裁剪出图像块作为负样本，划分训练集，验证集和测试集；2)从训练集的负样本中随机选取与正样本数量相同的样本训练初始分类器，对训练集中全部的负样本进行预测，根据预测为负样本的概率值进行分组，并保证除最后一组外其余各组的样本量与正样本数量相同；3)对于每组负样本数据和正样本数据重新训练分类器，并在验证集上计算信息增益来度量每组负样本的数据价值；4)根据每组负样本的数据价值计算权重，从各组中重新随机采样构成新的负样本训练集，同正样本一起训练最终分类器，使用测试集评价其效果。
一种基于样本数据价值采样车牌检测方法

[发明专利]一种歌曲评论的分析方法和系统-CN201611170048.2在审
发明人：高玉敏 -专利权人：北京酷我科技有限公司
申请日： 2016-12-16 - 公布日： 2018-06-26 - 主分类号： G06F17/30 文献下载
摘要：所述方法包括：选取歌曲评论的样本，并对样本进行相应的标注，以获取到标注后的样本；按照预定规则将标注后的样本分为训练集样本和测试集样本；对训练集样本以及测试集样本进行分词处理，并通过训练模型对处理过的文本进行训练，以得到相应的文本的向量；通过训练分类模型对训练集样本中的文本向量进行训练，以得到优化的训练分类模型，以及通过优化的训练分类模型对测试集样本中的歌曲评论进行分析。本发明实施例中的优化的训练分类模型，不仅解决了目前的歌曲评论的分析方法的上下文信息缺失的问题，以及数据集规模过大的问题，进一步地，大大地提高了歌曲评论分析的准确率。
样本训练分类歌曲评论训练集样本测试集标注分析文本优化上下文信息分词处理文本向量训练模型预定规则数据集准确率向量

[发明专利]基于样本剔除的模型训练方法及设备-CN202011493895.9在审
发明人：林小钰 -专利权人：上海眼控科技股份有限公司
申请日： 2020-12-16 - 公布日： 2021-04-09 - 主分类号： G06N20/00 文献下载
摘要：本发明的目的是提供一种基于样本剔除的模型训练方法及设备，本发明通过在原始训练集中剔除容易样本，原始训练集中的容易样本剔除后，原始训练集中剩余的样本为困难样本，将困难样本作为新的训练集，使用所述新的训练集对所述模型进行的新的一轮迭代训练本发明通过剔除容易样本，在模型训练后期增大了困难样本在训练集中所占比例，是对训练集中的样本分布的动态调整，从而加强模型对困难样本的学习。实验表明，该方法能够提升模型在训练集与测试集上的性能。
基于样本剔除模型训练方法设备

[发明专利]电池SOH评估模型的构建方法及电池SOH值的评估方法-CN202110376223.8在审
发明人：郭毅 -专利权人：东软睿驰汽车技术(沈阳)有限公司
申请日： 2021-04-07 - 公布日： 2021-07-13 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种电池SOH评估模型的构建方法及电池SOH值的评估方法，涉及电池评估技术领域，包括：获取第一训练数据集和第二训练数据集；其中，所述第一训练数据集包括多个未标注SOH标签的第一电池数据样本，所述第二训练数据集包括多个标注SOH标签的第二电池数据样本，所述第二训练数据集的样本数量远小于所述第一训练数据集的样本数量；基于所述第一训练数据集内各个所述第一电池数据样本之间的样本间隔，从所述第一训练数据集中确定多个样本对，并利用各个所述样本对对预先构建的相似度模型进行训练；根据训练得到的相似度模型和/或所述第二训练数据集构建电池SOH评估模型。
电池 soh 评估模型构建方法

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