“模型学习”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929710个，建议您升级VIP下载更多相关专利

[发明专利]模型学习系统及模型学习装置-CN202211103550.7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： 2022-09-09 - 公布日： 2023-05-12 - 主分类号： G06N20/00 文献下载
摘要：本发明提供模型学习系统及模型学习装置。模型学习系统具备：设备，使用学习模型；数据取得装置，取得用于生成学习模型的训练数据组的数据；及模型学习装置，使用利用数据生成的学习模型的训练数据组来使学习模型自动地学习。模型学习装置构成为，在自动地学习了的上述学习模型的学习后的模型精度与学习前相比未上升时或下降了时，将上述学习模型从自动学习对象中排除。
模型学习系统装置

[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]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]生成模型学习方法、生成模型学习装置及程序-CN201810155481.1在审
发明人：金箱裕介 -专利权人：株式会社理光
申请日： 2018-02-23 - 公布日： 2018-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了生成模型学习方法、生成模型学习装置及程序。本发明涉及能够最终生成所期望的数据的生成模型学习方法、生成模型学习装置及程序。本发明的生成模型学习方法，包括根据第1学习数据来学习用于生成数据的生成模型的第1学习步骤，和根据第2学习数据来学习第1学习步骤学习中的生成模型的第2学习步骤，并对第1学习步骤和第2学习步骤交替重复后来学习生成模型
生成模型学习学习装置学习数据交替重复生成数据期望

[发明专利]一种增量式学习目标检测网络模型构建及权重更新方法-CN202011073711.3有效
发明人：沈凯;庄羽;朱毅晓;邓明涛 -专利权人：北京理工大学
申请日： 2020-09-30 - 公布日： 2023-06-02 - 主分类号： G06V10/774 文献下载
摘要：本公开的增量式学习目标检测网络模型构建及权重更新方法，训练目标检测的深度学习网络模型；利用Slimming算法对深度学习网络模型进行剪枝处理；提取深度学习网络模型的卷积层训练集数据的输出特征及训练标签；选取第m层卷积层训练集数据的输出特征及其训练标签分别作为宽度学习网络模型的训练样本标签，训练宽度学习增量式学习模型；将宽度学习增量式学习模型替换深度学习网络模型的第m层及第m层后的卷积层，或将训练好的宽度学习网络模型作为深度学习网络模型的辅助学习网络模型，完成增量式学习网络模型的构建。通过增量式学习模型快速更新增量式学习网络权重的能力，改善增量式学习网络的性能，提升增量式学习网络的鲁棒性。
一种增量学习目标检测网络模型构建权重更新方法

[发明专利]模型蒸馏方法、设备、存储介质及装置-CN202111607791.0在审
发明人：李艳杰 -专利权人：北京奇虎科技有限公司
申请日： 2021-12-23 - 公布日： 2023-06-30 - 主分类号： G06N3/096 文献下载
摘要：本发明涉及网络模型技术领域，公开了一种模型蒸馏方法、设备、存储介质及装置，该方法包括：对第一深度学习模型和第二深度学习模型进行训练，获得第一深度学习模型输出的第一分类结果和第二深度学习模型输出的第二分类结果，第一深度学习模型的精度高于第二深度学习模型，根据第一分类结果和第二分类结果确定第一深度学习模型与第二深度学习模型之间的交叉熵损失函数，根据交叉熵损失函数调整第二深度学习模型，以提高第二深度学习模型的精度；由于本发明通过第一深度学习模型与第二深度学习模型之间的交叉熵损失函数来调整第二深度学习模型，从而确保了模型蒸馏效果，进而提高了第二深度学习模型的精度。
模型蒸馏方法设备存储介质装置

[发明专利]模型量化方法及其装置-CN202310324730.6在审
发明人：金均生;李盼;王景森;赵磊;刘明华;李健;齐浩;林战刚;胡景贺 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2023-03-29 - 公布日： 2023-07-11 - 主分类号： G06N20/00 文献下载
摘要：本申请提出了一种模型量化方法及其装置，涉及数据处理技术领域。该方法包括：获取待量化的源深度学习模型和源深度学习模型的第一模型格式；获取量化后目标深度学习模型所支持的第二模型格式，并在第一模型格式与第二模型格式不一致时，对源深度学习模型进行格式转换，以获取第二模型格式下的第一候选深度学习模型；对第一候选深度学习模型的模型参数进行量化处理，以获取第二候选深度学习模型；对第二候选深度学习模型进行轻量级推理转换，以获取量化后的目标深度学习模型。本申请可以提高模型量化的通用性，适用于多深度学习训练框架生成的不同模型格式的深度学习模型，可以平衡深度学习模型的量化效率以及量化精度，减少内存占用和参数更新。
模型量化方法及其装置

[发明专利]模型管理装置及模型管理方法-CN202210987009.0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： 2022-08-17 - 公布日： 2023-03-07 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种模型管理装置及模型管理方法。在多个AI装置分别进行机器学习模型的学习的情况下，抑制在多个AI装置中分别学习的机器学习模型的精度的偏差。模型管理装置具备：通信部(11)，能够与分别持续地进行机器学习模型的学习的多个AI装置(2)通信；学习管理部(15)，管理多个AI装置各自的机器学习模型的学习；精度取得部(16)，取得在多个AI装置中分别学习的机器学习模型的精度学习管理部变更与具有规定范围内的精度的机器学习模型的学习相关的处理的实施频度。
模型管理装置方法

[发明专利]一种深度学习模型检测方法、装置、设备及存储介质-CN202110466770.5在审
发明人：李亿;练韵文;戴宗宏 -专利权人：华为云计算技术有限公司
申请日： 2021-04-28 - 公布日： 2022-10-28 - 主分类号： G06F16/245 文献下载
摘要：本申请提供了一种深度学习模型检测方法。深度学习模型检测装置根据待检测深度学习模型的目标网络结构，从一个或者多个候选深度学习模型中查找目标深度学习模型，其中，该目标深度学习模型的网络结构与待检测深度学习模型的目标网络结构相匹配；深度学习模型检测装置输出查找结果由于获取待检测深度学习模型的目标网络结构的难度通常较低，因此，相对于根据深度学习模型的实现算法确定深度学习模型之间是否相同或相似的实现方式而言，根据深度学习模型的网络结构查找目标深度学习模型的方式，可以有效降低检测难度，根据网络结构进行模型检测的准确率也可以达到较高水平。
一种深度学习模型检测方法装置设备存储介质

[发明专利]深度学习模型的适配方法、装置及电子设备-CN202010601781.5有效
发明人：吴拓邦;施恩;谢永康;陈晓宇;张亮伙;刘杰;徐彬彬 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-29 - 公布日： 2023-09-01 - 主分类号： G06N3/0464 文献下载
摘要：本申请公开了一种深度学习模型的适配方法、装置、电子设备及介质，涉及人工智能、深度学习、云计算技术领域。具体实现方案为：在获取到原始深度学习模型的模型信息，以及需适配的目标硬件的硬件信息后，根据模型信息和硬件信息，查询转换路径表，以得到匹配的目标转换路径，根据目标转换路径，将原始深度学习模型转换为转换路径中的中间深度学习模型，以及将中间深度学习模型转换至目标深度学习模型。由此，基于原始深度学习模型的模型信息和目标硬件的硬件信息确定的模型转换路径，进行深度学习模型的转换，实现了将任意类型的原始深度学习模型转换为适配于任意目标硬件的目标深度学习模型，解决了深度学习模型难以适用于不同硬件终端的问题
深度学习模型配方装置电子设备

[发明专利]机器人控制装置、机器人系统以及机器人控制方法-CN201980086543.0在审
发明人：莲沼仁志;山本武司;仓岛一辉 -专利权人：川崎重工业株式会社
申请日： 2019-12-27 - 公布日： 2021-09-17 - 主分类号： B25J13/00 文献下载
摘要：机器人控制装置包括：学习完成模型，其通过学习工作数据而构建；控制数据获取部，其基于来自学习完成模型的数据，获得机器人的控制数据；基础学习完成模型，其通过学习工作数据而针对多个简单动作中的每个动作所构建；动作标签存储部，其存储与基础学习完成模型相关联的动作标签；基础学习完成模型组合信息获取部，其通过获取学习完成模型与各个基础学习完成模型之间的相似度，获取利用多个基础学习完成模型表现学习完成模型时的组合信息；和信息输出部,其输出与表现学习完成模型的每个基础学习完成模型相对应的动作标签。
机器人控制装置系统以及方法

[发明专利]模型集成装置、模型集成方法、模型集成程序、推定系统、检查系统以及控制系统-CN201980082141.3在审
发明人：米谷竜;诹访正树;宫浦宏之 -专利权人：欧姆龙株式会社
申请日： 2019-11-19 - 公布日： 2021-07-30 - 主分类号： G06N20/00 文献下载
摘要：本发明提供用于构建能力更高的学习完毕的学习模型的技术。本发明的一方面所涉及的模型集成装置具备：模型收集部，从多个学习装置分别收集学习完毕的学习模型；集成处理部，对各学习完毕的学习模型，执行对设定在共同部分内的集成范围中所反映的机器学习的结果进行集成的集成处理；以及模型更新部，通过将集成处理的结果向各学习装置发送，并对于各学习装置，使集成处理的结果用于各学习完毕的学习模型内的集成范围，从而对各学习装置保持的学习完毕学习模型进行更新。
模型集成装置方法程序推定系统检查以及控制系统

[发明专利]深度学习模型目录创建-CN202010342656.7在审
发明人： S.哈尔;S.G.塔米尔赛尔凡;A.桑卡兰;N.潘沃尔;R.R.阿拉里卡特;S.K.K.马尼 -专利权人：国际商业机器公司
申请日： 2020-04-27 - 公布日： 2020-11-06 - 主分类号： G06N20/00 文献下载
摘要：一个实施例提供了一种方法，包括：从多个输入源挖掘多个深度学习模型；通过解析(i)对应于深度学习模型的代码和(ii)对应于深度学习模型的文本中的至少一个，从深度学习模型中的每一个提取信息；对于深度学习模型中的每一个，识别在深度学习模型内执行操作的操作器；对于深度学习模型中的每一个并且从(i)提取的信息和(ii)识别的操作符产生包括深度学习模型的术语和特征的本体，其中该产生包括用每个深度学习模型的特征填充预定义的本体格式；以及生成包括多个深度学习模型的深度学习模型目录，其中对于深度学习模型中的每一个，目录包括对应于深度学习模型的本体。
深度学习模型目录创建

[发明专利]深度学习模型构建方法、装置、电子设备及存储介质-CN202110409806.6有效
发明人：王小东;周智杰;吕文勇;刘洪江;廖浩 -专利权人：成都新希望金融信息有限公司
申请日： 2021-04-15 - 公布日： 2022-12-16 - 主分类号： G06F3/0484 文献下载
摘要：本申请提供一种深度学习模型构建方法、装置、电子设备及存储介质，涉及深度学习技术领域。该方法包括：确定深度学习模型的框架类型；基于对深度学习模型的多个操作组件的操作指令生成有向无环图；基于所述有向无环图和所述框架类型生成指定深度学习模型；根据所述指定深度学习模型的模型结构对所述指定深度学习模型进行训练通过深度学习模型的操作组件配置，可以自动生成深度学习模型代码，并配置化进行模型训练，提高深度学习模型的开发效率，进一步降低深度学习模型开发的门槛。
深度学习模型构建方法装置电子设备存储介质

[发明专利]机器学习模型之间进行转换的方法与设备-CN201610308127.9有效
发明人：梅鹍;安春霖;程大伟;刘汪根 -专利权人：星环信息科技（上海）有限公司
申请日： 2016-05-11 - 公布日： 2019-06-14 - 主分类号： G06N20/00 文献下载
摘要：本申请的目的是提供一种单机机器学习模型与分布式机器学习模型之间进行转换的方法与设备。与现有技术相比，本申请获取模型训练参数信息，并对其进行数据类型转换或描述文件解析，然后根据所述模型训练参数信息训练出分布式机器学习模型，再将所述分布式机器学习模型转换为单机机器学习模型；本申请还获取单机机器学习模型，提取出所述单机机器学习模型参数信息，对所述单机机器学习模型参数信息进行数据类型转换或描述文件解析，然后根据所述单机机器学习模型构造分布式机器学习模型；本申请可实现单机机器学习模型与分布式机器学习模型之间的相互转换
机器学习模型之间进行转换方法设备

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