“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]利用机器学习模型进行工作模式判决的方法及装置-CN201810091921.1有效
发明人：邢旺;张晓亮;刘任;张通 -专利权人：北京小米移动软件有限公司
申请日： 2018-01-30 - 公布日： 2022-04-29 - 主分类号： G06N20/00 文献下载
摘要：本公开揭示了一种利用机器学习模型进行工作模式判决的方法，属于机器学习技术领域。所述方法包括：获取各个终端对应的各条判决数据，所述判决数据指示对应的终端在一次熄屏过程中根据所述机器学习模型获得的模型判决结果以及所述熄屏过程的熄屏时长，所述模型判决结果用于指示对应的终端是否进入指定工作模式；根据所述各条判决数据获取所述机器学习模型的评价参数；当所述评价参数满足预设条件时，对所述机器学习模型进行优化，并指示各个终端后续根据优化后的机器学习模型获得模型判决结果。本方案在确定是否对机器学习模型进行优化的过程中充分考虑了熄屏时长对机器学习模型的评价参数的影响，从而提高对机器学习模型的实际应用效果。
利用机器学习模型进行工作模式判决方法装置

[发明专利]面向大规模机器学习系统的机器学习模型训练方法及系统-CN202110127839.1在审
发明人：王卓 -专利权人：南昌大学
申请日： 2021-01-29 - 公布日： 2021-05-11 - 主分类号： G06N20/00 文献下载
摘要：本发明属于模型训练技术领域，公开了一种面向大规模机器学习系统的机器学习模型训练方法及系统，所述面向大规模机器学习系统的机器学习模型训练系统包括：数据获取模块、数据预处理模块、参数范围确定模块、中央控制模块、模型训练模块、模型测试模块、模型评估模块、模型优化模块、数据存储模块、更新显示模块。本发明通过数据预处理模块对训练样本集进行处理，获取训练样本集的特征子集，减少模型训练数据量；采用基于增量学习的方式训练机器学习模型，能够提升模型训练的准确度；通过模型评估模块和模型优化模块在各参数的取值范围内确定最优参数值，并进行模型参数调整，提高了机器学习中模型的训练效率。
面向大规模机器学习系统模型训练方法

[发明专利]一种基于联邦学习和迁移学习的医学图像分类方法-CN202310569953.9在审
发明人：刘振丙;吴峰峰;宋明望;魏黄曌 -专利权人：桂林电子科技大学
申请日： 2023-05-19 - 公布日： 2023-08-04 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于联邦学习和迁移学习的医学图像分类方法，在联邦学习中，由于数据异构性，中央服务器分发的全局模型直接替换本地模型会消除本地模型学习到的知识，并在下一轮迭代中降低其优化效果。本发明拟在本地训练阶段引入增强迁移学习的方法，其在本地模型中更新的步骤主要如下：首先，本方法将本地模型视为源域，全局模型视为目标域，目的是为了让全局模型学习到本地模型的局部知识，避免引起全局模型的性能倒退问题；其次，本方法会让全局模型和本地模型进行相互学习，交换全局知识和本地知识；最后，本方法将全局模型视为源域，本地模型视为目标域，使得全局知识能够最大程度地转移到本地模型中。
一种基于联邦学习迁移医学图像分类方法

[发明专利]一种联合学习模型的训练方法、装置及介质-CN202111635327.2在审
发明人：赵蕾 -专利权人：新智我来网络科技有限公司
申请日： 2021-12-29 - 公布日： 2023-07-14 - 主分类号： G06F30/27 文献下载
摘要：本公开涉及计算机技术领域，提供了一种联合学习模型的训练方法、装置及介质。该方法包括：中心节点根据联合学习架构中多个参与方建立多个联合学习组，其中每个联合学习组包含至少一个参与方；根据多个联合学习组，调取待训练的全局模型和初始模型参数；向多个联合学习组中的参与方发送全局模型和初始模型参数，以使参与方基于本地数据和初始模型参数确定该全局模型的第一模型参数；基于联合学习组中的各个参与方发送的第一模型参数对该全局模型的模型参数进行迭代更新，直至满足预设终止条件得到训练完成的全局模型。本公开的实施例可以提升全局模型的鲁棒性，提高模型性能。
一种联合学习模型训练方法装置介质

[发明专利]信息处理设备、信息处理方法和程序-CN201010535671.X无效
发明人：佐部浩太郎 -专利权人：索尼公司
申请日： 2010-11-04 - 公布日： 2011-09-14 - 主分类号： G06K9/62 文献下载
摘要：一种信息处理设备，包括模型学习单元，该模型学习单元通过使用第一时序数据来进行对状态转移预测模型的内状态的自组织的学习，状态转移预测模型是学习模型，其具有内状态、内状态的转移模型以及从内状态生成观测值的观测模型，其中模型学习单元通过固定转移模型并使用与第一时序数据不同的第二时序数据来学习使用第一时序数据学习之后的状态转移预测模型的观测模型，由此获得具有第一时序数据的每个样本值被观测到的第一观测模型和第二时序数据的每个样本值被观测到的第二观测模型的状态转移预测模型
信息处理设备方法程序

[发明专利]学习处理装置以及方法-CN202080093955.X在审
发明人：石川昌义;大内将记;新藤博之;丰田康隆;筱田伸一 -专利权人：株式会社日立高新技术
申请日： 2020-02-07 - 公布日： 2022-09-02 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种能够在短时间内完成轻量模型的学习的学习处理装置以及方法。一种从已有的第一学习模型得到新的第二学习模型的学习处理装置，具备：输入部，其得到学习第一学习数据集来事先生成的第一学习模型和未被剪枝的神经网络，以下称神经网络为NN；重要参数确定部(304)，其使用第一学习模型和NN对作为学习对象的NN进行初始化，使用第二学习数据集和初始化后的NN，确定初始化后的NN的识别处理中的参数的重要度；新模型生成部(306)，其使用参数的重要度，进行从初始化后的NN删除不重要的参数的剪枝处理，生成第二NN；学习部，其使用第二学习数据集而学习第二NN；以及输出部，其将学习后的所述第二NN作为第二学习模型而输出。
学习处理装置以及方法

[发明专利]管理机器学习特征-CN202011038278.X在审
发明人：贾宏钟;杰伊·帕瑞克 -专利权人：脸谱公司
申请日： 2020-09-28 - 公布日： 2021-03-30 - 主分类号： G06N20/00 文献下载
摘要：本申请涉及管理机器学习特征。机器学习模型被训练。为机器学习模型的多个机器学习特征中的每个机器学习特征确定特征重要性度量。基于特征重要性度量，管理机器学习模型的多个机器学习特征中的一个或更多个机器学习特征。
管理机器学习特征

[发明专利]模型上线的方法及装置-CN201810072063.6有效
发明人：巫钢;常剑;马明;孙兴星;於今 -专利权人：百融至信（北京）科技有限公司
申请日： 2018-01-25 - 公布日： 2023-06-20 - 主分类号： G06F8/10 文献下载
摘要：本申请提供一种模型上线的方法及装置，涉及通信领域，能够提升模型上线的效率。该方法包括：接收用户输入的数据建模指令，数据建模指令用于请求创建机器学习模型；根据数据建模指令创建机器学习模型，并生成机器学习模型的序列化模型文件和模型描述文件，序列化模型文件为机器学习模型的序列化格式的文件，模型描述文件为表征机器学习模型的属性的文件；接收用户输入的模型部署指令；根据通用的服务脚本模板和模型描述文件，生成新的服务脚本；根据新的服务脚本和序列化模型文件生成模型的镜像；根据模型的镜像生成模型服务POD，以使得机器学习模型部署上线。
模型上线方法装置

[发明专利]一种兼容多框架的深度学习模型快速搭建系统-CN202110042493.5在审
发明人：赖铖;董豪;韩佳容 -专利权人：鹏城实验室
申请日： 2021-01-13 - 公布日： 2021-05-11 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种兼容多框架的深度学习模型快速搭建系统，包括：设备层、后端层以及用户层，设备层包含若干硬件模块，后端层包含若干深度学习框架，每个深度学习框架包含若干底层算子，每个底层算子具有统一的算子接口，用户层包含模型抽象模块，模型抽象模块包含各个深度学习框架对应的模型训练参数及计算逻辑，用户层用于调用后端层中的底层算子搭建深度学习模型，并通过设备层的硬件模块训练深度学习模型，其中，深度学习模型基于用户层提供的本发明的搭建系统兼容不同深度学习框架和不同硬件，使得用户能快速、高效构建深度学习模型，减少繁琐的代码开发和切换不同深度学习框架的代码迁移工作。
一种兼容框架深度学习模型快速搭建系统

[发明专利]基于机器学习框架的模型训练方法及相关设备-CN202111680611.1在审
发明人：方圆;王汉超;李蕾 -专利权人：本源量子计算科技（合肥）股份有限公司
申请日： 2021-12-30 - 公布日： 2023-07-14 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于机器学习框架的模型训练方法及相关设备，应用于包括机器学习框架的电子设备，所述机器学习框架包括数据结构模块、量子模块和经典模块，所述方法包括：调用所述数据结构模块获取输入的训练数据，创建包括所述训练数据的张量数据，并调用所述量子模块和/或所述经典模块创建机器学习模型；将所述张量数据输入所述机器学习模型，并调用所述经典模块创建所述机器学习模型的训练层；将所述机器学习模型的输出结果输入所述训练层，以对所述机器学习模型的参数进行更新，得到训练后的所述机器学习模型。该技术方案可以提高对于不同机器学习模型或其不同应用场景的训练开发效率。
基于机器学习框架模型训练方法相关设备

[发明专利]基于AI的个性化教学方法、装置、设备及可读存储介质-CN202210159678.9在审
发明人：曹小伍;曹景溢;雷铭杰;华国明;欧阳思奕 -专利权人：杭州翔毅科技有限公司
申请日： 2022-02-21 - 公布日： 2022-06-28 - 主分类号： G06F16/9035 文献下载
摘要：本申请公开了一种基于AI的个性化教学方法、装置、设备及可读存储介质，该方法包括步骤：获取学生的学习轨迹，并获取学习个性识别模型；输入所述学习轨迹至所述学习个性识别模型，得到学习个性识别结果；其中，所述学习个性识别模型是基于预设训练数据集对未训练学习个性识别模型进行迭代训练后得到的；基于所述学习个性识别结果，确定所述学生的个性化学习素材。本申请通过训练后准确性较高的学习个性识别模型来识别学习轨迹，得到学习个性识别结果，从而根据学习个性识别结果，确定适合该学生的个性化学习素材，进而提高学生在通过学习素材进行学习时的学习效率。
基于 ai 个性化教学方法装置设备可读存储介质

[发明专利]基于机器学习的模型自动更新方法、系统、介质及终端-CN202310636456.6在审
发明人：黄潮勇;吴华夫;黄鹏;张亿仙 -专利权人：广州思迈特软件有限公司
申请日： 2023-06-01 - 公布日： 2023-06-30 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种基于机器学习的模型自动更新方法和系统，包括：获取数据并对数据进行预处理；基于预处理后的数据，创建第一个机器学习模型；运行第一个机器学习模型，并存储其中的模型节点；调用存储的模型节点，构建第二个机器学习模型，并将其发布部署至线上；设置第一个机器学习模型进行自学习，并保存新数据优化后的模型节点的参数；当第一个机器学习模型通过自学习，达到监控指标所设置的阈值后，第二个机器学习模型在下一次运行前，会自动加载优化后的参数本发明将模型自学习自动化，并能自动将符合一定要求的模型发布或者部署到生产中，它能解决模型长期得不到更新而导致准确性降低的问题，并极大减轻运维人员的工作量。
基于机器学习模型自动更新方法系统介质终端

[发明专利]深度学习模型训练方法及其装置、电子设备及存储介质-CN202110492705.X在审
发明人：刘山和 -专利权人：湖北亿咖通科技有限公司
申请日： 2021-05-07 - 公布日： 2021-06-04 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例提供了一种深度学习模型训练方法、装置、电子设备及存储介质，方法包括：基于样本数据迭代训练深度学习模型，并在每轮迭代训练后判断深度学习模型的参数是否为局部最优参数；若是，基于参数变异率对深度学习模型的参数进行变异；判断变异次数是否达到设定次数，若是，则将局部最优参数确定为深度学习模型的最终参数；若否，则基于变异后的参数继续迭代训练深度学习模型；判断深度学习模型的损失值是否优于基于局部最优参数计算的损失值；若是，则将参数变异率重置为初始值，并返回基于样本数据迭代训练深度学习模型的步骤；若否，返回基于参数变异率对深度学习模型的参数进行变异的步骤。
深度学习模型训练方法及其装置电子设备存储介质

[发明专利]基于计算机视觉的电子凭据图像识别解析方法-CN202310384937.2在审
发明人：胡喜国;孙英楷;王献春;池建昆;杨青;郝闪闪;王昱洁;王国强;及翠婷;冯理达;何颖;王静;马超 -专利权人：国网河北省电力有限公司;国网河北省电力有限公司信息通信分公司
申请日： 2023-04-12 - 公布日： 2023-06-23 - 主分类号： G06V30/41 文献下载
摘要：本发明提供基于计算机视觉的电子凭据图像识别解析方法，包括下列步骤：S1、上传凭证图像，并对所述凭证图像进行预处理，生成在像素大小一致的待处理图像；S2、建立特征信息训练集以及图像分割训练集，并构建第一深度学习模型以及第二深度学习模型，使用特征信息训练集对第二深度学习模型进行训练，在训练完成后，使用图像分割训练集对第一深度学习模型进行训练，使用第二深度学习模型对第一深度学习模型的分割结果进行检验，直至完成第一深度学习模型的训练；S3、使用第一深度学习模型以及第二深度学习模型对待处理图像进行图像分割以及图像识别，获得所述待处理图像中的内容识别结果。
基于计算机视觉电子凭据图像识别解析方法

[发明专利]机器学习模型的获取方法、获取装置、设备及存储介质-CN201810619091.5有效
发明人：刘世权;刘弘也;苏驰 -专利权人：北京金山云网络技术有限公司;北京金山云科技有限公司
申请日： 2018-06-15 - 公布日： 2021-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供了一种机器学习模型的获取方法、获取装置、设备及存储介质，其中方法包括：获取标注有类别的第一样本图片；将标注有类别的第一样本图片作为训练样本，训练得到机器学习模型；将第二样本图片输入至机器学习模型，获取机器学习模型预测的第二样本图片的类别；确定机器学习模型所预测的具有正确类别的第二样本图片；将具有正确类别的第二样本图片作为训练样本，训练得到新的机器学习模型。本发明实施例提供的机器学习模型的获取方法，能够使机器学习模型的预测准确率得到提升，即提高机器学习模型的性能。
机器学习模型获取方法装置设备存储介质