“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]超参数的确定方法、装置、设备和介质-CN201811180164.1在审
发明人：周旭辉;徐晓飞;刘凯 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-10-10 - 公布日： 2020-04-17 - 主分类号： G06K9/62 文献下载
摘要：该方法包括：将确定的至少两组超参数组分别设置于待训练的基础学习模型中，得到至少两个目标学习模型，并利用训练样本对各目标学习模型进行训练；对训练的各目标学习模型的预测效果进行测试，将预测效果满足设定效果要求的目标学习模型的超参数组，传递给预测效果不满足设定效果要求的目标学习模型；继续对各目标学习模型进行训练，直至各目标学习模型满足设定训练停止条件，根据各目标学习模型的预测效果确定目标超参数组。本发明实施例提供的一种超参数的确定方法、装置、设备和介质，提高了基于优化的超参数的模型预测效果。
参数确定方法装置设备介质

[发明专利]集成学习模型的训练方法、装置、系统和相关设备-CN202110121743.4在审
发明人：余思;贾佳峰;熊钦;王工艺 -专利权人：华为技术有限公司
申请日： 2021-01-28 - 公布日： 2022-07-29 - 主分类号： G06N20/20 文献下载
摘要：一种集成学习模型的训练方法，该方法应用于包括控制节点以及工作节点的模型训练系统中，在训练集成学习模型时，控制节点可以获取集成学习模型的训练请求，并根据该训练请求生成包括多个训练任务的训练任务集合，然后，控制节点向工作节点集合中的多个工作节点分别发送训练任务集合中的训练任务，其中，每个训练任务被由一个工作节点执行，每个训练任务用于训练集成学习模型中的至少一个子学习模型，不同训练任务用于训练不同的子学习模型由于每个子学习模型的训练结果可以由一个工作节点处理，从而可以有效减少训练子学习模型过程中各个工作节点之间所需通信的数据量，提高对于集成学习模型的训练效率以及成功率。
集成学习模型训练方法装置系统相关设备

[发明专利]一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法-CN202211159883.1在审
发明人：向海;周天日;谢莉;李华 -专利权人：佛山科学技术学院
申请日： 2022-09-22 - 公布日： 2022-12-27 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种结合生物电阻测量和机器学习预测肉鸡腹脂重的方法，包括：进行生物电阻抗与鸡体尺数据测量以获取数据集；构建多元线性回归机器学习模型，计算均方根误差和拟合度，选取最优测量点位；构建岭回归机器学习模型，计算均方根误差和拟合度，选取最优测量点位；构建套索回归机器学习模型，计算均方根误差和拟合度选取最优测量点位；构建逻辑回归机器学习模型，获取预测结果并计算模型准确率；比较多元线性回归机器学习模型、岭回归机器学习模型以及套索回归机器学习模型的均方根误差以及拟合度，选择均方根误差小且拟合度大的学习模型作为最终回归模型；获取待预测的鸡的腹脂重。
一种结合生物电阻测量机器学习预测肉鸡腹脂重方法

[发明专利]基于层次学习的跨架构漏洞挖掘方法-CN201911142076.7有效
发明人：吴昊;康绯;卜文娟 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2019-11-20 - 公布日： 2022-04-08 - 主分类号： H04L9/40 文献下载
摘要：本发明属于网络信息安全技术领域，特别涉及一种基于层次学习的跨架构漏洞挖掘方法，包含：获取训练样本数据；构建层次学习模型；并对层次学习模型进行克隆，得到克隆版层次学习模型；将训练样本数据函数对特征信息分别输入层次学习模型和克隆版层次学习模型进行模型训练学习，并计算两者获取的函数特征高维向量表示的相似度，依据相似标签判定调整层次模型参数和权重，以获取用于目标函数漏洞挖掘的层次模型；针对目标函数，提取作为层次模型输入的函数特征信息和函数调用关系，通过训练学习后的层次模型完成目标函数漏洞挖掘本发明通过两级机器学习和丰富特征提取极大提升大规模漏洞搜索工作的效率和精度，对网络信息安全具有重要的指导意义。
基于层次学习架构漏洞挖掘方法

[发明专利]深度学习模型的训练方法、图像处理方法和装置-CN202210977900.6有效
发明人：郭若愚;杜宇宁;赖宝华;马艳军 -专利权人：北京百度网讯科技有限公司
申请日： 2022-08-16 - 公布日： 2022-11-04 - 主分类号： G06V20/62 文献下载
摘要：本公开提供了一种深度学习模型的训练方法，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉和图像处理技术。具体实现方案为：根据将训练样本输入预训练模型得到的第一输出结果、输入深度学习模型得到的第二输出结果以及训练样本的第一标签，确定预训练模型和深度学习模型的蒸馏损失以及深度学习模型的第一真值损失；根据将验证样本输入深度学习模型得到的第三输出结果以及验证样本的第二标签，确定深度学习模型的第二真值损失；根据蒸馏损失、第一真值损失、第二真值损失以及关于深度学习模型的拟合状态的评估函数，确定整体损失；以及根据整体损失，调整深度学习模型的参数。
深度学习模型训练方法图像处理装置

[发明专利]用于快速构建、管理和共享机器学习模型的系统和方法-CN201880046890.6在审
发明人：科里·休斯;提莫西·埃斯蒂斯;约翰·刘;布兰登·卡尔;乌黛·卡马斯 -专利权人：数字推理系统有限公司
申请日： 2018-05-14 - 公布日： 2020-05-01 - 主分类号： G06N20/00 文献下载
摘要：在一些方面，提供用于快速构建、管理和共享机器学习模型的系统和方法。管理所述机器学习模型的生命周期可包括：接收未注释数据集；请求所述未注释数据的样本的注释以产生注释数据集；基于所述注释数据集构建机器学习模型；将所述机器学习模型部署到客户端系统，其中生成生产注释；收集所生成的生产注释并生成并入所述生产注释的新机器学习模型；以及选择基于所述注释数据集构建的所述机器学习模型或所述新机器学习模型中的一者。
用于快速构建管理共享机器学习模型系统方法

[发明专利]基于机械学习的关键因子自动寻找方法-CN202111636513.8在审
发明人：顾永庭;程友信;詹朝岩;杨其勋;郭智渊 -专利权人：友达光电股份有限公司
申请日： 2021-12-29 - 公布日： 2022-04-08 - 主分类号： G06N20/00 文献下载
摘要：本公开提出一种基于机械学习的自动关键因子寻找方法。首先，收集训练数据集。所述训练数据集包括多个数据集以及与各数据集相对应的结果数值。接着，基于所述训练数据集建立机器学习模型。在此，将各数据集作为机器学习模型的输入变量，并将与各数据集相对应的结果数值作为机器学习模型的输出变量，借此来训练机器学习模型。在建立该机器学习模型之后，对机器学习模型执行模型解析法，以在所述数据集中取出影响结果数值的至少一关键因子。
基于机械学习关键因子自动寻找方法

[发明专利]摄像设备及系统、信息处理设备、其控制方法和存储介质-CN202011194878.5有效
发明人：田边章弘 -专利权人：佳能株式会社
申请日： 2020-10-30 - 公布日： 2023-05-30 - 主分类号： H04N23/60 文献下载
摘要：摄像设备包括：接收部件，其被配置为与能够发送多个已学习模型的外部装置连接，并且接收多个已学习模型的列表信息；选择部件，其被配置为基于所述多个已学习模型的列表信息，从所述多个已学习模型中选择已学习模型；以及发送部件，其被配置为向所述外部装置发送对所述选择部件所选择的已学习模型的发送请求，其中，所述接收部件接收从所述外部装置发送的所选择的已学习模型。
摄像设备系统信息处理控制方法存储介质

[发明专利]用于深度学习模型的分布式训练的系统和方法-CN201780064431.6在审
发明人： D·莫洛尼 -专利权人：莫维迪乌斯有限公司
申请日： 2017-08-19 - 公布日： 2019-09-20 - 主分类号： G06N20/00 文献下载
摘要：公开了用于深度学习模型的分布式训练的系统和方法。用于训练深度学习模型的示例本地设备包括：参考生成器，用于标记在本地设备处接收的输入数据以生成训练数据；训练器，用于训练局部深度学习模型以及将局部深度学习模型发送到服务器，该服务器从多个本地设备接收多个局部深度学习模型，服务器用于确定用于全局深度学习模型的一组权重，以及更新器，用于基于从服务器接收的一组权重来更新局部深度学习模型。
学习服务器服务器接收设备接收训练数据更新器设备处生成器训练器权重参考更新全局

[发明专利]真实网络环境中缓存分配模型的获取方法、装置及系统-CN202011197526.5在审
发明人：王文东;崔勇;阙喜戎;龚向阳;单安童;王莫为;黄思江;彭德平;成晓雨 -专利权人：北京邮电大学
申请日： 2020-10-30 - 公布日： 2021-03-05 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例提供了一种真实网络环境中缓存分配模型的获取方法、装置及系统。其中，一种真实网络环境中缓存分配模型的获取方法在交换机中加载可加载的强化学习模型；当数据传输触发预设分配条件时，利用可加载的强化学习模型获取交换机的缓存阈值，进行缓存分配；利用本次触发产生的训练数据，训练待训练的强化学习模型，获得并保存可加载的强化学习模型；如果所保存的可加载的强化学习模型的个数不满足预设数量条件，返回执行在交换机中加载可加载的强化学习模型，否则，从所保存的多个可加载的强化学习模型中，选择对应的奖励值满足预设奖励值条件的可加载的强化学习模型，作为缓存分配模型。本方案可以提高缓存分配模型的获取效率。
真实网络环境缓存分配模型获取方法装置系统

[发明专利]人脸图像识别方法、装置、设备及存储介质-CN202111593606.7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： 2023-06-27 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种人脸图像识别方法、装置、设备及存储介质，所述方法包括：根据待识别人脸图像的关键点信息从待识别人脸图像中截取目标区域图像；将目标区域图像输入至预设人脸识别模型中，获得目标人脸特征信息，预设人脸识别模型基于第一深度学习模型与第二深度学习模型之间的特征损失函数对第二深度学习模型进行训练得到，第一深度学习模型的精度高于第二深度学习模型；根据目标人脸特征信息对待识别人脸图像进行识别。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特征损失函数对第二深度学习模型进行训练，从而获得高精度的预设人脸识别模型，之后将目标区域图像输入至预设人脸识别模型进行人脸识别，进而提高了人脸识别的精准度
图像识别方法装置设备存储介质

[发明专利]深度学习模型的建立方法、图像处理方法及装置-CN201910356937.5有效
发明人：郭梓超 -专利权人：北京迈格威科技有限公司
申请日： 2019-04-29 - 公布日： 2022-08-12 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种深度学习模型的建立方法、图像处理方法及装置，在第一深度学习模型中，将卷积层的最大输入通道数及最大输出通道数，设置为卷积层的权重池的体积参数；将多个比例参数依次与权重池的体积参数相乘，得到多个子权重池；针对子权重池依次进行卷积计算，并根据计算得到的每个子权重池的输出通道数，建立多个第二深度学习模型，将第二深度学习模型导入启发式算法模型，输出满足预设测试指标的第三深度学习模型。本发明通过划分多个具有不同宽度组合的第二深度学习模型，并利用启发式算法模型，从第二深度学习模型中筛选出具有优选宽度组合的第三深度学习模型，达到了模型宽度设定的自动化的目的，减少了模型训练所需的资源。
深度学习模型建立方法图像处理装置

[发明专利]基于离群点引导的视线估计跨场景适配方法和装置-CN202110689959.0有效
发明人：陆峰;刘云飞 -专利权人：北京航空航天大学
申请日： 2021-06-22 - 公布日： 2023-10-24 - 主分类号： G06F18/2433 文献下载
摘要：该方法的一具体实施方式包括：基于给定的任意视线估计模型，在源域上进行预训练，得到协同学习模型组；确定协同学习模型组中的每个协同学习模型对应的平均协同模型，得到平均协同模型组；基于目标图像、该协同学习模型组和该平均协同模型组，生成该协同学习模型组对应的离群点；利用离群点损失函数和离群点，对协同学习模型组进行优化；利用优化后的协同学习模型组中的任意一个协同学习模型进行视线估计。
基于离群引导视线估计场景配方装置

[发明专利]使用动态掩蔽的资源有限联合学习-CN202310118521.6在审
发明人：李韦翰;刘畅畅;顾钟蔬;M·斯里瓦斯塔 -专利权人：国际商业机器公司
申请日： 2023-02-13 - 公布日： 2023-10-20 - 主分类号： G06N20/00 文献下载
摘要：一种用于使用动态掩蔽的资源有限联合学习的计算机实现的方法、计算机程序产品和计算机系统。联合机器学习中的服务器评估该联合机器学习中的相应代理的资源以确定由相应代理进行模型训练的能力。服务器基于该能力来掩蔽全机器学习模型的权重以构建掩蔽的机器学习模型。服务器将掩蔽的机器学习模型分发给训练掩蔽的机器学习模型的相应代理。服务器从相应代理接收通过训练掩蔽的机器学习模型而获得的更新的权重。服务器基于更新的权重来更新全机器学习模型。
使用动态掩蔽资源有限联合学习

[发明专利]基于边缘节点处的数据输入对机器学习模型排序和更新-CN201910565265.9在审
发明人： R·K·甘蒂;M·斯里瓦萨;S·莱拉帕里;S·斯里兰加姆斯里德哈拉 -专利权人：国际商业机器公司
申请日： 2019-06-27 - 公布日： 2020-01-07 - 主分类号： G06N20/00 文献下载
摘要：由处理器接收用于训练新的机器学习模型的输入数据集。对于多个被训练的机器学习模型中的每一个，取得哈希函数和用于训练机器学习模型的训练数据集的草图。被训练的机器学习模型的计算距离从最小到最大进行排序，并且至少部分地基于该排序，从被训练的机器学习模型中选择用于输入数集的种子机器学习模型。启动使用所选择的种子机器学习模型和输入数据集的新的机器学习模型的训练过程。
机器学习模型输入数据集哈希函数排序计算输入数据训练数据集计算距离计算训练训练过程训练机器输入数数据集处理器学习