“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]深度学习模型的压缩方法、装置、计算机设备及存储介质-CN201910267617.2在审
发明人：王健宗;彭俊清;瞿晓阳 -专利权人：平安科技（深圳）有限公司
申请日： 2019-04-03 - 公布日： 2019-08-13 - 主分类号： G06K9/38 文献下载
摘要：本申请涉及深度学习技术领域。具体公开了一种深度学习模型的压缩方法、装置、计算机设备及存储介质，该方法包括：获取预先训练的深度学习模型；对所述深度学习模型进行剪枝训练处理以得到剪枝后的深度学习模型；对剪枝后的深度学习模型进行量化处理以使量化后的深度学习模型实现权重共享；对量化后的深度学习模型进行编码处理，以完成对所述深度学习模型的压缩。该方法可以使得深度学习模型应用于计算能力以及存储能力均小于服务器的智能终端中。
学习剪枝计算机设备存储介质压缩量化编码处理存储能力计算能力量化处理模型实现模型应用智能终端权重服务器共享申请

[发明专利]生理状态监测方法、装置及系统-CN202111369816.8在审
发明人：杨建磊;何啸林;林晓阳;赵巍胜 -专利权人：北京航空航天大学
申请日： 2021-11-18 - 公布日： 2022-03-08 - 主分类号： G06K9/00 文献下载
摘要：本申请提供一种生理状态监测方法、装置及系统，涉及人工智能领域，包括：对被授权采集的历史生理数据进行训练，得到个体学习模型；所述个体学习模型包括基础层模型及个性化层模型；将所述基础层模型按照其所属簇的类别上传至边缘训练节点，并接收所述边缘训练节点反馈的边缘基础学习模型或云端泛化学习模型；用所述边缘基础学习模型或云端泛化学习模型更新所述个体学习模型中的基础层模型；将被授权采集的当前生理数据输入更新后的个体学习模型，得到生理状态监测结果本申请能够利用预先训练的个体学习模型完成生理状态监测。
生理状态监测方法装置系统

[发明专利]学习系统、学习方法和程序-CN201980085721.8在审
发明人：蓝正州 -专利权人：乐天集团股份有限公司
申请日： 2019-08-29 - 公布日： 2021-08-06 - 主分类号： G06N3/08 文献下载
摘要：学习系统(S)的取得单元(101)取得使学习模型学习的教师数据。学习单元(102)根据教师数据来反复执行学习模型的学习处理。学习单元(102)在对学习模型的一部分层的参数进行量化而执行学习处理以后，对所述学习模型的其他层的参数进行量化而执行学习处理。
学习系统学习方法程序

[发明专利]一种机器学习模型的生成方法、装置-CN201811647840.1有效
发明人：付玺 -专利权人：大唐软件技术股份有限公司
申请日： 2018-12-29 - 公布日： 2021-12-28 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例提供了一种机器学习模型的生成方法、装置，应用于机器学习平台，该方法包括：获取目标服务器的机器学习需求，该机器学习需求包括机器学习模型的训练数据格式和机器学习模型的目标功能；根据机器学习需求，利用预设的模型生成策略，配置目标服务器用于机器学习的目标模型；将目标模型返回至目标服务器。因此，简化数据上传操作，节省网络流量，通过模块化的设置降低机器学习模型的使用门槛，提升机器学习模型的生成效率。
一种机器学习模型生成方法装置

[发明专利]使用指导者模型训练学习者模型的人工智能系统和方法-CN201811310614.4有效
发明人：赵元 -专利权人：北京嘀嘀无限科技发展有限公司
申请日： 2018-11-06 - 公布日： 2023-03-24 - 主分类号： G06N20/00 文献下载
摘要：使用指导者模型训练学习者模型的人工智能系统和方法，该方法包括：获得至少包括N个指导者模块的训练好的指导者模型和至少包括分别对应于N个指导者模块的N个学习者模块的学习者模型；通过迭代操作，训练所述学习者模型；确定学习者模型是否收敛；以及当学习者模型收敛，停止迭代操作，将学习者模型定为训练好的学习者模型。迭代操作包括将样本数据集输入训练好的指导者模型和学习者模型；对于每个学习者模块：基于对应的指导者模块的输出确定指导者向量，根据学习者模块的输出确定学习者向量，其中，指导者向量的长度等于学习者向量的长度，确定指导者向量与学习者向量之间的距离，基于所述距离更新学习者模块中的参数。
使用指导者模型训练学习者人工智能系统方法

[发明专利]信息处理装置、信息处理方法及程序-CN202080022389.3在审
发明人：角尾衣未留 -专利权人：索尼集团公司
申请日： 2020-03-16 - 公布日： 2021-11-09 - 主分类号： G10L15/06 文献下载
摘要：本发明涉及能够提高包括语言模型的语音识别模型的性能的信息处理设备、信息处理方法及程序。学习设备设置有学习单元，该学习单元通过使用包括第一神经网络的学习模型来学习语言模型。语音识别设备，设置有语音识别单元，该语音识别单元通过使用语音识别模型来执行语音识别，该语音识别模型包括通过使用包括第一神经网络的学习模型而学习的语言模型。本发明可以应用于例如语音识别设备或用于学习语音识别模型的学习设备。
信息处理装置方法程序

[发明专利]基于金字塔知识蒸馏框架模型压缩极限分析方法及装置-CN202211319122.8在审
发明人：庞艳华;陈波;冯学尚;赵阳;王博弋 -专利权人：哈尔滨工业大学（深圳）
申请日： 2022-10-26 - 公布日： 2023-01-13 - 主分类号： G06N3/08 文献下载
摘要：本发明提出一种基于金字塔知识蒸馏框架模型压缩极限分析方法，包括：构建金字塔结构的N组在线深度互学习模型；将每组在线深度互学习模型进行在线深度互学习，记录每组在线深度互学习模型中两个模型的参数量和模型性能；其中，从自下而上第2在线深度互学习模型组开始，进行在线深度互学习的同时，接受前一个在线深度互学习模型组离线知识蒸馏；提取第1模型组到第N‑1模型组所有模型的潜在表征送入自适应器生成教师重要性权重软标签对第N组在线深度互学习模型进行在线深度互学习，记录第N组模型的参数量和模型性能；根据每组在线深度互学习模型中两个模型的参数量和模型性能和第N组模型的参数量和模型性能分析出模型压缩比与精度的平衡点。
基于金字塔知识蒸馏框架模型压缩极限分析方法装置

[发明专利]机器学习模型生成方法和装置-CN201610192139.X有效
发明人：詹志征;刘志强;沈志勇 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2016-03-30 - 公布日： 2017-11-14 - 主分类号： G06F15/18 文献下载
摘要：本申请公开了机器学习模型生成方法和装置。该方法的一具体实施方式包括通过生成模型参数组合，以及生成对应于每一个模型参数组合的机器学习模型；将预设机器学习用数据划分为训练数据和验证数据；并行地分别基于训练数据对每一个机器学习模型进行训练；分别基于验证数据对每一个训练后的机器学习模型学习的准确率进行验证，得到验证分数；基于验证分数，确定待生成的机器学习模型对应的最优模型参数组合，以及生成对应于最优模型参数组合的机器学习模型。实现了以并行方式对所有模型参数组合对应的机器学习模型进行训练和验证，提升了整个参数寻优的过程，从而快速生成理想的机器学习模型。
机器学习模型生成方法装置

[发明专利]人工智能系统的测试方法、装置、电子设备及介质-CN202210104967.9在审
发明人：孙帅;李凡平;石柱国 -专利权人：以萨技术股份有限公司
申请日： 2022-01-28 - 公布日： 2022-05-06 - 主分类号： G06F11/36 文献下载
摘要：该方法在得到至少两个深度学习模型的模型决策因素后，获取至少两个深度学习模型的模型决策因素对应的测试数据和相应的真实输出结果；针对每个深度学习模型，基于深度学习模型输入的测试数据，对深度学习模型进行测试，获取深度学习模型输出的测试结果和当前模型指标；基于当前模型指标和深度学习模型的历史模型指标，确定深度学习模型的测试状态信息；根据深度学习模型输入的测试数据和输出的测试结果生成的测试热力图和相应的真实输出结果，确定深度学习模型的预测行为；生成测试报告。该方法可准确定位AI系统中待优化的数据模型，从而实现对AI系统进行优化的准确性。
人工智能系统测试方法装置电子设备介质

[发明专利]机器学习模型压缩-CN202211022389.0在审
发明人：宋波;于东海;王君 -专利权人：国际商业机器公司
申请日： 2022-08-24 - 公布日： 2023-04-04 - 主分类号： G06N20/20 文献下载
摘要：本发明涉及机器学习模型压缩。一种方法包括：确定形成第一机器学习模型的多个子模型的多个性能度量；以及基于所述多个性能度量对所述多个子模型进行聚类，以产生多个子模型集群。该方法还包括：从所述第一机器学习模型中移除被分配给所述多个集群中的第一集群的子模型以产生由保留在所述第一机器学习模型中的所述子模型形成的第二机器学习模型；以及响应于确定所述第二机器学习模型的性能低于性能阈值，将所移除的子模型的子集添加到所述第二机器学习模型以产生第三机器学习模型。该方法还包括：响应于确定第三机器学习模型的性能满足性能阈值，选择要应用的第三机器学习模型。
机器学习模型压缩

[发明专利]一种助力企业精细化运营的模型可解释性分析新方法-CN202211225312.3在审
发明人：鲍钟峻;吴小炎;朱学帅;赵涛 -专利权人：浩鲸云计算科技股份有限公司
申请日： 2022-10-09 - 公布日： 2022-11-04 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种助力企业精细化运营的模型可解释性分析新方法，包括以下步骤：S1、构建初始的原始场景机器学习模型；S2、对初始的原始场景机器学习模型进行效果验证；S3、输出该模型在测试集上的预测概率值；S4、设置模型解释样本的圈选阈值，筛选模型解释样本；S5、构建模型解释回归树模型；S6、输出模型解释回归树模型的拟合概率值；S7、对模型解释回归树模型进行效果测评；S8、输出最优版本的解释回归树模型的学习规则，利用学习规则反向解释原始场景机器学习模型的机器学习逻辑。本发明采用树回归模型对原始机器学习模型进行解释，实现以机器学习解释机器学习的模式输出机器学习逻辑，为企业精细化运营提供业务策略支撑。
一种助力企业精细运营模型解释性分析新方法

[发明专利]深度学习模型的探索方法及装置-CN202010814501.9在审
发明人：赵仕嘉;林涛;董浩欣;杨鹤鸣;向雷;李晁铭;麦洪永;陈华荣 -专利权人：广东省电信规划设计院有限公司
申请日： 2020-08-13 - 公布日： 2020-11-13 - 主分类号： G06N3/04 文献下载
摘要：本发明公开一种深度学习模型的探索方法及装置，该方法包括：确定一个云计算资源作为主节点以及多个其他云计算资源作为多个从节点，其中，主节点用于调度多个从节点对深度学习模型执行训练操作；基于每个从节点对深度学习模型执行训练操作，得到该从节点的训练结果，每个从节点的训练结果包括目标深度学习模型以及该目标深度学习模型的评分，每个从节点的训练结果包括的目标深度学习模型为训练后的深度学习模型；根据所有训练结果包括的评分从所有目标深度学习模型中确定最优深度学习模型可见，实施本发明能够实现并行进行深度学习模型的训练操作，提高深度学习模型训练的效率，减少训练的时间，有利于深度学习模型探索技术在业务场景中的应用。
深度学习模型探索方法装置

[发明专利]进化的机器学习模型-CN201980027832.3在审
发明人： A·肯德尔;D·拉科;S·安巴蒂;P·普拉布;M·兰德里;J·麦金尼 -专利权人： H2O人工智能公司
申请日： 2019-02-28 - 公布日： 2021-01-19 - 主分类号： G06N20/00 文献下载
摘要：基于多个原始特征确定多个初始机器学习模型。通过选择初始机器学习模型的子集作为一个或多个幸存机器学习模型来对多个初始机器学习模型进行过滤。生成一个或多个进化的机器学习模型。进化的机器学习模型中的至少一个至少部分基于一个或多个新特征，所述一个或多个新特征至少部分基于一个或多个幸存机器学习模型的至少一个特征的变换。比较与一个或多个进化的机器学习模型相关联的对应验证分数和与一个或多个幸存机器学习模型相关联的对应验证分数。一个或多个进化的机器学习模型或者一个或多个幸存机器学习模型中的至少一个被选择为一个或多个新的所选幸存机器学习模型。
进化机器学习模型

[发明专利]数据处理装置、方法和电子设备-CN201910398488.0在审
发明人：唐剑;刘宁;徐志远;张法朝;林航东 -专利权人：北京嘀嘀无限科技发展有限公司
申请日： 2019-05-14 - 公布日： 2020-02-07 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例提供了一种数据处理装置、方法和电子设备，其中，该方法包括：为当前初始深度学习模型生成当前次压缩的压缩因子，利用压缩因子对当前初始深度学习模型进行压缩处理；将当前次压缩后的初始深度学习模型作为当前初始深度学习模型，执行为当前初始深度学习模型生成当前次压缩的压缩因子的步骤，直到压缩后的初始深度学习模型满足在目标移动终端运行的条件，得到最终压缩后的初始深度学习模型；基于最终压缩后的初始深度学习模型和历史驾驶数据，生成用于识别驾驶状态的深度学习模型，将用于识别驾驶状态的深度学习模型应用于移动终端。本申请实施例在提高了深度学习模型的压缩效率的同时，实现将压缩后的深度学习模型应用于移动终端。
学习压缩压缩因子驾驶状态模型生成模型应用移动终端目标移动终端数据处理装置电子设备压缩处理压缩效率申请驾驶

[发明专利]通用机器学习模型文件的生成方法、装置、存储介质-CN201811459679.5有效
发明人：不公告发明人 -专利权人：上海寒武纪信息科技有限公司
申请日： 2018-11-30 - 公布日： 2022-02-08 - 主分类号： G06F8/41 文献下载
摘要：本申请涉及一种通用机器学习模型文件生成方法、装置、计算机设备和存储介质，所述方法包括：获取通用机器学习模型；计算所述通用机器学习模型的存储偏移量；根据所述通用机器学习模型以及所述通用机器学习模型存储偏移量，生成模型目录；根据所述通用机器学习模型以及所述模型目录，生成通用机器学习模型文件。采用本方法能够根据运算需要直接在通用机器学习模型文件中读取对应的通用模型，避免重复编译，从而大大提高机器学习算法实现的效率，缩短了从编译到得到执行结果的时间。
通用机器学习模型文件生成方法装置存储介质