“模型融合”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916748个，建议您升级VIP下载更多相关专利

[发明专利]一种基于机器学习模型融合的合金性能预测方法-CN202210520442.3在审
发明人：杨煜;李吉宝;李永灿;肖晓;刘译文;孟祥鹏;刘亚丽 -专利权人：宁波博威合金材料股份有限公司;宁波博威新材料有限公司;宁波博威合金板带有限公司
申请日： 2022-05-13 - 公布日： 2022-08-12 - 主分类号： G16C20/30 文献下载
摘要：本发明公开了一种基于机器学习模型融合的合金性能预测方法，通过数据挖掘合金成分‑加工工艺‑性能的历史数据，将机器学习中的boosting融合和stacking融合协同，其中boosting融合可以提升模型的准确度、减少偏差，stacking融合可以使模型更稳健，通过这两种模型协同，可以达到不同模型取长补短的效果，通过训练过程融合到训练结果融合，进而构建“成分‑加工工艺‑性能”之间的关系，实现根据成分、加工工艺预测合金性能的目的本发明解决了单一机器学习模型准确率低、泛化能力弱的问题，综合个体学习机器的优势，降低模型的预测误差，优化整体模型的性能，与单一的数据融合方法相比，具有更优的模型表现。
一种基于机器学习模型融合合金性能预测方法

[发明专利]一种多光谱图像的渐变融合模型建立方法及融合方法-CN202211542947.6在审
发明人：李艳;田杰;余鹏;任佳;杜进桥 -专利权人：深圳供电局有限公司
申请日： 2022-12-02 - 公布日： 2023-05-12 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种多光谱图像的渐变融合模型建立方法，包括：构建一基于深度可分离卷积的光照感知子网络并训练；构建一基于深度保分离卷积的渐变融合模型，并建立训练集；对渐变融合模型进行训练；并计算辅助强度损失值、纹理损失值以及光照损失值；对所述损失值进行加权处理，获得综合损失值，以调整所述渐变融合模型中各模块的参数；采用训练集继续对渐变融合模型进行训练，直到所述综合损失值收敛，获得训练好的渐变融合模型。本发明还公开了相应的图像融合方法。实施本发明，可以降低多光谱图像的渐变融合模型的计算量，并使融合后图像兼顾细节纹理信息和热能目标信息。
一种光谱图像渐变融合模型建立方法

[发明专利]跨模态特征融合模型训练方法、融合方法、装置及设备-CN202310552691.5在审
发明人：陈苏;赵宁;赵悦楷;王东安;吕青;周毅;石光;吴志敏 -专利权人：国家计算机网络与信息安全管理中心
申请日： 2023-05-16 - 公布日： 2023-09-05 - 主分类号： G06V10/80 文献下载
摘要：本公开涉及一种跨模态特征融合模型训练方法、融合方法、装置及设备。本公开通过对待训练的跨模态特征融合模型进行训练，得到跨模态特征融合模型，进而基于跨模态特征融合模型对图像文本对进行对齐融合时，提高了图像文本对齐融合的准确性，提升了图像文本对齐融合的推理速度，即提高了视觉和语言任务准确率
跨模态特征融合模型训练方法装置设备

[发明专利]一种基于模型融合的烤烟工艺阶段预测方法及系统-CN202210441375.6在审
发明人：刘小伟;夏天;喻鸿;刘竞;黄金国 -专利权人：华中科技大学
申请日： 2022-04-25 - 公布日： 2022-09-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明属于烟叶烘烤技术领域，公开了一种基于模型融合的烤烟工艺阶段预测方法及系统，包括：构建并训练融合LightGBM模型、GRU模型、CNN模型的烤烟预测模型，并获取烟叶烘烤过程中的图像、温湿度、失水量数据，利用训练好的融合LightGBM模型、GRU模型、CNN模型的烤烟预测模型基于预处理后烟叶烘烤过程中的图像、温湿度、失水量数据进行烤烟工艺阶段的预测。本发明模型融合技术训练融合模型，利用训练好的融合模型进行烟叶烘烤工艺阶段预测可以做到烟叶实时预测，提高了预测准确率和预测效率，同时降低了烘烤人员的工作强度、节约人力成本。
一种基于模型融合烤烟工艺阶段预测方法系统

[发明专利]融合模型构建方法、融合模型使用方法、装置和电子设备-CN202110819549.3有效
发明人：黄翀 -专利权人：中国科学院地理科学与资源研究所
申请日： 2021-07-20 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种融合模型构建方法、融合模型使用方法、装置和电子设备，涉及遥感影像处理技术领，融合模型构建方法包括：根据目标作物群的遥感分类知识构建静态知识图谱；根据各个时间点的静态知识图谱，构建动态知识图谱；将动态知识图谱与深度学习模型进行融合，得到融合模型，其中，融合模型用于对目标作物群的作物类型进行分类。本申请实施例根据需要进行作物类型分类的作物群的遥感分类知识进行知识图谱的构建，通过将知识图谱与深度学习模型进行融合训练，能够提高融合模型对作物类型进行分类的准确率，为智慧农业发展提供支撑。
融合模型构建方法使用方法装置电子设备

[发明专利]一种采用多模型多系统对目标跟踪定位的方法-CN201811230475.4在审
发明人：张晓光;马欣鑫;邓平科;巩应奎;吴海涛 -专利权人：中国科学院光电研究院;青岛市光电工程技术研究院(中国科学院光电研究院青岛光电工程技术研究中心)
申请日： 2018-10-22 - 公布日： 2019-04-09 - 主分类号： G01S19/42 文献下载
摘要：本申请公开了一种采用多模型多系统对目标跟踪定位的方法，其特征在于，包括：多系统多模型建模；多系统多模型交互式定位滤波及矢量融合，包括：多模型融合概率计算及多模型状态矢量融合；多模型多系统概率计算及多模型多系统滤波；各模型多系统融合；多系统下的各模型概率计算及各模型状态矢量融合。本申请针对单一系统定位范围有限，单一模型描述运动状态不准确引起的导航定位性能受限，提出了从运动模型、观测系统两个维度，采用多模型多系统对目标进行跟踪定位的算法。该算法将多模型和多系统的定位结果按照模型概率、系统概率进行加权融合，很好的发挥了多系统共同定位和多模型并行建模定位的性能优势。
多系统矢量融合概率计算模型概率模型状态目标跟踪算法并行建模单一系统导航定位定位结果观测系统加权融合模型建模模型描述模型融合系统概率性能受限性能优势运动模型运动状态滤波维度申请跟踪

[发明专利]一种通用的时序预测方法、装置、设备和存储介质-CN202210399968.0在审
发明人：孟战;昝云飞;徐红;纪传俊;纪达麒;陈运文 -专利权人：达而观科技（北京）有限公司
申请日： 2022-04-15 - 公布日： 2022-07-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例公开了一种通用的时序预测方法、装置、电子设备和存储介质，包括：获取样本数据，其中，样本数据的类型包括中长期样本数据或短期样本数据；根据样本数据的类型确定指定融合模型，其中，指定融合模型包括轻量级梯度提升机LGB模型与滑动平均模型的第一融合模型，或者整合移动平均自回归ARIMA模型与滑动平均模型的第二融合模型；将样本数据输入指定融合模型获取时序预测数据。通过样本数据的类型确定指定融合模型，并采用不同的指定融合模型对所适匹配的样本数据进行预测，提高了时序预测的准确性，满足了用户针对不同场景的预测需求。
一种通用时序预测方法装置设备存储介质

[发明专利]基于多维度模型融合框架的主体状态识别方法及装置-CN202210799979.8在审
发明人：宋孟楠;王磊 -专利权人：上海淇玥信息技术有限公司
申请日： 2022-07-06 - 公布日： 2022-11-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于多维度模型融合框架的主体状态识别方法、装置和电子设备，识别方法将历史主体的数据划分为多个维度的数据集；将数据集中的数据子集进行多维度组合，得到多个组合集；根据组合集分别训练识别模型，获得包含多个识别模型的模型集合；对模型集合中的识别模型进行融合，获得融合识别模型；通过融合识别模型对待识别主体进行识别，以确定待识别主体的状态。本方案对多个维度的数据分别建立识别模型进行融合，得到融合识别模型，通过融合识别模型确定待识别主体的状态，能够快速准确的对待识别主体的状态进行监督评价，及时生成预警信息，从而保证主体以及服务平台的信息安全
基于多维模型融合框架主体状态识别方法装置

[发明专利]基于深度学习融合模型的机组出力预测及置信评估方法-CN202110134578.6有效
发明人：陈光宇;孙叶舟;张仰飞;郝思鹏;刘海涛;何泽皓 -专利权人：南京工程学院
申请日： 2021-01-29 - 公布日： 2021-10-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于深度学习融合模型的机组出力预测及置信评估方法，包括如下步骤：S1、获取电网目标机组历史数据；S2、融合模型输入数据进行预处理；S3、构建基于DIndRNN和RVM的深度融合模型；S4、采用融合模型对机组出力进行预测并计算置信度；S5、通过调用融合模型实现对AGC指令的修正；S6、融合模型动态更新。本发明通过构建并调用融合模型，完成对AGC计算指令的修正，调控机组能够精准执行AGC计算指令值，使AGC控制方案实现预想控制效果。
基于深度学习融合模型机组出力预测置信评估方法

[发明专利]一种模型的处理方法、装置及设备-CN201811241720.1在审
发明人：鲍晟霖;王维强;许辽萨;赵闻飙;袁锦程;易灿 -专利权人：阿里巴巴集团控股有限公司
申请日： 2018-10-24 - 公布日： 2019-04-09 - 主分类号： G06K9/62 文献下载
摘要：本说明书实施例公开了一种模型的处理方法、装置及设备，所述方法包括：获取待融合的目标模型，以及构建所述目标模型的过程中产生的第一备选模型；从所述第一备选模型中，选取满足预定筛选条件的第二备选模型，所述预定筛选条件用于筛选与所述目标模型进行模型融合的模型；将选取的所述第二备选模型与所述目标模型进行模型融合，以确定模型效果优于所述目标模型的融合模型。
目标模型备选装置及设备模型融合筛选条件模型效果融合构建筛选

[发明专利]一种多源异构地理实体模型的融合金字塔处理方法-CN202210430793.5在审
发明人：魏友保;张巍;梁波;仇帅 -专利权人：南京泛在地理信息产业研究院有限公司;江苏兰德数码科技有限公司
申请日： 2022-04-22 - 公布日： 2022-11-01 - 主分类号： G06F16/29 文献下载
摘要：本发明提供一种多源异构地理实体模型的融合金字塔处理方法，所述处理方法包括如下步骤：步骤A10，将地理实体进行多源异构数据的分类，将地理实体的数据分为编码数据、几何数据、过程数据以及属性数据；步骤A20，设置横向数据融合模型、纵向数据融合模型以及混合数据融合模型；步骤A30，根据横向数据融合模型、纵向数据融合模型以及混合数据融合模型对分类后的地理实体数据进行融合，本发明通过对地理实体的数据进行分类处理，
一种多源异构地理实体模型融合金字塔处理方法

[发明专利]一种基于模型融合的素描作品评级方法及装置-CN202110893116.2在审
发明人：余松森;卢林娜;梁军 -专利权人：华南师范大学
申请日： 2021-08-04 - 公布日： 2021-10-29 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于模型融合的素描作品评级方法及装置。本发明所述的基于模型融合的素描作品评级方法包括：获取待评级的素描作品；构建素描作品评级模型，所述素描作品评级模型由第一子模型和第二子模型融合得到，其中，所述第一子模型为ResNeSt模型，所述第二子模型为LSTM模型；将所述待评级的素描作品输入所述素描作品评级模型，得到所述素描作品的评级结果。本发明所述的一种基于模型融合的素描作品评级方法基于ResNeSt和LSTM迁移模型，将模型融合结果进行加权平均得到最终结果，具有结果更加稳定可靠的优点。与前述方法对应，本发明还提供一种基于模型融合的素描作品评级装置。
一种基于模型融合素描作品评级方法装置

[发明专利]一种模型计算方法、装置及设备-CN202211669086.8在审
发明人：张海俊;姚文军;汪锦想;魏岩;凌震华 -专利权人：中国科学技术大学
申请日： 2022-12-23 - 公布日： 2023-04-14 - 主分类号： G06N3/063 文献下载
摘要：本申请公开了一种模型计算方法、装置及设备，能够应用于神经网络模型的加速计算，将神经网络模型的计算图进行节点拆分，获取单一节点；识别单一节点并确认可融合节点；将多个可融合节点融合生成融合节点；将融合节点替代多个可融合节点，并通过融合节点实现神经网络模型的计算。采用本申请提供的技术方案，能够大大提高神经网络模型的计算速度，并大量提高CPU效能，实现神经网络模型的高效计算。
一种模型计算方法装置设备

[发明专利]构建近地表结构模型的方法和装置-CN201911079918.9在审
发明人：杨智超;周晓冀;王雪梅;胡峰;陈宇;杜文军 -专利权人：中国石油天然气集团有限公司;中国石油集团东方地球物理勘探有限责任公司
申请日： 2019-11-07 - 公布日： 2021-05-11 - 主分类号： G01V1/28 文献下载
摘要：本说明书提供一种构建近地表结构模型的方法和装置，前述方法包括：获取多种待融合近地表结构模型的近地表结构数据；多种待融合近地表结构模型包括微测井近地表结构模型、小道距层析地表结构模型和大炮层析地表结构模型、浅层反射地表结构模型、地质雷达地表结构模型中的至少两种；获取各个待融合近地表结构模型在坐标区间的加权参数；根据每个待融合近地表结构模型在各坐标区间的加权参数，对对应坐标区间的近地表结构数据进行加权计算，获得融合近地表结构模型。通过加权求和计算得到的近地表结构数据融合了不同近地表结构模型的优点，使得融合后的近地表结构模型对近地表的刻画更接近真实情况。
构建地表结构模型方法装置

[发明专利]一种循环裁剪分割与多模型融合的视盘分割方法及装置-CN202211731070.5在审
发明人：徐勇;孙赢利 -专利权人：哈尔滨工业大学（深圳）
申请日： 2022-12-30 - 公布日： 2023-04-07 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种循环裁剪分割与多模型融合的视网膜视盘分割方法及装置。该方法包括：收集视盘分割数据集；挑选适合视盘分割的深度学习神经网络；循环先裁减后分割视盘；综合分析各个神经网络模型的优点，进行模型融合。本发明使用多种不同的神经网络模型，多种模型融合方案，在多个视盘分割数据集上进行训练，测评各个模型及模型融合的分割效果。实验结果表明，与任何单个子网络模型相比，模型融合方案取得更好的分割效果。
一种循环裁剪分割模型融合视盘方法装置