“离线训练”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371792个，建议您升级VIP下载更多相关专利

[发明专利]基于yolov3和卷积神经网络的多目标定位方法-CN202210786206.6在审
发明人：颜俊;钱琛;曹艳华 -专利权人：南京邮电大学
申请日： 2022-07-04 - 公布日： 2022-10-11 - 主分类号： G06T7/73 文献下载
摘要：本发明提供了一种基于yolov3和卷积神经网络的多目标定位方法，包括离线训练阶段和在线定位阶段，离线训练阶段划分子区域，获取训练数据；利用yolov3网络训练rgb色彩图建立目标检测模型；根据目标检测结果对深度图像进行分割和图像融合，得到训练数据指纹；最后利用卷积神经网络得到位置估计模型；在线定位阶段，利用目标检测模型进行图像融合得到在线数据指纹；确定每个目标的位置估计模型，得到目标位置。本发明通过yolov3网络和卷积神经网络经离线训练阶段建立位置估计模型，并对深度图像进行切割和融合，提取训练定位指纹，经在线阶段利用在线定位指纹和位置估计模型，完成多目标定位，解决了现有目标定位方法预测灵活性不足
基于 yolov3 卷积神经网络多目标定位方法

[发明专利]面向兵力博弈对抗的BC-QMIX离在线多智能体行为决策建模方法-CN202310079296.X在审
发明人：李妮;王泽;龚光红 -专利权人：北京航空航天大学
申请日： 2023-01-18 - 公布日： 2023-04-14 - 主分类号： G06F30/20 文献下载
摘要：离在线多智能体行为决策建模方法，包括：构建BC‑QMIX行为决策模型，包括上层的混合状态‑动作价值网络以及底层的子智能体网络，子智能体网络包括动作价值网络和行为克隆网络；设计动作选择策略，通过行为克隆网络限制训练过程中智能体的动作选择，只考虑实际出现在样本数据集中的动作，而不是考虑动作空间中所有可能的动作；进行离线和在线训练：基于已有兵力博弈对抗领域知识采集仿真样本数据集的离线预训练；在线环境下更新样本数据集，进行在线的优化训练；将训练好的该方法能够加速行为决策模型网络训练和收敛，缓解标准QMIX模型离线训练的外推误差。
面向兵力博弈对抗 bc qmix 在线智能行为决策建模方法

[发明专利]基于强化学习的分布式任务卸载方法、装置和存储介质-CN202310196393.7在审
发明人：杨磊;林泓材 -专利权人：华南理工大学
申请日： 2023-03-02 - 公布日： 2023-07-21 - 主分类号： G06F9/445 文献下载
摘要：，其中方法包括：对系统进行建模，利用系统模型定义优化问题；将优化问题转化为分布式部分观测的马尔科夫决策过程，确定观测、动作和奖励；在系统中部署启发式算法，收集任务运行日志；根据收集的任务运行日志，利用离线训练算法训练Actor、Critic模型；将离线阶段训练的Actor、Critic模型部署到系统中；在系统运行过程中，根据在线微调算法更新Actor、Critic模型。本发明在离线阶段，利用启发式方法的任务运行日志训练一个离线强化学习模型来热启动模型，在系统运行过程中，根据在线微调算法更新模型，提高模型的性能。本发明可广泛应用于计算卸载技术领域。
基于强化学习分布式任务卸载方法装置存储介质

[发明专利]基于离线强化学习的任务型对话方法和系统-CN202310161157.1在审
发明人：熊艺华 -专利权人：重庆特斯联启智科技有限公司
申请日： 2023-02-23 - 公布日： 2023-06-23 - 主分类号： G06F16/332 文献下载
摘要：本发明提供一种基于离线强化学习的任务型对话方法和系统，属于智能对话技术领域。本发明基于离线强化学习的方法来训练对话机器人，不需要在线训练，因此可以仅使用大量开源的对话语料，即可进行离线强化学习的训练，几乎不会出现较大偏差，数据利用率高、训练效率高。并且，离线强化学习隐含地处理了分布转移，因此可以消除对限制性先验因素的需要。
基于离线强化学习任务对话方法系统

[发明专利]一种基于离线高斯模型的目标检测分割方法及系统-CN202010901955.X有效
发明人：王红星;陈晟;沈杰;吴媚;陈玉权;黄郑;张欣;黄祥;宋煜 -专利权人：江苏方天电力技术有限公司
申请日： 2020-09-01 - 公布日： 2022-06-10 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种基于离线高斯模型的目标检测分割方法，包括：利用训练集训练Mask R‑CNN模型，合并各个训练图像中的候选区域框和真实物体框作为更新候选区域框；对各个训练图像的更新候选区域框进行特征提取，采用离线计算的方式，利用提取的特征以及所含物体的类别对中心矩阵、方差和样本数量进行更新；对测试图像的候选区域框进行特征提取，基于高斯计算模型计算候选区域框在第i类别上的概率值，将计算得到的概率值与Softmax分类器的输出结果的平均值作为目标检测分割结果进行输出；使用离线高斯模型去增强Mask R‑CNN中的分类器，结合离线高斯模型和Softmax分类器实现样本对不均衡数据的分类，简单易行，应用范围广，能够有效的提高目标检测分割的精度
一种基于离线模型目标检测分割方法系统

[发明专利]机器人重力位姿分解的关节误差离线补偿方法、系统及终端-CN202111544653.2有效
发明人：杨吉祥;谭世忠;丁汉 -专利权人：华中科技大学
申请日： 2021-12-16 - 公布日： 2023-10-24 - 主分类号： B25J9/16 文献下载
摘要：本发明属于机器人技术领域，公开了一种机器人重力位姿分解的关节误差离线补偿方法、系统及终端，在工作空间中生成均匀的随机点，然后使用非对称样条差值法得到训练集轨迹，通过在机器人上实际运行得到运动时对应的关节实际位置；将得到的机器人关节理论位置使用非线性处理提取其运动特征，并将末端的负载分解至每个关节，计算得到运行该轨迹时的关节误差；根据构建深度学习模型，对关节跟踪误差进行训练；使用训练好的模型对需要补偿的加工轨迹进行离线预测得到其运动误差，对该轨迹进行离线补偿。本发明采集机器人在训练集轨迹上的关节运动误差，通过深度学习模型拟合包括非线性误差在内的关节误差，相对于现有的离线补偿方法，补偿过程简单，补偿精度高。
机器人重力分解关节误差离线补偿方法系统终端

[发明专利]基于离线模型预训练学习的DDPG算法的机器人控制方法-CN202011429368.1有效
发明人：张茜;王洪格;姚中原;戚续博 -专利权人：中原工学院
申请日： 2020-12-07 - 公布日： 2022-12-09 - 主分类号： G06F30/27 文献下载
摘要：本发明提出了一种基于离线模型预训练学习的DDPG算法的机器人控制方法，其步骤如下：收集离线环境下2D假人的训练数据，对训练数据进行预处理得到训练数据集；构建并初始化人工神经网络并初始化参数；利用训练数据集离线预训练评估网络和动作网络；利用预训练后的评估网络初始化目标网络，智能体将状态转换数据存入存储缓冲器作为训练在线网络的在线数据集；利用在线数据集训练在线策略网络和在线Q网络，利用DDQN结构更新在线策略网络和在线Q网络；软更新，
基于离线模型训练学习 ddpg 算法机器人控制方法

[发明专利]主动风险实时识别模型的训练方法和装置-CN201810718508.3有效
发明人：程羽;刘腾飞;夏威;陆毅成;郝嘉然;刘晓韵;陆逊;陈弢 -专利权人：创新先进技术有限公司
申请日： 2018-07-03 - 公布日： 2021-07-30 - 主分类号： G06K9/62 文献下载
摘要：本说明书提供一种主动风险实时识别模型的训练方法，包括：根据至少一种离线异常检测模型的输出为历史业务行为打上标记，生成带有标记的历史业务行为集合；所述离线异常检测模型的输入包括历史业务行为的离线特征，输出为历史业务行为属于异常的可能性；基于带有标记的历史业务行为集合，采用半监督学习方法生成带有标记的训练样本集；以带有标记的训练样本集对主动风险实时识别模型进行训练；所述主动风险识别实时模型的输入包括实时业务行为的实时特征，输出为实时业务行为具有主动风险的可能性
主动风险实时识别模型训练方法装置

[发明专利]离线导航的定制和实现方法及装置-CN201811590577.7有效
发明人：甘津瑞;邓建凯;张顺 -专利权人：苏州思必驰信息科技有限公司
申请日： 2018-12-25 - 公布日： 2020-07-10 - 主分类号： G10L13/02 文献下载
摘要：本发明公开离线导航的定制和实现方法及装置，其中，一种离线导航的定制方法，包括：响应于开发者开发离线导航技能，加载内置的第一语音识别模型和第一语义理解模型；获取开发者增加的新的功能和定制的对话逻辑；响应于开发者发布所述离线导航技能，训练与所述新的功能关联的第二语音识别模型和第二语义理解模型，训练与所述对话逻辑关联的对话模型，并将所述第一语音识别模型、第一语义理解模型、所述第二语音识别模型、所述第二语义理解模型和所述对话模型共同生成离线导航包本申请的方案能够实现一整套离线导航的语音对话功能并支持开发者的个性化定制。
离线导航定制实现方法装置

[发明专利]离线手写签名鉴别方法及系统-CN201611122474.9有效
发明人：詹恩奇;李亚婷;郑建彬;汪阳;华剑 -专利权人：武汉理工大学
申请日： 2016-12-08 - 公布日： 2020-11-17 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种离线手写签名鉴别方法及系统，包括以下步骤：S1、离线签名样本库中的离线签名样本进行预处理；S2、对预处理后的签名图像进行多个特征的提取，包括矩特征、局部二值模式特征、灰度共生矩阵特征和脉冲耦合神经网络特征；S3、对提取的离线签名样本的多个特征进行训练，得到训练后的标准样本库；S4、获取待测签名，并对待测签名进行预处理，得到待测签名的多个特征；S5、将待测签名的多个特征与标准样本库中离线签名样本的对应特征进行匹配本发明可以有效对离线待测签名进行较准确的鉴别。
离线手写签名鉴别方法系统

[发明专利]用于车辆定位的视觉信息融合系统及方法-CN201910332583.0在审
发明人：苏岩 -专利权人：苏州感测通信息科技有限公司
申请日： 2019-04-24 - 公布日： 2019-08-13 - 主分类号： G06K9/62 文献下载
摘要：本发明揭示了一种用于车辆定位的视觉信息融合系统及方法，系统包括车载视觉传感器模块、在线视觉信息处理模块以及离线训练模块，所述车载视觉传感器模块的输出端分别与所述在线视觉信息处理模块的输入端以及所述离线训练模块的输入端信号连接，所述离线训练模块用于训练所提出的深度神经网络，并将训练阶段得到的网络参数复制给在线视觉信息处理模块。
视觉传感器模块离线训练模块视觉信息处理车辆定位融合系统视觉信息图像信息单一传感器视觉传感器输入端信号定位系统神经网络网络参数训练阶段输出端输入端有效地算法复制采集

[发明专利]一种配电自动化终端在线检测方法和装置-CN202010316155.1在审
发明人：曾瑞江;杨世哲;黄缙华;李玎;邓志;姚航;沈都泽 -专利权人：广东电网有限责任公司电力科学研究院
申请日： 2020-04-21 - 公布日： 2020-08-18 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种配电自动化终端在线检测方法和装置，通过构建配电自动化终端的离线数据的递阶层次结构，进而构造判断矩阵；基于判断矩阵计算递阶层次结构中各层的权重系数，进而计算离线数据的评估得分；基于评估得分对离线数据进行标注，得到训练数据；将训练数据输入到SVM，对SVM进行训练，得到训练好的SVM模型；将采集的在线测试数据输入到训练好的SVM模型，输出在线测试数据的检测结果，解决了现有的配电自动化终端检测方法人工干预环节多
一种配电自动化终端在线检测方法装置

[发明专利]一种基于网络流量属性有向拓扑的网络攻击检测方法-CN202210020428.7在审
发明人：张超;卢巍;姚启桂;吴振杰;孙伟乐;章杰伦;曹张洁;周依希;王立建;姜辰;郭抒然;黄铭;陈忆瑜;张黎;张若伊;朱鎏 -专利权人：国网浙江省电力有限公司杭州供电公司
申请日： 2022-01-10 - 公布日： 2022-05-27 - 主分类号： H04L9/40 文献下载
摘要：本发明提出了一种基于网络流量属性有向拓扑的网络攻击检测方法，包括：采集离线网络信息和在线网络信息，分别对离线网络信息和在线网络信息进行数据预处理；根据数据预处理后的离线网络信息，构建离线网络有向拓扑图和离线流量属性特征向量；构建基于图注意力机制的网络攻击检测模型，将离线网络有向拓扑图和离线流量属性特征向量输入网络攻击检测模型中进行训练；根据数据预处理后的在线网络信息，构建在线网络有向拓扑图和在线流量属性特征向量并输入训练好的网络攻击检测模型
一种基于网络流量属性拓扑网络攻击检测方法

[发明专利]一种基于遥感图像的烟囱和冷凝塔检测方法-CN201710379385.0在审
发明人：姜志国;张浩鹏;姚远;赵丹培;谢凤英;罗晓燕;史振威;尹继豪 -专利权人：北京航空航天大学
申请日： 2017-05-25 - 公布日： 2018-06-29 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于遥感图像的烟囱和冷凝塔检测方法，包括：对遥感图像进行分块，将分块后的图像输入到预先训练好的离线训练模型中，利用离线训练模型中训练好的区域建议网络产生候选框以及候选框对应的目标性得分；基于目标性得分，利用非极大值抑制法以及目标性得分阈值对候选框进行筛选，得到目标候选框；将目标候选框中的图像输入到离线训练模型中训练好的快速区域卷积神经网络中进行目标检测，得到烟囱、冷凝塔和背景对应的分类得分以及目标框
候选框离线训练遥感图像冷凝塔目标框目标性烟囱非极大值抑制图像输入分块分类检测卷积神经网络筛选检测结果快速区域目标检测检测率网络

[发明专利]一种图像分类模型的组合方法、装置及计算机存储介质-CN202210298347.3在审
发明人：代舜;李瑞杰;吕腾;陈军民;林乐;许飞扬;彭木兴;陶雪莲;莫良伟;宋健;王杰 -专利权人：宝德计算机系统股份有限公司
申请日： 2022-03-24 - 公布日： 2022-07-29 - 主分类号： G06V10/774 文献下载
摘要：本申请方法包括：获取至少两个已被训练完成的用于图像分类的离线模型；将第一离线模型及第二离线模型融合为组合模型；将第一训练数据集及第二训练数据集输入组合模型进行训练；根据第一训练数据集及第二训练数据集归属第一图像类别及第二图像类别的概率值以及组合模型的损失函数计算损失值
一种图像分类模型组合方法装置计算机存储介质