“网络训练”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1091524个，建议您升级VIP下载更多相关专利

[发明专利]面向红外图像对抗攻击的多任务防御模型构建方法-CN202011452699.7有效
发明人：李莉;赵云明;林国义 -专利权人：同济大学
申请日： 2020-12-11 - 公布日： 2023-04-07 - 主分类号： G06V10/774 文献下载
摘要：本发明提供面向红外图像对抗攻击的多任务防御模型构建方法，包括：根据获取到的红外图像数据集确定训练数据集和测试数据集；建立目标网络模型和附加网络模型，对目标网络模型和附加网络模型进行训练，根据训练获得的最优目标网络模型和最优附加网络模型的参数构建多任务防御模型并进行训练，训练完成获得最优多任务防御模型。本发明利用目标网络和附加网络之间进行参数共享，使目标网络在不牺牲原本分类精度的基础上，拥有附加网络的降噪和抗扰动能力；附加网络和目标分类网络会通过联合训练的方式进行信息交互，而不是仅对附加网络进行单独训练，网络应用泛化性高，提升目标网络的鲁棒性。
面向红外图像对抗攻击任务防御模型构建方法

[发明专利]模型联合训练方法、装置以及存储介质-CN202210779266.5在审
发明人：王慧芬;张园;杨明川 -专利权人：中国电信股份有限公司
申请日： 2022-07-04 - 公布日： 2022-09-20 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种模型联合训练方法、装置以及存储介质，其中的方法包括：使用训练样本对编码器网络模型和第一目标任务网络模型进行训练，得到训练好的编码器网络模型以及对应的编码网络参数、训练好的第一目标任务网络模型以及对应的第一网络参数；依次将多个任务网络模型中的各个其它任务网络模型设置为第二目标任务网络模型，在保持编码网络参数的状态下，依次对各个第二目标任务网络模型进行训练，获得训练好的各个第二目标任务网络模型以及对应的第二网络参数本公开提高了模型训练速度，降低了训练复杂度，并且能够满足不同任务对于数据质量的需求，提高了任务网络模型的处理精度，提高了用户的使用感受度。
模型联合训练方法装置以及存储介质

[发明专利]交易风控网络的训练方法及装置、交易风险检测方法-CN201911171026.1有效
发明人：肖凯 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2019-11-26 - 公布日： 2022-05-31 - 主分类号： G06Q10/06 文献下载
摘要：本公开涉及机器学习领域，具体提供了一种交易风控网络的训练方法及装置、交易风险检测方法。交易风控网络包括第一风险预测网络和第二风险预测网络，第一风险预测网络为决策树网络，训练方法包括：获取第二时间段内采集到的最新的交易数据集；将最新的交易数据集输入已训练的第一风险预测网络，得到第一风险预测网络预测输出的各交易样本对应的第一训练特征和第二训练特征；将第一训练特征和第二训练特征输入已训练的第二风险预测网络，根据第二风险预测网络预测输出的交易风险分值和标签信息的损失，对第二风险预测网络中第一训练特征对应的网络参数进行调整，得到调整后的第二风险预测网络本公开方法可有效解决风控网络的概念漂移。
交易网络训练方法装置风险检测

[发明专利]活体检测模型的训练方法、装置、计算机设备和存储介质-CN201910958191.5有效
发明人：赵娅琳;陆进;陈斌;宋晨 -专利权人：平安科技（深圳）有限公司
申请日： 2019-10-10 - 公布日： 2023-08-01 - 主分类号： G06V40/40 文献下载
摘要：本申请涉及人工智能领域，提供了一种活体检测模型的训练方法、装置、计算机设备和存储介质。方法包括：获取包括初始候选区域生成网络及初始活体分类网络的初始活体检测模型；根据第一训练样本集训练初始候选区域生成网络，得到第一候选区域生成网络；根据第一候选区域生成网络及第二训练样本集训练初始活体分类网络，得到第一活体分类网络；根据第一候选区域生成网络、第一活体分类网络及第二训练样本集，得到当前活体位置信息；根据当前活体位置信息及目标活体位置信息的差异调整第一候选区域生成网络的参数并继续训练，得到目标候选区域生成网络；根据目标候选区域生成网络及第二训练样本集训练第一活体分类网络，得到目标活体分类网络。
活体检测模型训练方法装置计算机设备存储介质

[发明专利]网络搜索方法及装置、电子设备、存储介质-CN202211585344.4在审
发明人：才贺;张召凯;冯天鹏 -专利权人： OPPO（重庆）智能科技有限公司
申请日： 2022-12-09 - 公布日： 2023-03-28 - 主分类号： G06N3/082 文献下载
摘要：本公开实施例是关于一种网络搜索方法及装置、电子设备、存储介质，涉及网络搜索技术领域，该网络搜索方法包括：对超网络中进行训练获取中间网络，并基于核尺寸对所述中间网络进行训练，获取训练后的中间网络；通过确定学习率以及调整深度选择空间的自适应搜索模块，对所述训练后的中间网络进行深度搜索训练，获取深度网络；通过确定学习率以及调整宽度选择空间的自适应搜索模块，对所述深度网络进行宽度搜索训练，以进行网络搜索。本公开实施例中的技术方案，能够提高网络的精准性。
网络搜索方法装置电子设备存储介质

[发明专利]图像增强网络的训练方法和训练模型、及图像增强方法-CN201811252613.9在审
发明人：周铭柯;李志阳;张伟;李启东;许清泉 -专利权人：厦门美图之家科技有限公司
申请日： 2018-10-25 - 公布日： 2019-01-22 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了图像增强网络的训练方法和训练模型、及图像增强方法。其中，图像增强网络的训练方法包括步骤：获取多个训练图像对；将训练图像对中的第一图像输入到预训练的图像生成网络，经多次卷积处理后输出图像，并按照第一损失函数计算输出图像相对于训练图像对中对应第二图像的第一损失值；将输出图像输入到预训练的图像判别网络，经多次卷积处理后输出判别值，并按照第二损失函数计算该判别值相对于预设标签值的第二损失值；结合第一、第二损失值来更新图像生成网络和图像判别网络的网络参数，直到第一损失值和第二损失值的总和满足预定条件时，训练结束，得到训练后的图像生成网络，作为训练好的图像增强网络。
图像增强网络训练图像卷积处理输出图像损失函数图像判别图像生成训练模型计算输出图像更新图像图像输入网络参数预定条件预设标签图像输出

[发明专利]基于限幅器的神经网络训练方法及其应用-CN202011567835.7有效
发明人：刘向阳;褚健淳;何茂刚 -专利权人：西安交通大学
申请日： 2020-12-25 - 公布日： 2023-04-07 - 主分类号： G06N3/048 文献下载
摘要：本发明公开了一种基于限幅器的神经网络训练方法及其应用，所述神经网络训练方法包括：将实验数据作为训练集训练神经网络；通过训练后的神经网络预测未知状况下待预测量的值；设定限幅器的上下限，将超过限幅器上限的预测结果改为限幅器的上限，将低于限幅器下限的预测结果改为限幅器的下限，将修改后的结果纳入训练集；通过新训练集重新训练神经网络；神经网络预测结果均在限幅器上下限范围内则结束训练，否则建立新训练集，重新训练神经网络，重复直到神经网络预测结果均在限幅器上下限范围内本发明具有在实验数据较少的情况下建立较高预测精度神经网络的优点。
基于限幅器神经网络训练方法及其应用

[发明专利]基于双流深度网络的农田识别方法、装置及存储介质-CN202111444187.0在审
发明人：翟晗;谢佳军;马欣悦;胡克林;王梨名;武亚明;王紫琨;祁昆仑;杨超;赵杰 -专利权人：中国地质大学（武汉）
申请日： 2021-11-30 - 公布日： 2022-03-01 - 主分类号： G06V20/10 文献下载
摘要：本发明提供一种基于双流深度网络的农田识别方法、装置及存储介质，该方法包括：获取第一训练集和第二训练集；构建基于D‑LinkNet的农田语义分割网络；利用第一训练集对农田语义分割网络进行训练，获得训练好的农田语义分割网络；构建基于DexiNed的农田边缘检测网络；利用第二训练数据集对农田边缘检测网络进行训练，获得训练好的农田边缘检测网络；将待识别农田遥感影像分别输入训练好的农田语义分割网络和训练好的农田边缘检测网络，基于膨胀预测方法进行全图预测本发明基于双流深度网络提高了农田地块识别的准确性，实现农田地块高精度识别。
基于双流深度网络农田识别方法装置存储介质

[发明专利]模型训练方法、装置、设备及存储介质-CN202310673422.4在审
发明人：杨志雄;杨延展 -专利权人：抖音视界有限公司
申请日： 2023-06-07 - 公布日： 2023-08-29 - 主分类号： G06N3/045 文献下载
摘要：本公开实施例提供了一种模型训练方法、装置、设备及存储介质，用于训练多模态融合网络。获取多模态数据；其中，所述多模态数据包括图像数据、文本数据及音频数据中至少两种模态的数据；将所述多模态数据依次输入所述多模态融合网络，输出多模态数据处理结果；基于所述多模态数据处理结果训练所述多模态适配子网络、模态融合子网络及目标任务子网络中的至少一项，获得训练后的多模态融合网络。本公开实施例提供的模型训练方法，训练多模态融合网络中除预训练多模态子网络外的其他子网络，能够有效降低训练所需内存和显存等资源，同时又能利用预训练好的大模型，可以极大的节省计算资源及时间，从而提高多模态融合网络的训练及部署效率
模型训练方法装置设备存储介质

[发明专利]一种基于双向生成式对抗神经网络的锂电池建模方法-CN202310912124.6在审
发明人：吕炳霖;刘勇超;田晓;李文芳;张帝;张涛;张佳云;赵冠;程婷婷;张亚萍 -专利权人：国网山东省电力公司营销服务中心（计量中心）
申请日： 2023-07-24 - 公布日： 2023-10-24 - 主分类号： G01R31/367 文献下载
摘要：本发明属于锂电池技术领域，提出了一种基于双向生成式对抗神经网络的锂电池建模方法及系统，对锂离子电池进行充放电测试，包括：获取测试过程中的数据，组成初始训练数据集；构建双向生成式对抗神经网络，初始化网络参数，双向生成式对抗神经网络包括生成网络G、解码网络E和判别网络D；随机选取初始训练数据集中的数据对双向生成式对抗神经网络进行初始训练，得到训练好的生成网络G；将初始训练后的生成网络G作为锂电池动态特性模型本发明利用GAN的对抗学习训练，生成训练数据，在训练过程扩展模型对训练数据集不包含的工况下的模拟精度，达到节省训练数据工作量的目的。
一种基于双向生成对抗神经网络锂电池建模方法

[发明专利]一种基于卷积神经网络的网络故障诊断方法-CN202011424752.2在审
发明人：王晓梅;李刚;孙韩林 -专利权人：西安邮电大学
申请日： 2020-12-09 - 公布日： 2021-03-09 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于卷积神经网络的网络故障诊断方法，该方法包括：采集并预处理网络出现故障时的流量运行图像，添加标签，生成网络故障图像样本；将网络故障图像样本按比例划分训练和验证样本集；建立卷积神经网络模型，将训练样本集输入模型迭代训练，使用验证样本集验证模型，直至完成训练；将网络流量运行图像预处理后，输入已完成训练的模型，进行网络故障预测。本发明通过生成网络故障图像样本，划分训练和验证样本集，建立卷积神经网络模型，完成模型训练，将网络流量运行图像预处理后，输入已完成训练的模型，进行网络故障预测，解决现有技术依靠网络管理员的经验，排错周期长等问题，为网络故障诊断提供了合理的预测参考。
一种基于卷积神经网络网络故障诊断方法

[发明专利]数据处理系统、方法、装置、设备及存储介质-CN202111306897.7在审
发明人：邵婧;李阳光;王坤;尹榛菲;陈思禹;何逸楠;黄耿石;滕家宁;刘丰刚;孙庆宏;梁鼎;吴一超;高梦雅;刘宇;宋广录;刘吉豪 -专利权人：北京市商汤科技开发有限公司
申请日： 2021-11-05 - 公布日： 2022-02-11 - 主分类号： G06N3/04 文献下载
摘要：本公开提供了一种数据处理系统、方法、装置、设备及存储介质，其中，该系统包括：依次通信连接的数据采集模块、网络生成模块和网络训练模块；数据采集模块，用于获取训练数据集、以及用于构成目标神经网络的多个网络组成模块；网络生成模块，用于基于获取的训练数据集以及多个网络组成模块，生成至少一个目标神经网络；每个目标神经网络用于执行对应的目标任务；网络训练模块，用于在训练好多个目标神经网络的情况下，对多个目标神经网络进行联合训练，得到训练好的联合神经网络；联合神经网络用于迁移到下游业务场景中执行目标任务。本公开通过联合训练可以生成适配于下游业务场景的联合神经网络，其通用性和准确性均较好。
数据处理系统方法装置设备存储介质

[发明专利]基于多任务学习网络的感知方法及装置、存储介质、终端-CN202111677833.8在审
发明人：黄超;姚为龙 -专利权人：上海仙途智能科技有限公司
申请日： 2021-12-31 - 公布日： 2022-05-20 - 主分类号： G06K9/62 文献下载
摘要：一种基于多任务学习网络的感知方法及装置、存储介质、终端，所述方法包括：构建训练样本集；将已确定识别结果的样本输入整个多任务学习网络，经训练确定优选的特征网络层参数和初训练后的多任务学习网络；固定特征网络层的参数，将已确定识别结果的样本输入初训练后的多任务学习网络，经训练得到优选的调整网络层参数和再训练后的多任务学习网络；固定特征网络层的参数和调整网络层的参数，将已确定识别结果的样本以及筛选样本输入再训练后的多任务学习网络，经训练得到调整后的多任务学习网络；将待感知图像输入所述调整后的多任务学习网络，得到感知结果。本发明可以有效提高多任务学习网络的感知结果准确度。
基于任务学习网络感知方法装置存储介质终端

[发明专利]基于人脸视频的心率估计方法及装置-CN202210027249.6在审
发明人：谢世朋;陈旺 -专利权人：南京邮电大学
申请日： 2022-01-11 - 公布日： 2022-05-13 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于人脸视频的心率估计方法及装置，通过对人脸视频的分析以估计心率值，包括对人脸视频进行预处理得到视频数据集，并分为训练集、验证集和测试集；构建包括ResNet网络和ConvLSTM网络的融合网络，ResNet网络包括瓶颈残差模块，以提高ResNet网络的性能；将训练集输入融合网络并进行训练，得到网络训练模型；将验证集输入网络训练模型进行验证，并通过损失函数计算损失，得到最终网络训练模型；将测试集输入最终网络训练模型本发明通过在ResNet网络增加瓶颈残差模块，提高了ResNet网络的计算效率，使其能更好的训练深度较大的神经网络；通过融入ConvLSTM网络，能够充分利用全局特征，提高心率估计值的准确度。
基于视频心率估计方法装置

[发明专利]图像语义分割网络的训练方法、装置、设备及存储介质-CN201910231466.5有效
发明人：揭泽群;刘威 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-03-26 - 公布日： 2023-06-20 - 主分类号： G06T7/11 文献下载
摘要：本申请公开了一种图像语义分割网络的训练方法、装置、设备及存储介质，涉及图像语义分割领域。该方法包括：根据训练图像集训练第一图像语义分割网络，训练图像集中的训练图像包含标注信息；通过掩膜网络对第一图像语义分割网络的网络权重进行掩膜处理，得到第二图像语义分割网络，掩膜网络用于筛选第一图像语义分割网络中对图像的特征分布不敏感的网络权重；根据训练图像集和测试图像集，对第二图像语义分割网络进行训练，训练图像集与测试图像集的分布不同。本申请实施例中，由于掩膜网络能够过滤对特征分布敏感的网络权重，因此经过网络权重筛选的第二图像语义分割网络对测试图像集也具有更好的泛化性，从而提高对测试图像集的测试准确性。
图像语义分割网络训练方法装置设备存储介质