“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]问答模型的训练方法、问答处理方法、装置及存储介质-CN202310065730.9在审
发明人：庞超;王硕寰;朱鹏飞;孙宇;李芝 -专利权人：北京百度网讯科技有限公司
申请日： 2023-01-13 - 公布日： 2023-06-13 - 主分类号： G06F16/332 文献下载
摘要：本公开公开了一种问答模型的训练方法、问答处理方法及装置，涉及人工智能领域，尤其涉及自然语言处理、深度学习技术领域。具体实现方案为：获取训练数据集；利用训练数据集中的训练数据对预设问答模型中的预设检索网络进行训练，以得到目标检索网络；利用目标检索网络输出训练数据的候选答案向量集和训练向量；利用训练数据的候选答案向量集，训练向量和/或训练数据对预设问答模型中的预设生成网络进行训练，以得到目标生成网络；基于目标检索网络和目标生成网络，以得到目标问答模型。本公开实施例的目标问答模型适用范围较广，且目标检索网络和目标生成网络与行业数据解耦，均只需训练一次即可，无需重新训练，降低了模型训练成本。
问答模型训练方法处理装置存储介质

[发明专利]一种加速分布式深度神经网络的训练方法及装置-CN201810646003.0在审
发明人：廖建新;王敬宇;王晶;戚琦;徐捷 -专利权人：北京邮电大学
申请日： 2018-06-21 - 公布日： 2018-11-23 - 主分类号： G06T1/20 文献下载
摘要：本发明实施例提供了一种加速分布式深度神经网络的训练方法及装置，所述方法包括：基于并行训练，将深度神经网络的训练设计成为分布式训练的模式，待训练的深度神经网络模型划分为多个子网络；训练样本集划分为多个子样本集；基于分布式集群架构及预设的调度方法，利用多个子样本集对深度神经网络进行训练，每个训练由多个子网络同时进行，进而完成深度神经网络的分布式训练；由于基于分布式集群架构及预设的调度方法可以通过数据本地化减小网络延迟对分布式训练的子网络的影响，并实时调整训练策略，同步并行训练的子网络的进度，进而可以缩短分布式深度神经网络的完成训练的时间，加速深度神经网络的训练。
神经网络分布式集群并行训练样本集子网络预设架构神经网络模型数据本地化训练样本集调度实时调整网络延迟减小网络进度

[发明专利]基于属性挖掘和推理的模型训练方法及行人再识别方法-CN201910719182.0有效
发明人：凌贺飞;王子扬;李平;史宇轩 -专利权人：华中科技大学
申请日： 2019-08-05 - 公布日： 2021-01-05 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于属性挖掘和推理的模型训练方法及行人再识别方法，属于计算机视觉领域，包括：建立第一训练网络并进行训练，以完成对基础网络的训练；在第一训练网络中加入属性特征提取器，得到第二训练网络并进行训练，以完成对属性特征提取器的训练；在第二训练网络中加入注意力网络，得到第三训练网络并进行训练，以完成对通道注意力模块和空间注意力模块的训练；在第三训练网络中加入用于属性推理的图卷积模块，得到第四训练网络并进行训练，以完成对图卷积模块的训练；去掉第四训练网络中的分类器，得到行人再识别模型；利用行人再识别模型提取行人的全局特征，以得到查询结果。
基于属性挖掘推理模型训练方法行人识别

[发明专利]一种对轻量化卷积神经网络训练得到预训练模型的方法-CN202210019983.8在审
发明人：徐嘉辉;王彬;徐凯;陈石;郑清;王中杰 -专利权人：江苏稻源科技集团有限公司
申请日： 2022-01-10 - 公布日： 2022-04-08 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种对轻量化卷积神经网络训练得到预训练模型的方法，本方法在训练轻量化卷积神经网络时，通过识别网络的训练进度，即当网络误差趋于平缓的时候，并根据训练精度冻结网络的主干部分参数，集中算力训练剩下的参数，当网络误差再次趋于平缓的时候，将冻结的参数解冻后进行整个网络的整体训练，这样能节约训练的时间并提高网络的精度，从而达到更好的效果。通过本方法训练得到预训练模型，适用于进行迁移学习。
一种量化卷积神经网络训练得到模型方法

[发明专利]一种网络模型的训练方法、目标识别方法及相关设备-CN202210983598.5在审
发明人：曾祁泽;殷俊;朱树磊 -专利权人：浙江大华技术股份有限公司
申请日： 2022-08-16 - 公布日： 2022-12-13 - 主分类号： G06V10/44 文献下载
摘要：本申请公开了一种网络模型的训练方法、目标识别方法及相关设备，该训练方法包括：获取至少两个训练集；获取与训练集数量对应的至少两个网络模型，其中至少两个网络模型具有相同的网络结构；利用各训练集中的训练样本图像对对应的网络模型进行迭代训练，以使得网络模型基于训练样本图像对自身的网络参数进行调整；响应于迭代训练达到预设的互学习条件，在至少两个网络模型的相同位置的网络参数之间进行互学习；响应于至少两个网络模型训练完成，从至少两个网络模型中确定出最终的网络模型通过上述方式，本申请得到的网络模型能够精确识别多场景下的图像。
一种网络模型训练方法目标识别相关设备

[发明专利]网络路径分配模型训练方法、路径分配方法、以及装置-CN202010130022.5有效
发明人：陈力;刘礼彬 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-02-28 - 公布日： 2023-06-30 - 主分类号： H04L41/16 文献下载
摘要：本申请实施例提供了一种网络路径分配模型训练方法、路径分配方法、以及装置，涉及流量工程和人工智能领域。该方法包括：获取训练样本，训练样本包括网络中至少一个样本隧道对应的样本隧道信息，然后基于训练样本，对预设的网络模型进行迭代训练，直至满足预设条件，将满足预设条件的网络模型作为网络路径分配模型，其中，对网络模型进行一次训练的方式，包括：将训练样本输入至网络模型，预测得到各样本隧道各自所对应的网络路径信息；基于得到的各网络路径信息，确定网络的网络状态信息；基于网络状态信息对网络模型的模型参数进行调整。本申请实施例实现了减少模型训练的时间，提高模型训练的效率，并且可以减少训练所需样本。
网络路径分配模型训练方法以及装置

[发明专利]模型训练和数据处理方法、装置、设备及存储介质-CN202210554252.3在审
发明人：王逸舟;唐诗翔;朱烽;赵瑞 -专利权人：浙江商汤科技开发有限公司
申请日： 2022-05-19 - 公布日： 2022-09-02 - 主分类号： G06K9/62 文献下载
摘要：本公开实施例公开了一种模型训练和数据处理方法、装置、设备及存储介质，其中，该模型训练方法包括：获取预训练网络模型；所述预训练网络模型至少包括特征提取层和位于所述特征提取层之后的多层感知器层；基于预训练数据集对所述预训练网络模型进行有监督预训练，得到训练后的预训练网络模型；基于目标任务对应的任务数据集对初始网络模型进行训练，得到用于处理所述目标任务的目标网络模型；所述初始网络模型包括所述训练后的预训练网络模型的特征提取层，所述任务数据集与所述预训练数据集中的样本语义不同
模型训练数据处理方法装置设备存储介质

[发明专利]一种网络流量智能调度的方法及系统-CN202210631312.7在审
发明人：王新赋 -专利权人：西安明赋云计算有限公司
申请日： 2022-06-06 - 公布日： 2022-09-09 - 主分类号： H04L47/12 文献下载
摘要：本发明提供一种网络流量智能调度的方法及系统，属于计算机网络技术领域，包括如下步骤：选取不同流量状态的网络，形成作为网络训练体的网络集；基于深度学习法，利用所述网络训练体交互训练，得到调度训练体；SDN网络设备的网络流量信息测量，并根据SDN网络设备的网络流量信息测量的结果获取SDN网络设备的网络状态；通过调度训练体对采集的网络进行调度；若为否，则将采集的网络状态存储于作为网络训练体的网络集，并形成新的网络集，并重新进行交互训练，得到更新后的调度训练体，然后通过更新后的调度训练体对采集的网络进行调度；本发明实现了实时、动态、自适应的流量调度，有效提升了网络资源利用率和数据传输质量。
一种网络流量智能调度方法系统

[发明专利]针对神经网络的迭代式小样本精细化的微训练-CN202011083316.3在审
发明人： A·帕特尼;B·L·罗利特;徐英浩;A·L·艾德斯登;A·E·勒福恩 -专利权人：辉达公司
申请日： 2020-10-12 - 公布日： 2021-09-14 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了针对神经网络的迭代式小样本精细化的微训练。所公开的微训练技术通过使用相对短的系列微训练步骤以低学习率执行迭代精细化来提高训练的神经网络的准确性。神经网络训练框架接收训练后的神经网络以及第二训练数据集和超参数集。神经网络训练框架通过使用较低的学习率来调整训练后的神经网络的一个或更多个权重，从而促进增量精度的提高，而本质上不改变训练后的神经网络的计算结构，从而产生微训练的神经网络。可以评估微训练的神经网络的准确性和/或质量的变化。可以在微训练的神经网络上执行其他微训练会话，以进一步提高准确性或质量。
针对神经网络迭代式小样本精细训练

[发明专利]行人属性识别模型实现方法及相关装置-CN201911221183.9有效
发明人：郭家顺;程小磊;李晓凯;郭云 -专利权人：深圳市华尊科技股份有限公司
申请日： 2019-12-03 - 公布日： 2023-10-24 - 主分类号： G06F18/241 文献下载
摘要：本申请实施例公开了一种行人属性识别模型实现方法及相关装置，应用于电子设备，电子设备预先配置预设多层共享神经网络，方法包括：获取针对行人属性的目标训练集，并将目标训练集分成四类，即第一训练集、第二训练集、第三训练集和第四训练集；依据第一训练集训练预设多层共享神经网络，得到第一多层共享神经网络；依据第二训练集训练第一多层共享神经网络，得到第二多层共享神经网络；依据第三训练集训练第二多层共享神经网络，得到第三多层共享神经网络；依据第四训练集训练第三多层共享神经网络，得到目标多层共享神经网络，目标多层共享神经网络用于实现行人属性识别。
行人属性识别模型实现方法相关装置

[发明专利]基于多尺度特征融合的人脸图像语义修复方法-CN202010030365.4在审
发明人：张贺舒;李涛;宋公飞 -专利权人：南京信息工程大学
申请日： 2020-01-13 - 公布日： 2021-07-13 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于多尺度特征融合的人脸图像语义修复方法，包括步骤如下：S1收集待处理的人脸图像组成训练集，对训练集人脸图像进行预处理尺寸裁剪，得到待训练人脸图像集；S2构建生成对抗网络模型，使用预训练模型的参数作为网络的初始化参数；S3将待训练缺失人脸图像集输入到生成网络G中，通过判别网络D判断生成网络修复人脸图像的真假；S4将判别结果反作用于生成网络，进行对抗训练，优化生成网络和判别网络的网络参数，当损失函数收敛时结束训练，并保存训练完成时的模型参数；S5将待修复的人脸图像输入到训练好的生成网络模型中，完成人脸图像修复。本发明能够降低网络初始化参数给网络训练带来的不利影响，使得网络训练稳定。
基于尺度特征融合图像语义修复方法

[发明专利]基于光流跨域鲁棒性的域适应视频语义分割学习方法-CN202211529638.5在审
发明人：董翔宇;石永建;樊培培;李腾;朱涛;廖军;张俊杰;赵梦露;李奇;周正;高源;谢佳;黄杰;郭振宇;张学友;魏南;马欢;王子磊;张晗 -专利权人：国网安徽省电力有限公司超高压分公司;中国科学技术大学先进技术研究院
申请日： 2022-11-30 - 公布日： 2023-03-28 - 主分类号： G06V20/40 文献下载
摘要：该方法包括：预设源域标注好的训练数据集、目标域的训练集以及目标域的测试集；构建用于对源域视频进行语义分割的语义分割模型，语义分割模型包括SegNet网络、FlowNet网络以及SFM网络，且SegNet网络用于提取输入的源域视频的语义分割信息，FlowNet网络用于提取输入的源域视频的光流标签；SFM网络用于在光流标签的监督下，从语义分割信息提取出最终的语义分割信息；采用训练数据集训练FlowNet网络，以使得FlowNet网络能够从输入的源域视频中提取光流标签；采用训练好的FlowNet网络和训练数据集训练SFM网络；采用目训练数据集、训练集、训练好的FlowNet网络和SFM网络训练SegNet网络
基于光流跨域鲁棒性适应视频语义分割学习方法

[发明专利]基于深度神经网络和模型先验的3D心脏形状重建方法-CN202211018646.3在审
发明人：王雁刚;袁小涵;刘聪 -专利权人：东南大学
申请日： 2022-08-24 - 公布日： 2023-01-13 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于深度神经网络和模型先验的3D心脏形状重建方法，包括：构建心脏的三维模型集，执行主成分分析从而产生低维的参数隐空间；数据增强，从得到的参数空间采样，生成参数回归网络的训练集；构建参数回归网络，使用生成的训练集训练参数回归网络；生成分割网络的训练集，构建分割网络，使用生成的数据集训练分割网络；将经过训练的分割网络与经过训练的参数网络连接构成联合网络，使用真实数据构成的训练集对联合网络进行训练，用训练好的联合网络执行三维重建任务。本发明使得推理过程高效快速；结果更为合理；分割和重建效果都有提升；提出了一种数据增强方法，从大量合成数据的训练中提升参数估计网络的泛化性能。
基于深度神经网络模型先验心脏形状重建方法

[发明专利]神经网络加水印-CN202080099159.7在审
发明人： J·施特恩比;B·约翰逊 -专利权人：瑞典爱立信有限公司
申请日： 2020-04-01 - 公布日： 2022-11-25 - 主分类号： G06F21/16 文献下载
摘要：本文公开了一种用于训练神经网络并在神经网络中嵌入水印的方法。水印用于证明神经网络的所有权。神经网络包括与多个网络节点相关的多个可训练参数。该方法包括：将多个可训练参数分成第一可训练参数集和第二可训练参数集；将第一训练样本集输入到神经网络；通过迭代第一训练样本集经过神经自学习网络以更新第一可训练参数集来训练神经网络，并在第一训练样本集的迭代期间阻止第二可训练参数集被更新；将第二训练样本集输入到神经网络；以及通过迭代第二训练样本集经过神经网络以更新第二可训练参数集来嵌入水印，并在第二训练样本集的迭代期间阻止第一可训练参数集被更新。
神经网络水印

[发明专利]网络训练及设备的控制方法、装置、设备及存储介质-CN202111440864.1在审
发明人：陈钰玲;程光亮 -专利权人：上海商汤临港智能科技有限公司
申请日： 2021-11-30 - 公布日： 2022-03-01 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种网络训练方法、设备的控制方法、装置、电子设备及存储介质，该方法包括：确定待训练的目标网络以及待训练的目标网络的期望性能信息；基于待训练的目标网络的期望性能信息，从训练数据库中确定多张携带有标注信息的训练图像样本，构成训练图像样本集合；基于训练图像样本集合对待训练的目标网络进行训练，并对训练后的中间网络进行测试，根据测试结果对训练图像样本集合进行调整，重复训练、测试和对所述训练图像样本集合进行调整的步骤，直至符合预设条件本公开实施例，根据待训练网络的期望性能自动确定训练图像样本集合，并且可以基于测试结果自动调整训练图像样本集合，有利于节约人力成本以及提升目标网络的训练效率。
网络训练设备控制方法装置存储介质