“训练子集”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364438个，建议您升级VIP下载更多相关专利

[发明专利]大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法-CN202110341531.7有效
发明人：丁卫平;李铭;孙颖;秦廷帧;鞠恒荣;黄嘉爽;高自强;潘壬远 -专利权人：南通大学
申请日： 2021-03-30 - 公布日： 2022-11-04 - 主分类号： G16H10/60 文献下载
摘要：本发明提供了一种大规模不平衡糖尿病电子病历并行分类邻域证据Spark方法，在主节点上读取糖尿病数据，并按照4:1比例将糖尿病数据划分为训练集和测试集；在子节点上对糖尿病训练集通过Spark并行欠采样获得多个新的训练子集；在子节点上通过Spark并行病理特征约简器得到病理特征约简子集，并更新每个子节点上训练子集和测试子集的病理特征集，在子节点上，通过邻域证据Spark并行分类器获得测试子集的预测类别标签集合，在主节点上根据投票机制得到最终的预测类别标签
大规模不平衡糖尿病电子病历并行分类邻域证据 spark 方法

[发明专利]构建GBDT模型的方法、装置及预测方法、装置-CN202210493503.1在审
发明人：王海;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2019-06-18 - 公布日： 2022-07-29 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了构建梯度提升决策树GBDT模型的方法及装置，涉及机器学习技术领域，主要目的在于解决现有的所训练的决策树模型的准确率较低的问题。本发明主要的技术方案为：获取样本数据集，所述样本数据集中包括带正标签的正样本数据及无标签的未标记样本数据；在训练GBDT模型的每一棵回归树时，基于所述样本数据集中的正样本数据构建一个正样本训练子集，对所述样本数据集中的未标记样本数据进行采样构建一个负样本训练子集，将所述正样本训练子集与所述多个负样本训练子集进行组合得到当前回归树的训练集，并基于所述当前回归树的训练集训练当前回归树，再根据所述每一颗回归树构建梯度提升决策树GBDT模型。
构建 gbdt 模型方法装置预测

[发明专利]构建GBDT模型的方法、装置及预测方法、装置-CN201910526406.6有效
发明人：王海;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2019-06-18 - 公布日： 2022-05-10 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了构建梯度提升决策树GBDT模型的方法及装置，涉及机器学习技术领域，主要目的在于解决现有的所训练的决策树模型的准确率较低的问题。本发明主要的技术方案为：获取样本数据集，所述样本数据集中包括带正标签的正样本数据及无标签的未标记样本数据；在训练GBDT模型的每一棵回归树时，基于所述样本数据集中的正样本数据构建一个正样本训练子集，对所述样本数据集中的未标记样本数据进行采样构建一个负样本训练子集，将所述正样本训练子集与所述多个负样本训练子集进行组合得到当前回归树的训练集，并基于所述当前回归树的训练集训练当前回归树，再根据所述每一颗回归树构建梯度提升决策树GBDT模型。
构建 gbdt 模型方法装置预测

[发明专利]DGA域名检测模型构建方法、装置、服务器及存储介质-CN201811401081.0在审
发明人：张振海;胡泽柱 -专利权人：顺丰科技有限公司
申请日： 2018-11-22 - 公布日： 2019-04-26 - 主分类号： H04L29/06 文献下载
摘要：本申请公开了一种DGA域名检测模型构建方法、装置、服务器及存储介质，该方法包括获取训练数据集，该训练数据集中包括DGA域名及合法域名；将该训练数据集分成多个训练数据子集，每个该训练数据子集包括至少一个该DGA域名及至少一个该合法域名；利用分类算法对每个该训练数据子集进行训练，得到多个检测子模型；将测试样本依次输入每个该检测子模型中，得到该测试样本的预测标签集合；根据决策策略对该预测标签集合进行融合，得到该测试样本的最终标签本申请实施例提供的DGA域名检测模型构建方法，通过对训练数据集的分组，得到多个检测子模型，实现了对训练数据集的完整学习，体现了实际DGA域名的特性。
训练数据集训练数据测试样本模型构建域名检测子模型子集标签集合存储介质检测服务器分类算法决策策略预测申请合法标签分组融合学习

[发明专利]视网膜图像分类模型训练方法、系统、存储介质及设备-CN202110818485.5在审
发明人：李登旺;董雪媛;刘学尧;黄浦;寻思怡;高祝敏;赵睿;管雅迪;陈美荣;吴冰;柴象飞;章桦 -专利权人：山东师范大学
申请日： 2021-07-20 - 公布日： 2021-11-30 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及视网膜图像分类模型训练方法、系统、存储介质及设备，其中，视网膜图像分类模型训练方法包括，获取糖尿病视网膜病变图像的数据集，数据集具有两个子集，子集一为元训练集，子集二为元测试集；从元训练集和元测试集中随机获取图像数据分别构建元训练任务和元测试任务；构建卷积神经网络模型；元训练阶段，基于构建的模型利用至少一个元训练任务训练，获取模型的最优初始化参数；元测试阶段，构建的模型基于最优初始化参数执行元测试任务获得糖尿病视网膜病变图像的分类结果利用任务增强元学习的方式对模型进行训练
视网膜图像分类模型训练方法系统存储介质设备

[发明专利]深度学习模型选择方法、装置、计算机设备和介质-CN202111269738.4在审
发明人：谢龙飞 -专利权人：新智我来网络科技有限公司
申请日： 2021-10-29 - 公布日： 2022-01-28 - 主分类号： G06N20/00 文献下载
摘要：该方法包括：基于获取到的原始数据集，生成至少两个互斥的子集，得到子集集合；基于上述子集集合，对至少一个待训练深度学习模型进行训练，得到训练后深度学习模型集合；基于上述训练后深度学习模型集合中每个训练后深度学习模型的参数量集合和评价指标集合，从上述训练后深度学习模型集合中选择出目标训练后深度学习模型；将上述目标训练后深度学习模型确定为最优深度学习模型。该实施方式可以利用原始数据集对多个深度学习模型分别进行训练，然后确定出最优深度学习模型，为用户对模型的选择与应用提供了便利。
深度学习模型选择方法装置计算机设备介质

[发明专利]一种数据分类方法及系统-CN201010293694.4无效
发明人：储晨 -专利权人：合肥兆尹信息科技有限责任公司
申请日： 2010-09-21 - 公布日： 2011-05-18 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种数据分类方法，包括：选取分割变量；依据所述分割变量和所述目标变量，对原始样本集分割分层，得到训练子集和测试子集；选取所述训练子集中的关键变量，计算回归系数，根据所述关键变量和回归系数运用回归模型，对训练子集逐个建模以产生描述数据的模型；将所述测试子集中的样本变量代入所述模型，计算样本的概率值，根据所述概率值对样本进行分类。
一种数据分类方法系统

[发明专利]图片自动分类方法、装置及计算机可读存储介质-CN201811254121.3在审
发明人：肖玉宾;杨将 -专利权人：平安科技（深圳）有限公司
申请日： 2018-10-26 - 公布日： 2019-04-19 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种图像识别技术，揭露了一种图片自动分类方法、装置及计算机可读存储介质，该方法包括：为每一个预设图片类别准备预设数量的标注有对应的图片类别的图片样本；将每一个预设图片类别对应的图片样本分为第一比例的训练子集和第二比例的验证子集，将各个训练子集中的图片样本进行混合以得到训练集，并将各个验证子集中的图片样本进行混合以得到验证集；通过训练集训练神经网络图片识别模型；通过验证集验证训练的神经网络图片识别模型的准确率；接收由用户终端输入的当前图片；利用训练好的神经网络图片识别模型对当前图片进行类别识别及标注；接收查询指令，根据查询指令在数据库中查找图片资料并显示找到的图片资料。
图片样本图片识别预设计算机可读存储介质神经网络图片类别图片资料训练子集自动分类验证训练集验证集子集标注图片图像识别技术训练神经网络查询指令接收查询类别识别用户终端准确率数据库指令查找

[发明专利]模型训练方法、文本检测方法、装置、设备和存储介质-CN202011125618.2在审
发明人：李松;黄研洲;卢俊羽;杨海军;徐倩 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-10-20 - 公布日： 2021-01-22 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种模型训练方法、文本检测方法、装置、设备及存储介质。该模型训练方法包括：获取若干目标词对应的训练样本，每个目标词对应的训练样本包括该目标词对应的应被检出的正例句子集合和/或不应被检出的负例句子集合；对于每一训练样本，将正例句子集合和/或负例句子集合中的句子输入BERT模型，根据目标词，得到每个正例句子的目标词位置平均向量和/或每个负例句子的目标词位置平均向量；利用每个正例句子的目标词位置平均向量和/或每个负例句子的目标词位置平均向量，训练识别模型；识别模型用于根据待检测句子的目标词位置平均向量识别待检测句子为正例句子或负例句子应用此方法训练得到的模型，可以提高目标词检测正确率。
模型训练方法文本检测装置设备存储介质

[发明专利]目标对象信息的处理方法、装置及计算机程序产品-CN202111142661.4在审
发明人：王学占;孔德超;杜海 -专利权人：北京百度网讯科技有限公司
申请日： 2021-09-28 - 公布日： 2022-01-04 - 主分类号： G06K9/62 文献下载
摘要：具体实现方案为：获取训练集，其中，训练集中包括数量不均衡的、对应于不同类型的目标对象的多个训练子集，每个训练子集中包括的训练样本包括样本图像和样本图像中的目标对象的位置标签、类型标签；通过训练集中的训练样本中的样本图像和位置标签，训练得到目标对象确定网络；基于多个训练子集中的训练样本中的样本图像和类型标签，训练得到目标对象分类网络；结合目标对象确定网络和目标对象分类网络，得到目标对象检测模型。本公开提高了训练方法的实用性和适应范围，以及目标对象检测模型的检测准确度。
目标对象信息处理方法装置计算机程序产品

[发明专利]一种识别欺诈客户的方法、装置及电子设备-CN201911083007.3在审
发明人：宋晓娣;王湾湾;姚明 -专利权人：中诚信征信有限公司
申请日： 2019-11-07 - 公布日： 2020-03-27 - 主分类号： G06Q30/06 文献下载
摘要：、装置及电子设备，该方法包括：确定多个待划分数据集，分别对每个待划分数据集执行以下三个步骤：1、随机选取待识别客户的一类特征信息，根据选取的特征信息对待划分数据集中的待识别客户进行二分类，得到两个数据子集；2、随机选取待识别客户的一类特征信息，根据选取的特征信息分别对每个数据子集中的待识别客户进行二分类，将每个数据子集划分为两个数据子集；3、重复执行步骤2，直至得到的所有数据子集中只包括第一类数据子集和/或第二类数据子集；确定待识别客户的异常分数；然后构建训练集，根据训练集对机器学习模型进行训练，得到欺诈识别模型；欺诈识别模型能够更精准的识别欺诈客户。
一种识别欺诈客户方法装置电子设备

[发明专利]图像处理模型的训练方法、图像处理方法及相关设备-CN202211236737.4在审
发明人：孟闯;陈媛媛;曹莹;熊剑平 -专利权人：浙江大华技术股份有限公司
申请日： 2022-10-10 - 公布日： 2023-03-07 - 主分类号： G06V30/19 文献下载
摘要：本申请公开了一种图像处理模型的训练方法、图像处理方法及相关设备。该方法包括：获取样本数据集；样本数据集中包含K个样本数据子集，且K个样本数据子集中不同样本数据子集包含的样本数据的类别不同，K个样本数据子集中至少两个样本数据子集包含的样本数据的样本数量不同，K为大于1的整数；对样本数据集进行处理，获得M个样本数据序列，其中，样本数据序列由按照目标样本类别分布特征进行排序的多个样本数据子集组成的样本数据序列，M为大于1的整数；基于M个样本数据序列对图像处理模型进行训练，得到训练后的图像处理模型。上述方案，能够提高图像处理模型对各类别的样本数据子集的分布规律的学习能力，从而提高图像处理的准确率。
图像处理模型训练方法相关设备

[发明专利]机器学习方法和装置-CN201010280239.0有效
发明人：杨宇航;于浩;孟遥;陆应亮;夏迎炬 -专利权人：富士通株式会社
申请日： 2010-09-09 - 公布日： 2012-04-04 - 主分类号： G06N99/00 文献下载
摘要：所述机器学习方法包括：利用不同的方法从未标注的数据集中自动标注和获取n个不同的种子集合S1，S2，...，Sn，n是自然数且n≥2；利用所述n个已自动标注的种子集合S1，S2，...，Sn分别训练相应的n个分类器C1，C2，...，Cn；对于所述n个已自动标注的种子集合中的每个种子集合Si，i＝1，2，...，n，利用所述n个分类器中的除由该种子集合Si训练的分类器Ci之外的部分或全部分类器对该种子集合Si进行验证；以及利用经验证的所述n个种子集合S1，S2，...，Sn分别再次训练所述相应的n个分类器C1，C2，...，Cn。
机器学习方法装置

[发明专利]模型训练方法、装置、计算机程序产品及设备-CN202111269817.5有效
发明人：郭卉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-10-29 - 公布日： 2022-02-08 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开了一种模型训练方法、装置、计算机程序产品及设备，其中模型训练方法包括：获取针对目标模型进行模型训练的目标批次样本集，目标批次样本集包括M个样本子集，M为大于1的整数；调用目标模型，分别对每个样本子集中的各个三元组图像样本进行特征提取，得到每个样本子集中的各个三元组图像样本的图像特征；分别根据每个样本子集中的各个三元组图像样本的图像特征，以及每个样本子集中的单个三元组图像样本所需满足的图像差异条件，计算目标模型通过每个样本子集所产生的目标三元组损失值；根据每个样本子集对应的目标三元组损失值，更新目标模型的模型参数。
模型训练方法装置计算机程序产品设备

[发明专利]使用特征排名和可扩展的自动搜索进行自动特征子集选择-CN201980067625.0在审
发明人： T·卡那格尔;S·伊蒂库拉;N·阿格尔沃 -专利权人：甲骨文国际公司
申请日： 2019-10-01 - 公布日： 2021-05-25 - 主分类号： G06N20/20 文献下载
摘要：本文中的技术是对特征进行单独排名并基于其排名组合特征以实现特征的最佳组合，该组合可以加速训练和/或推理、防止过度拟合和/或提供对在某种程度上神秘的数据集的洞察。在实施例中，对于训练数据集的每个特征，计算机基于相关性评分函数和在训练数据集中出现的特征的值的统计信息计算相关性得分。为每个特征计算基于特征的相关性得分的排名。基于特征的排名，生成特征的不同子集的序列。对于不同特征子集的序列中的每个不同子集，基于训练针对不同子集配置的机器学习(ML)模型来生成适合度得分。
使用特征排名扩展自动搜索进行子集选择

首页
«上一页
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条