“训练数据”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2665113个，建议您升级VIP下载更多相关专利

[发明专利]一种散射校正方法、装置及设备-CN201810215520.2有效
发明人：楼珊珊;庄锦锋;逄岭 -专利权人：东软医疗系统股份有限公司
申请日： 2018-03-15 - 公布日： 2022-02-11 - 主分类号： A61B6/00 文献下载
摘要：所述方法包括：获取散射分布训练数据，所述散射分布训练数据根据第一训练扫描数据和第二训练扫描数据之差得到，所述第一训练扫描数据和所述第二训练扫描数据为分别对同一个训练扫描对象进行两次扫描得到的扫描数据，所述第一训练扫描数据对应的切片厚度大于所述第二训练扫描数据对应的切片厚度；根据所述散射分布训练数据拟合得到散射分布函数，所述散射分布函数体现光子的散射分布规律；获取实际扫描数据，并根据所述散射分布函数对所述实际扫描数据进行散射校正。
一种散射校正方法装置设备

[发明专利]一种多端异步的远程视觉训练方法和系统-CN202110387171.4在审
发明人：袁进;李劲嵘;封檑;李奇威;李子奇;任鸿伦;哈卿;李一鸣;俞益洲;乔昕 -专利权人：杭州深睿博联科技有限公司;北京深睿博联科技有限责任公司
申请日： 2021-04-08 - 公布日： 2021-07-09 - 主分类号： G16H20/30 文献下载
摘要：本发明提供了一种多端异步的远程视觉训练方法和系统，该方法包括：由训练计划制定端根据用户信息制定视觉训练计划并根据训练反馈数据和监督反馈数据对视觉训练计划进行优化；由VR训练端执行视觉训练计划并持续通过收集用户的训练数据形成训练反馈数据；监督端上显示视觉训练计划的训练过程，监督端针对训练过程进行评估处理形成监督反馈数据。可以进行远程视觉训练并形成了多端异步机制，训练计划制定端可以随时根据VR训练端和监督端反馈的数据对视觉训练计划进行优化，其目的是为了降低不良训练结果的风险，并提高用户视觉训练的效率。
一种多端异步远程视觉训练方法系统

[发明专利]数据增强方法及装置、目标文本分类模型的训练方法-CN202310207383.9在审
发明人：李长林;夏粉;肖冰;曹磊;罗奇帅 -专利权人：马上消费金融股份有限公司
申请日： 2023-03-06 - 公布日： 2023-06-06 - 主分类号： G06F16/35 文献下载
摘要：本公开提供了一种数据增强方法及装置、目标文本分类模型的训练方法，该数据增强方法包括：针对初始训练数据集中每两条初始训练数据，获取两条初始训练数据中的每条初始训练数据中训练文本对应的文本向量和真实类别标签对应的标签向量；根据两条初始训练数据分别对应的真实类别标签以及预先获取的两条初始训练数据分别对应的预测类别标签，确定两条初始训练数据对应的数据增强类型，不同数据增强类型对应不同数据增强方式；基于数据增强类型，对两条初始训练数据分别对应的文本向量进行数据增强处理，得到增强文本向量；根据两条初始训练数据分别对应的标签向量，确定与增强文本向量对应的增强标签向量。
数据增强方法装置目标文本分类模型训练

[发明专利]模型训练方法、装置、电子设备及存储介质-CN202211689752.4在审
发明人：李朝竟 -专利权人：深信服科技股份有限公司
申请日： 2022-12-27 - 公布日： 2023-05-26 - 主分类号： G06F18/214 文献下载
摘要：本申请实施例提供了一种模型训练方法、装置、电子设备及存储介质。所述方法包括：获取验证数据集，所述验证数据集包括第一验证数据集和第二验证数据集，所述第一验证数据集表征其对应的预测分类的置信度小于第一预设置信度的验证数据集合，所述预测分类的分类模型是预先通过所述验证数据集训练得到的；根据所述第一验证数据集得到第一训练数据，及根据所述第二验证数据集得到第二训练数据；调整所述第一训练数据集和所述第二训练数据集中的训练数据的权重，得到调整权重后的训练数据集；基于所述调整后的训练数据集对所述分类模型进行重训练，直至满足训练结束条件，得到目标分类模型。
模型训练方法装置电子设备存储介质

[发明专利]一种机器学习训练数据受投毒攻击的防御方法-CN202010694241.6有效
发明人：王琛;陈健;张旭鑫;彭凯 -专利权人：华中科技大学
申请日： 2020-07-17 - 公布日： 2021-05-18 - 主分类号： G06F21/56 文献下载
摘要：本发明属于信息安全领域，具体涉及一种机器学习训练数据受投毒攻击的防御方法，用于智能安防，训练数据采集于安防视频数据，方法包括：获取待识别训练数据集对应的干净训练数据集的预测值分布；将各待识别训练数据输入已训练预测模型，得到预测值；基于预测值与预测值分布确定识别投毒数据，以实现防御；基于与待识别训练数据同类型的可信任训练数据，生成合成数据；采用由合成数据和可信任训练数据所构成的增强数据集训练并得到预测模型；增强数据集的分布同干净训练数据集，预测模型基于增强数据集所输出预测值的分布作为上述预测值分布。
一种机器学习训练数据投毒攻击防御方法

[发明专利]应用于数据管理平台的训练数据处理方法、装置和电子设备-CN202011453145.9在审
发明人：王蕾;赵明;郭龙;孙韶言;戴鹏翔 -专利权人：北京地平线机器人技术研发有限公司
申请日： 2020-12-11 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：公开了一种应用于数据管理平台的训练数据处理方法、训练数据处理装置和电子设备。该应用于数据管理平台的训练数据处理方法包括：获取用户采集到的原始数据；获取与所述原始数据对应的标注结果；确定训练任务的数据需求；以及，根据所述数据需求从具有所述标注结果的所述原始数据生成用于所述训练任务的第一训练数据这样，可以使得原始数据、标注结果和训练数据在单个数据管理平台中使用，避免了训练数据的存储冗余。
应用于数据管理平台训练数据处理方法装置电子设备

[发明专利]用于辅助标注模型训练数据的方法及系统-CN202110356694.2在审
发明人：谢铁 -专利权人：苏宁金融科技（南京）有限公司
申请日： 2021-04-01 - 公布日： 2022-04-12 - 主分类号： G06K9/62 文献下载
摘要：本发明公开用于辅助标注模型训练数据的方法及系统，其中该方法包括：S1、构建两个训练集；S2、训练两个与所述训练集一一对应的分类器，通过两个分类器分别预测对方训练集中训练数据的类别，获取预测结果与作业人员标注的类别不一致的错误数据，并从所述错误数据中提取错误特征；S3、更新待标注数据池，并基于新的待标注数据池获取多个新的训练数据并分发到两个训练集中；S4、基于两个新的训练集重复上述步骤S2‑S3，直至两个训练集中的训练数据总数量达到预设值，将两个训练集中所有的训练数据导出。用于辅助标注模型训练数据的系统采用上述方法，筛选出一些有价值的模型训练数据，实现了在模型训练数据的标注过程中同时提高标注效率与标注质量。
用于辅助标注模型训练数据方法系统

[发明专利]一种基于体征数据监测的运动养生闭环训练方法-CN201910215254.8在审
发明人：郭海峰;朱振华;曹春;范儒龙;鲁振宇;郑胜林 -专利权人：湖南仪峰安安网络科技股份有限公司
申请日： 2019-03-21 - 公布日： 2019-07-02 - 主分类号： A63B71/06 文献下载
摘要：本发明公开了一种基于体征数据监测的运动养生闭环训练方法，采集训练准备阶段T时间内训练人员的体征数据，根据训练人员状态标识调整体征数据，然后通过网格模型判断训练人员体征体质并获取反馈值；网格模型中的体征数据值为基准值；利用所述反馈值调整训练强度；训练人员按所述训练强度进行训练，并采集整个训练过程的体征数据，对比分析训练准备阶段和训练结束阶段的数据，判断训练效果；利用训练效果以及对应的训练强度，寻找基准训练强度；在新一轮的训练中，把寻找到的基准训练强度推荐给相应的训练人员。本发明能针对不同体征体质的人群以及训练人员的体征状态制定合适的训练计划，解决了盲目训练问题。
体征闭环数据监测网格模型训练效果准备阶段养生体质采集反馈标识调整对比分析结束阶段人员状态训练过程训练计划人群制定

[发明专利]用于舆情分类模型训练的数据处理方法和装置-CN202110964669.2有效
发明人：吴云朝;杜向阳 -专利权人：南京擎盾信息科技有限公司
申请日： 2021-08-23 - 公布日： 2021-12-21 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种用于舆情分类模型训练的数据处理方法和装置。该方法包括：通过对训练数据进行识别，通过已标注的训练数据对预先建立的舆情分类模型进行训练，获得过程舆情分类模型，通过过程舆情分类模型对未标注的训练数据进行预测识别，获得训练分类结果数据，根据训练分类结果数据进行筛选处理，获得目标训练数据，通过目标训练数据训练预先建立的舆情分类模型，得到目标舆情分类模型，解决了现有技术中训练舆情分类模型的效率较低的技术问题，提高舆情分类模型的训练效率。
用于舆情分类模型训练数据处理方法装置

[发明专利]使用不均衡数据训练人体检测模型的方法及装置、介质-CN202110655693.8有效
发明人：薛星源 -专利权人：恒睿（重庆）人工智能技术研究院有限公司
申请日： 2021-06-11 - 公布日： 2023-08-15 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及神经网络领域，具体涉及一种使用分布不均衡数据训练人体检测模型的方法及装置、介质，其中的方法包括：分析训练数据集中的训练数据，确定训练数据的基准属性；基于所述基准属性，确定与微调训练相对应所述训练数据子集，以便：采用训练数据集对人体检测模型进行多次第一微调训练；其中，在所述微调训练中，至少针对对应于所述训练数据集中的训练数据子集的训练进行微调。
使用均衡数据训练人体检测模型方法装置介质

[发明专利]一种意图识别模型训练的方法、系统、装置和介质-CN202210258058.0在审
发明人：王磊 -专利权人：浙江百应科技有限公司
申请日： 2022-03-16 - 公布日： 2022-07-01 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种意图识别模型训练的方法、系统、装置和介质，其中，该方法包括：通过原始数据对预训练模型进行微调，通过微调后的预训练模型对原始训练集数据进行打分排序，其中，原始训练集数据包括原始数据和合成数据；对排序后的原始训练集数据进行筛选，并将筛选后的数据划分为不同的训练子集；最后通过不同的训练子集对意图识别模型进行训练，得到最终训练好的意图识别模型。通过本申请，解决了训练意图识别模型时，存在的训练数据质量不高，以及训练得到的模型性能不好的问题，提高了模型性能和识别准确度。
一种意图识别模型训练方法系统装置介质

[发明专利]深度学习训练方法、装置、设备及可读存储介质-CN201811369102.5有效
发明人：平安;何光宇;王希 -专利权人：东软集团股份有限公司
申请日： 2018-11-16 - 公布日： 2021-03-30 - 主分类号： G06N20/00 文献下载
摘要：本发明实施例提供一种深度学习训练方法、装置、设备及可读存储介质。本发明实施例的方法通过将源域数训据集拆分成多个源域数据组，在对源域模型的每一轮模型训练中，均从训练数据组中随机抽取的多个小样本训练集，作为本轮的训练数据进行模型训练，得到各小样本训练集的模型参数；根据各小样本训练集的模型参数更新源域模型的初始参数，根据更新后的初始参数能得到本轮训练后的新的模型；由于每轮模型训练均重新从训练数据组中随机抽取的多个小样本训练集，作为新的训练数据，使得每轮模型训练所使用的训练数据均不相同，这样可以起到丰富训练数据的效果，即使在源域训练数据集中的样本数据较小的情况下，也可以实现训练出效果很好的模型。
深度学习训练方法装置设备可读存储介质

[发明专利]分类模型训练方法、装置和计算机可读介质-CN201980095070.0在审
发明人：周林飞;吴超华;丹尼尔·施内加斯;田鹏伟;李聪超;吴文超 -专利权人：西门子(中国)有限公司
申请日： 2019-04-29 - 公布日： 2021-11-23 - 主分类号： G06K9/62 文献下载
摘要：一种分类模型训练方法、装置和计算机可读介质，该分类模型训练方法包括：获取第一训练数据(101)；判断第一训练数据是否均衡(102)；如果第一训练数据不均衡，则向用户发送交互请求(103)；接收用户响应于交互请求的均衡化处理指令(104)，其中，均衡化处理指令包括至少一个数据集标识，每一个数据集标识用于标识第一训练数据中导致第一训练数据不均衡的一个第一数据集；根据均衡化处理指令，分别针对每一个数据集标识所标识的第一数据集对第一训练数据进行均衡化处理，获得第二训练数据(105)；利用第二训练数据训练与目标设备相对应的分类模型(106)。该方法能够提高所训练出的分类模型的分类准确率。
分类模型训练方法装置计算机可读介质

[发明专利]数据分类方法及装置-CN202210217872.8在审
发明人：张献涛;曾祥永;支涛 -专利权人：河南云迹智能技术有限公司
申请日： 2022-03-08 - 公布日： 2022-06-07 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及数据处理技术领域，提供了数据分类方法及装置。该方法包括：获取基础训练数据集，并标注基础训练数据集中每一个样本对应的标签和规则，得到第一训练数据集；基于第一训练数据集中每一个样本和每一个样本对应的标签，构建第二训练数据集，基于第一训练数据集中每一个样本对应的规则和每一个样本对应的标签，构建第三训练数据集；利用第二训练数据集训练标签分类模型，利用第三训练数据集训练规则分类模型；按照预设规则，融合训练后的标签分类模型和规则分类模型，得到融合模型；利用融合模型，进行数据分类。采用上述技术手段，解决现有技术中，对数据进行分类效率低和准确度低的问题。
数据分类方法装置

[发明专利]神经网络训练的方法与装置、数据处理方法与装置-CN202110648030.3在审
发明人：袁明宽;胡芝兰;白博;李石华 -专利权人：华为技术有限公司
申请日： 2021-06-10 - 公布日： 2022-12-30 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了人工智能领域中的一种神经网络模型的训练方法和装置、数据处理方法和装置。神经网络模型训练方法包括：根据训练数据集合，对所述第一初始神经网络模型进行多次迭代以得到多个训练神经网络模型，训练数据集合包括通用训练数据集合和目标域数据集合；根据每次迭代得到的训练神经网络模型分别对通用评测数据集合中的数据该处理结果和通用评测数据集合中数据的标注信息的差异，确定各个训练神经网络模型在通用评测数据集合的准确度，通用评测数据集合与通用训练数据集合具有相同的数据分布；将准确度最高的训练神经网络模型为作训练后的神经网络模型。从而，能够在多个训练神经网络模型中确定在目标域的准确度最高的神经网络模型。
神经网络训练方法装置数据处理