“训练集”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756122个，建议您升级VIP下载更多相关专利

[发明专利]一种基于特征分布的训练集生成、模型训练方法及装置-CN201911201464.8有效
发明人：王塑;王泽荣;王亚可;刘宇 -专利权人：北京迈格威科技有限公司;上海旷镜博煊科技有限公司
申请日： 2019-11-29 - 公布日： 2023-05-09 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种基于特征分布的训练集生成、模型训练方法及装置，涉及机器学习技术领域，包括：获取测试集和多个训练集，分别从所述测试集和每个所述训练集抽取样本，根据抽取的样本分别确定其特征；根据所述特征确定所述测试集和多个所述训练集的特征分布；根据所述特征分布从多个所述训练集中抽取样本组成新训练集，以生成具有与所述测试集的特征分布对齐的特征分布的新训练集。本发明通过分析测试集和多个训练集的特征在特征空间的分布，确定各数据集间的相关性，并确定每个训练集的抽样概率，对多个训练集进行自动抽样，生成新的训练集。本发明可使得新训练集的数据分布与测试集的数据分布对齐，保证模型在测试集上可获得良好表现。
一种基于特征分布训练生成模型方法装置

[发明专利]一种用于获取训练信息的数据处理系统-CN202210927785.1在审
发明人：张正义;林方;傅晓航;李一 -专利权人：中科雨辰科技有限公司
申请日： 2022-08-03 - 公布日： 2022-11-01 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种用于获取训练信息的数据处理系统，通过提取实体训练向量集中实体训练向量的不同特征，从而生成目标实体训练向量集，通过神经网络模型对目标实体训练向量集进行处理，根据目标实体训练向量集训练所需时间以及目标实体训练向量集的准确率，选择出训练时间以及训练集准确率最优的目标实体训练向量集作为关键实体训练向量集，通过对关键实体训练向量集中关键实体训练向量的特征赋予不同的权重，从而生成中间实体训练向量集，根据中间实体训练向量集训练所需时间以及中间实体训练向量集的准确值，选择出训练时间以及训练集准确率最优的中间实体训练向量集作为最终实体训练向量集，因此，在提高准确性的同时保证了训练效率。
一种用于获取训练信息数据处理系统

[发明专利]一种锅炉积灰状态预测方法、系统、设备和介质-CN202310850482.9在审
发明人：李德波;陈兆立;陈智豪;宋景慧;金凤雏;王广雷;陈拓;陈刚;张宏亮;冯永新 -专利权人：南方电网电力科技股份有限公司
申请日： 2023-07-11 - 公布日： 2023-10-13 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种锅炉积灰状态预测方法、系统、设备和介质，通过在获取锅炉燃烧数据集后，采用锅炉燃烧数据集，生成训练集和测试集。然后采用训练集对初始初级学习器集进行训练，生成目标初级学习器集和多个初始训练集预测数据。并基于初始训练集预测数据对应的权重和训练集，构建次级学习器训练集。接着采用测试集对目标初级学习器集进行测试并结合测试集，构建次级学习器测试集。最后采用次级学习器训练集和次级学习器测试集对次级学习器进行训练和测试，生成锅炉积灰状态预测数据。将原始数据集也作为次级学习器训练的一部分，使得次级学习器学习到原始训练集与新训练集之间的隐含关系，从而提升模型预测效果。
一种锅炉状态预测方法系统设备介质

[发明专利]一种氢气泄漏浓度分布预测方法及系统-CN202210356904.2有效
发明人：李建威;王天赐;鲍欢欢;吕洪;郝冬;高雷;王薛超;郭文军 -专利权人：北京理工大学
申请日： 2022-04-07 - 公布日： 2022-07-26 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及涉及氢安全利用技术领域，特别是涉及一种氢气泄漏浓度分布预测方法及系统，方法包括：获取若干组训练数据集；训练数据集包括训练浓度集和训练图像集；对训练图像集进行预处理，得到训练灰度图像集；将训练灰度图像集中的灰度值与训练浓度集中的浓度值进行匹配，得到训练灰度浓度映射集；基于训练灰度浓度映射集对灰度浓度转化模型进行训练，基于训练灰度图像集对浓度分布预测模型进行训练；基于实时泄露图像集，结合训练好的浓度分布预测模型，得到预测灰度图像；基于预测灰度图像和训练好的灰度浓度转化模型得到预测氢气浓度分布
一种氢气泄漏浓度分布预测方法系统

[发明专利]一种基于集成学习的深度学习缺陷图像识别方法及系统-CN202110305533.0有效
发明人：刘伟鑫;徐晨;周松斌 -专利权人：广东省科学院智能制造研究所
申请日： 2021-03-23 - 公布日： 2022-12-20 - 主分类号： G06T7/00 文献下载
摘要：该方案包括获取所有的缺陷监测图像，生成样本训练集和样本测试集；获取样本训练集通过色彩转换、傅里叶变换、梯度运算和边缘轮廓提取，获得灰度图、频谱图、边缘轮廓图和梯度图，生成第一训练集、第二训练集、第三训练集、第四训练集，并融合生成第五训练集；将第一训练集、第二训练集、第三训练集、第四训练集和第五训练集分别进行深度神经网络训练，生成第一分类器、第二分类器、第三分类器、第四分类器和第五分类器；将所述样本测试集中的图像进行投票该方案通过多训练集、集成学习方式提高网络模型缺陷识别通用性，实现对多类别缺陷图像识别。
一种基于集成学习深度缺陷图像识别方法系统

[发明专利]训练集的获取方法、装置及电子设备-CN202010095790.1有效
发明人：梁隆恺 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2020-02-17 - 公布日： 2023-06-30 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种训练集的获取方法及相关设备，涉及计算机技术领域中的地图技术。具体实现方案为：获取第一训练集，其中，第一训练集包括人工标记的卫星图像样本；对所述第一训练集中卫星图像样本进行图像风格迁移处理，生成第二训练集，其中，所述第二训练集包括所述第一训练集中的卫星图像样本进行图像风格迁移处理后得到的卫星图像样本；基于所述第一训练集和所述第二训练集，生成目标训练集，其中，所述目标训练集包括：所述第一训练集的部分或者全部卫星图像样本，以及所述第二训练集的部分或者全部卫星图像样本。这样，可以克服目前在基于卫星图的失效区域挖掘技术中存在的生成训练集的效率较低的问题，进而提升生成训练集的效率。
训练获取方法装置电子设备

[发明专利]基于深度学习筛选训练集的方法-CN201811333884.7有效
发明人：林伟阳;王哲伟;任昕旸;孙维超;佟明斯;李湛;高会军 -专利权人：哈尔滨工业大学
申请日： 2018-11-09 - 公布日： 2022-05-10 - 主分类号： G06V10/774 文献下载
摘要：基于深度学习筛选训练集的方法，本发明涉及训练集筛选的方法。本发明的目的是为了解决现有训练集的大小直接影响深度学习的性能，训练集太小深度学习模型对于实际运行时采集到的新的图像不起作用，训练集太大，人工打标签耗费大量时间，影响训练效率的问题。过程为：一、采集初始数据集，将初始数据集分为训练集和测试集；二、搭建神经网络架构；三、将训练集输入神经网络进行训练，直至神经网络收敛，得到初始神经网络模型；四、将测试集输入目前得到的神经网络模型进行测试，得到满足要求的训练集和最终的神经网络模型；否则，对待识别区域重新采集图像，直至得到满足要求的训练集和最终的神经网络模型。本发明用于训练集筛选领域。
基于深度学习筛选训练方法

[发明专利]选择模型训练方法、模型选择方法、装置及电子设备-CN202011015454.8在审
发明人：张发恩;田贵成 -专利权人：创新奇智（青岛）科技有限公司
申请日： 2020-09-23 - 公布日： 2020-12-29 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种选择模型训练方法、模型选择方法、装置及电子设备，其中，该方法包括：获取历史训练数据集中的各项历史训练数据对应的训练模型集；根据历史训练数据集和训练模型集构建元训练数据集；使用元训练数据集对初始多分类模型进行训练，得到目标多分类模型，目标多分类模型用于根据训练数据集进行训练模型的选择。
选择模型训练方法装置电子设备

[发明专利]多重半监督图像的季节分类方法、系统、电子设备和介质-CN201911153763.9有效
发明人：陈辰;路婵;江文斌;李健 -专利权人：上海携程国际旅行社有限公司
申请日： 2019-11-22 - 公布日： 2023-04-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了多重半监督图像的季节分类方法、系统、电子设备和介质，其中季节分类方法包括以下步骤：获取原始图片集；为原始图片集的图片添加标签以构建基础训练集；对基础训练集进行预处理以得到第一训练集；根据第一训练集对原始识别模型进行训练以得到第一模型；根据原始图片集获取第一子集；将第一子集加入第一训练集以得到第二训练集，根据第二训练集训练第一模型以得到第二模型；利用主动学习对无标签图片集进行专家标注以得到专家标注集，将专家标注集加入第三训练集以得到第四训练集，根据第四训练集训练第三模型以得到第四模型；根据第四模型对待分类图像进行季节分类。
多重监督图像季节分类方法系统电子设备介质

[发明专利]一种训练集的训练方法及装置-CN201910252738.X有效
发明人：王子宁 -专利权人：广州思德医疗科技有限公司
申请日： 2019-03-29 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明实施例提供一种训练集的训练方法及装置，所述方法包括：获取用于训练预设模型的训练集；从所有样本图片中滤掉所述干扰样本图片，以构建所述第一训练集，并保留除所述干扰样本图片之外的所有第一剩余样本图片；从所有第一剩余样本图片中滤掉所述第一目标图片，以构建所述第二训练集，并保留除所述干扰样本图片和所述第一目标图片之外的所有第二剩余样本图片；从所有第二剩余样本图片中获取所述第二目标图片，以构建所述第三训练集；分别对已构建的第一训练集、第二训练集和第三训练集进行训练本发明实施例提供的训练集的训练方法及装置，能够提高训练集构建的合理性，进而更加合理地对训练集进行训练。
一种训练方法装置

[发明专利]一种工业物联网下的模型智能训练方法-CN202011483907.X在审
发明人：刘小苏;韩锦;潘正颐;侯大为 -专利权人：常州微亿智造科技有限公司
申请日： 2020-12-16 - 公布日： 2021-03-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种工业物联网下的模型智能训练方法，具体步骤是：选择用户的训练集：用户导入需要训练的训练集，提取当前训练集特征；寻找相似测试集：根据当前训练集的特征，在系统中找到与之相似的历史测试集；选模：根据用户选择的某一历史测试集，匹配找到当时使用该历史测试集的模型测试统计结果；导入训练参数：根据用户选择的某一模型，导入当时训练该模型时的训练参数；智能训练：直接导入该模型的算法并自动启动训练，或者用户调整某些参数后手动启动训练；输出模型：训练结束后得到一个与当前用户训练集对应的模型。该模型智能训练方法，从系统中的相似测试集入手，极大地降低了算法工程师的人力成本和时间成本，最大限度地提高生产效率。
一种工业联网模型智能训练方法

[发明专利]网络模型数据处理、数据展示方法、装置和存储介质-CN202110494425.2在审
发明人：严石伟;丁凯;蒋楠 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-05-07 - 公布日： 2021-12-07 - 主分类号： G06F16/2457 文献下载
摘要：该方法包括：当待获取训练数据集标识对应的待获取训练数据集类型为文本类型时，基于待获取训练数据集标识在第一队列中查找对应的目标文本训练数据集标识；当在第一队列中未查找到对应的目标文本训练数据集标识时，在第二队列中查找待获取训练数据集标识对应的目标文本训练数据集标识；当在第二队列中查找到对应的目标文本训练数据集标识时，获取查找到的目标文本训练数据集标识对应的目标磁盘存储位置；基于目标磁盘存储位置从对应的磁盘读取目标文本训练数据集标识对应的目标文本训练数据集；将目标文本训练数据集输入网络模型进行训练采用本方法提高了网络模型的训练效率。
网络模型数据处理数据展示方法装置存储介质

[发明专利]一种文本立场检测方法-CN202110392633.1有效
发明人：刘世林;康青杨;黄艳;曾途 -专利权人：成都数联铭品科技有限公司
申请日： 2021-04-13 - 公布日： 2021-06-18 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种文本立场检测方法，包括以下步骤：使用BERT预训练模型在训练集a上进行finetune训练，形成训练后的BERT预训练模型；在训练集a中的每条评论数据的结尾处分别添加正向立场的话语和反向立场的话语，从而构成训练集b；对训练集b中的评论数据输入训练好的BERT预训练模型进行编码，得到训练集b中每条评论数据所对应的向量；使用kmeans算法对训练集b所对应的向量进行聚类，将聚类簇的个数设置为2，从而判断训练集本发明使用无需人工标注的训练集对模型进行训练后，再结合kmeans算法即可检测出评论数据立场的方法。
一种文本立场检测方法

[发明专利]活性预测模型训练方法、化合物活性预测方法及装置-CN202210981532.2在审
发明人：吴一尘;黄隆锴;魏颖 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-08-15 - 公布日： 2022-12-13 - 主分类号： G16C20/50 文献下载
摘要：本申请提供一种活性预测模型训练方法、化合物活性预测方法及装置，可应用于人工智能、机器学习、深度神经网络、元学习、药物分析、苗头化合物发现等场景。该方法包括：获取原始训练数据集，每一原始训练数据包括训练集和测试集，训练集包括样本化合物的分子结构特征和样本化合物针对靶点蛋白的活性值，测试集包括样本化合物的分子结构特征和样本化合物针对靶点蛋白的活性值，根据预先训练的增广网络模型和原始训练数据集生成第一目标训练数据集，第一目标训练数据集的数据分布和原始训练数据集的数据分布对齐，将原始训练数据集和第一目标训练数据集作为第一训练样本集，根据第一训练样本集采用元学习方法训练得到基础活性预测模型
活性预测模型训练方法化合物装置

[发明专利]一种基于最优训练集的深度学习图像分类方法及系统-CN202110305768.X有效
发明人：刘伟鑫;徐晨;周松斌 -专利权人：广东省科学院智能制造研究所
申请日： 2021-03-23 - 公布日： 2022-12-06 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于最优训练集的深度学习图像分类方法及系统。该方案包括获取所有的分类图像后，将所述分类图像缩放为长200像素宽200像素的归一化图像，生成样本训练集、样本验证集和样本测试集；获取样本训练集和样本验证集中的所有的所述归一化图像，通过色二值化操作、边缘轮廓提取、梯度运算和三原色分离生成7个训练集和7个验证集；生成单通道训练集、单通道验证集、双通道训练集、双通道验证集、三通道训练集和三通道验证集，分别利用3个神经网络进行训练，生成准确率；获得准确率排名第一的目标分类器后该方案利用数据融合方式组成多种训练集，训练获得最优训练集，保证图像分类准确率，提高图像分类通用性。
一种基于最优训练深度学习图像分类方法系统

1
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