“G06N3/0985”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果44个，建议您升级VIP下载更多相关专利

[发明专利]训练神经网络模型的方法及装置-CN202310870455.8在审
发明人：王珺 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-07-14 - 公布日： 2023-10-27 - 主分类号： G06N3/0985 文献下载
摘要：本公开的实施例提供了一种训练神经网络模型的方法、装置、计算机程序产品和存储介质。所述方法包括：初始化信息处理神经网络模型和与信息处理神经网络模型对应的参考神经网络模型，其中，信息处理神经网络模型包括多个处理模块，参考神经网络模型包括多个参考模块；通过多次迭代，更新信息处理神经网络模型和参考神经网络模型的参数。本公开的方法能够降低神经网络模型训练的难度、提升神经网络模型的训练效率、提高模型训练的参数保密性、能够更好地应用于大型神经网络模型的训练场景或神经网络模型的实时训练场景，并避免神经网络训练过程中的坍塌问题。
训练神经网络模型方法装置

[发明专利]多任务训练方法和装置、存储介质及电子设备-CN202310365148.4在审
发明人：吴成岳;王腾;葛艺潇;罗平;单瀛 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-31 - 公布日： 2023-10-27 - 主分类号： G06N3/0985 文献下载
摘要：本申请公开了一种多任务训练方法和装置、存储介质及电子设备。该方法包括：获取在预训练网络中对多任务的任务数据进行预训练后得到的任务参数集；获取与当前任务的当前任务参数子集相匹配的当前任务表征；利用当前任务表征以及与任务参数集中参考任务参数子集相匹配的参考任务表征，确定出当前任务和与参考任务参数子集对应的参考任务之间的任务相似度；在根据任务相似度从参考任务中确定出与当前任务关联的相似任务的情况下，对相似任务的相似任务参数子集进行加权插值融合，得到目标任务参数子集；利用目标任务参数子集对预训练网络进行训练。解决了现有技术受限于单一的下游任务数据造成的训练后得到的神经网络模型的泛化性能较差的技术问题。
任务训练方法装置存储介质电子设备

[发明专利]用于训练超网络的方法、装置、设备以及存储介质-CN202010479963.X有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-05-29 - 公布日： 2023-10-24 - 主分类号： G06N3/0985 文献下载
摘要：本申请公开了用于训练超网络的方法、装置、设备以及存储介质，涉及人工智能技术领域，更进一步涉及深度学习技术领域。具体实现方案为：根据预先建立的超网络的搜索空间，确定多个子网络集合；多次执行以下迭代操作：从子网络集合中选取多个子网络；对子网络以及超网络进行更新，从更新的子网络提取的特征中确定出对比特征，从更新的超网络中确定出对比超网络；基于提取的特征以及对比特征，对对比超网络进行更新；根据更新的对比超网络更新超网络。本实现方式训练得到的超网络精度更高，从超网络中采样出的子网络与独立训练的网络的性能一致。由此，在将本实现方式的超网络应用到图像处理领域时，基于NAS可以快速地搜索出性能优越的子网络。
用于训练网络方法装置设备以及存储介质

[发明专利]神经网络模型搜索方法及装置、图像处理方法及装置-CN202010273488.0有效
发明人：希滕;张刚;温圣召;余席宇 -专利权人：北京百度网讯科技有限公司
申请日： 2020-04-09 - 公布日： 2023-10-24 - 主分类号： G06N3/0985 文献下载
摘要：本申请公开了一种神经网络模型搜索方法及装置、图像处理方法及装置，涉及神经网络模型搜索领域。具体实现方案为：神经网络模型搜索方法，包括：利用性能预测模型，选取实际训练集；采用实际训练集中的各个子网络多次更新超网络；基于更新后的超网络的超参数，得到实际训练集中的各个子网络的评估性能；采用实际训练集中的各个子网络的评估性能更新性能预测模型，在性能预测模型或超网络的更新次数达到对应阈值的情况下，利用超网络的各个子网络的最终评估性能生成第一搜索结果。逐步提高性能预测模型的预测精确度以及超网络的搜索速度，进而提高了搜索得到子网络的性能，以及搜索子网络的效率。
神经网络模型搜索方法装置图像处理

[发明专利]用于训练预测模型的方法和装置-CN202010116709.3有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-02-25 - 公布日： 2023-10-20 - 主分类号： G06N3/0985 文献下载
摘要：本公开涉及人工智能领域。本公开的实施例公开了用于训练预测模型的方法和装置。该预测模型用于预测神经网络结构的性能，该方法包括通过采样操作训练预测模型；采样操作包括：从已训练完成的超网络中采样出子网络，并对采样出的子网络进行训练，得到训练完成的子网络的性能信息；基于训练完成的子网络和对应的性能信息构建样本数据，并利用样本数据训练预测模型；响应于确定当前采样操作中训练得到的预测模型的精度不满足预设的条件，执行下一次采样操作，并在下一次采样操作中增加采样的子网络的数量。该方法可以降低神经网络模型结构的搜索成本。
用于训练预测模型方法装置

[发明专利]一种多智能体空战强化学习算法超参数确定方法-CN202310882126.5在审
发明人：邓红艳;陈治湘;雷祥;邓桂龙;何玲玥;庄天义;王修齐 -专利权人：邓红艳;陈治湘;雷祥;邓桂龙;何玲玥;庄天义;王修齐
申请日： 2023-07-18 - 公布日： 2023-10-13 - 主分类号： G06N3/0985 文献下载
摘要：本发明提供了一种多智能体空战强化学习算法超参数确定方法，该方法为基于高斯过程回归的多智能体空战强化学习超参数调整方法，能够自动地确定最优的超参数值。与人工调参相比，有更好的收敛效果，节约人力，无需依赖专家的经验知识。
一种智能空战强化学习算法参数确定方法

[发明专利]对自动标注装置的超参数进行优化的方法和装置-CN202010045709.9有效
发明人：金桂贤;金镕重;金寅洙;金鹤京;南云铉;夫硕焄;成明哲;吕东勳;柳宇宙;张泰雄;郑景中;渚泓模;赵浩辰 -专利权人：斯特拉德视觉公司
申请日： 2020-01-16 - 公布日： 2023-10-13 - 主分类号： G06N3/0985 文献下载
摘要：本发明提供为了减少运算时间而对自动标注并自动评价待利用于学习神经网络的训练图像的自动标注装置的超参数(hyperparameter)进行优化的方法。上述方法的特征在于，包括：步骤(a)，优化装置使上述自动标注装置生成具有固有自动标签的原始图像和具有固有真标签及自动标签的验证图像，从而将上述具有固有自动标签的原始图像分类为简单原始图像和复杂原始图像，将上述具有固有真标签及自动标签的验证图像分类为简单验证图像和复杂验证图像；步骤(b)，计算上述自动标注装置的当前可信度，生成样品超参数组，计算上述自动标注装置的样品可信度，对预设超参数组进行优化。通过强化学习的策略梯度算法(policy gradient algorithm)来执行上述方法。
自动标注装置参数进行优化方法

[发明专利]一种基于深度强化学习的航空发动机旋转部件健康参数更新方法-CN202310673718.6在审
发明人：彭聪;于若颜;李蓓;施苏牧 -专利权人：南京航空航天大学
申请日： 2023-06-08 - 公布日： 2023-10-03 - 主分类号： G06N3/0985 文献下载
摘要：本发明公开了一种基于深度强化学习的航空发动机旋转部件健康参数更新方法，首先定义健康参数并建立航空发动机旋转部件性能退化数据集，然后将参数更新问题建模为马尔可夫决策过程，最后，采用基于约束的李雅普诺夫的actor‑critic(CLAC)算法，通过与环境交互学习参数更新策略，使得发动机模型输出与传感器测量值合理近似。本发明解决了航空发动机数字模型缺乏时间尺度更新的问题，有效提高了发动机模型的精度，对于发动机健康管理、模型自适应修正等有积极的促进作用。
一种基于深度强化学习航空发动机旋转部件健康参数更新方法

[发明专利]用于训练超网络的方法、装置、设备以及存储介质-CN202010478425.9有效
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-05-29 - 公布日： 2023-09-26 - 主分类号： G06N3/0985 文献下载
摘要：本申请公开了用于训练超网络的方法、装置、设备以及存储介质，涉及人工智能技术领域，更进一步涉及深度学习技术领域。具体实现方案为：根据预先建立的超网络的搜索空间，生成多个子网络；基于多个子网络，多次执行以下更新步骤：从多个子网络中选取至少一个子网络；基于所选取的子网络训练超网络，得到第一超网络和第二超网络；根据第一超网络和第二超网络，更新超网络的参数。本实现方式训练得到的超网络精度更高，从训练得到的超网络中采样出的子网络与独立训练相同结构的网络的性能一致。由此，在将本实现方式训练得到的超网络应用到图像处理领域时，基于超网络自动搜索模型结构可以快速地搜索出适配且性能优越的子网络。
用于训练网络方法装置设备以及存储介质

[发明专利]聚焦于陌生样本的不平衡学习-CN202111606351.3有效
发明人：胡祝华;赵瑶池 -专利权人：海南大学
申请日： 2021-12-26 - 公布日： 2023-09-22 - 主分类号： G06N3/0985 文献下载
摘要：聚焦于陌生样本的不平衡学习方法，可以用于基于深度神经网络的分类模型的不平衡学习和推理中。该方法将样本的网络logit输出值作为模型对于样本的熟悉程度的指标值，认为具有较低logit值的样本为模型的陌生样本。具体来说，在模型训练过程中，本发明中的损失函数为基于样本logit值的成本敏感损失函数：可分为实例级和类别级。本发明可以改善训练中类内样本的聚合特征，并减少注释错误对不平衡学习的负面影响。在模型的推理过程中，本发明采用一种偏移策略来实现模型的推理：先在验证集上基于logit的偏移性获得最佳分类器中的偏移参数，再根据该偏移参数在测试集上推理。采用该偏移策略可以纠正模型在推理过程中由于模型的偏移而引起的分类错误。
聚焦陌生样本不平衡学习

[发明专利]用于多类别瑕疵实时检测的轻量化模型构建方法及装置-CN202310902710.2有效
发明人：陈文君;张圆;刘姗姗;谢甜;唐玉辉;韦云声;虞沛文;胡美琴 -专利权人：浙江双元科技股份有限公司
申请日： 2023-07-21 - 公布日： 2023-09-22 - 主分类号： G06N3/0985 文献下载
摘要：本发明公开了一种用于多类别瑕疵实时检测的轻量化模型构建方法及装置，方法包括如下步骤：获取含多类别瑕疵的目标物体图像，形成图像数据集；搭建初始的轻量化模型，并设置轻量化模型训练的超参数，其中，初始的轻量化模型包括轻量主干网络、颈部网络和头部检测网络，轻量主干网络用于提取融合位置信息的多尺度图像特征；根据图像数据集对初始的轻量化模型进行模型训练迭代，至收敛；构建得到用于多类别瑕疵实时检测的轻量化模型。本发明给出的轻量化模型提升了多类别缺陷产品的生产设备的工作效率和产品表面瑕疵的检测准确率。
用于类别瑕疵实时检测量化模型构建方法装置

[发明专利]一种针对联邦学习中参与方贡献评估的方法、系统、设备及介质-CN202310767210.2在审
发明人：郭晶晶;李佳星;马勇;刘志全;熊宇鹏 -专利权人：西安电子科技大学
申请日： 2023-06-27 - 公布日： 2023-09-19 - 主分类号： G06N3/0985 文献下载
摘要：一种针对联邦学习中参与方贡献评估的方法、系统、设备及介质，其方法通过模型更新相似性的角度来评判参与方更新对全局模型收敛的贡献，采用参与方局部模型更新在全局模型收敛方向上的投影大小以及夹角关系来计算某参与方在某一训练轮次的贡献值；该贡献是对参与方上传模型的评估，包含了参与方的数据贡献以及模型训练贡献，得到各个参与方在本次联邦学习中的贡献百分比归一化结果，并形成结果向量评估结果为构建保障联邦学习公平性的激励机制提供依据；其系统、设备及介质根据基于投影的针对联邦学习中参与方贡献评估的方法，实现对参与方的贡献进行合理评估，且无需测试数据集，具有评估简单高效，精度高的优点。
一种针对联邦学习参与贡献评估方法系统设备介质

[发明专利]一种关系预测模型训练方法、应用方法、装置及设备-CN202310777378.1在审
发明人：张喆 -专利权人：中国工商银行股份有限公司
申请日： 2023-06-28 - 公布日： 2023-09-15 - 主分类号： G06N3/0985 文献下载
摘要：本说明书涉及数据处理技术领域，适用于金融领域，例如银行等应用场景，尤其涉及一种关系预测模型训练方法、应用方法、装置及设备。包括：构建多个样本三元组信息；创建多个负样本信息和与每个负样本信息对应的权重；利用卷积评分函数对多个样本三元组和负样本信息进行处理，得到对应的评分函数值；基于评分函数值和权重，对与和连接关系分别对应的待训练向量进行迭代优化，直至得到满足预设条件的目标向量；利用卷积评分函数对目标向量进行处理，得到阈值数据，以卷积评分函数、目标向量基于阈值数据构成训练后的关系预测模型。实现了通过控制循环卷积的维度从而控制模型复杂度，从而降低了对计算资源的要求，提高了计算效率。
一种关系预测模型训练方法应用装置设备

[发明专利]热误差预测模型构建方法、机床热误差模型和机床热误差控制系统-CN202310274114.4在审
发明人：马驰;樊瑾瑞;李子涵;王天舒;刘佳兰;王时龙 -专利权人：重庆大学
申请日： 2023-03-20 - 公布日： 2023-09-05 - 主分类号： G06N3/0985 文献下载
摘要：本发明公开了一种热误差预测模型构建方法，包括如下步骤：步骤一：将热误差数据转化为监督学习；步骤二：初始化晶体的位置；步骤三：将晶体位置编码为批量大小；步骤四：训练Bi‑MGU神经网络，结合自注意力机制分配权重，并计算损失函数值；步骤五：判断损失函数值是否小于设定阈值：若是，则执行步骤九；若否，则执行步骤六；步骤六：更新晶体位置，计算晶体的适应度值；步骤七：判断是否需要更新晶体位置：若是，则更新晶体位置；若否，则不更新晶体位置；步骤八：判断迭代次数是否等于最大迭代次数：若是，执行步骤九；若否，执行步骤三；步骤九：获得最佳超参数，构建得到热误差预测模型。本发明还公开了一种机床热误差模型和机床热误差控制系统。
误差预测模型构建方法机床控制系统

[发明专利]一种模型无关元学习室内定位方法-CN202310487993.9在审
发明人：郭贤生;陈丽萍;司皓楠;赖哲学;段林甫;代茜怡;杨胤 -专利权人：四川混构定位科技有限公司
申请日： 2023-05-04 - 公布日： 2023-09-05 - 主分类号： G06N3/0985 文献下载
摘要：本发明属于室内定位技术领域，具体是涉及一种模型无关元学习室内定位方法。本发明利用自动编码器提取RSS指纹的潜在特征，对原始RSS指纹降维去噪，得到稳健的RSS指纹。然后利用稳健的RSS指纹进行室内定位，通过元学习的双层优化方法，学习一组能够快速适应多任务的初始化元参数。在支持集上得到特定于任务的最优参数，再在查询集上进行定位，只需要少量的样本即可更新模型，实现对环境的快速适应。本发明可以有效克服复杂室内环境中由于环境变化数据分布不同导致的误差增大的问题，从而本发明提出的环境自适应的模型无关元学习室内定位方法是一种能够在复杂动态室内环境中实现小样本准确定位的方法。
一种模型关元学习室内定位方法

1
2
3
下一页»
尾页
共 44 条