“戴文渊”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果85个，建议您升级VIP下载更多相关专利

[发明专利]针对预定预测问题的预测方法及系统-CN202310907091.6在审
发明人： 戴文渊;杨强;陈雨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-12-20 - 公布日： 2023-10-13 - 主分类号： G06N20/00 文献下载
摘要：提供了一种针对预定预测问题的预测方法及系统。所述方法包括：(A)将候选特征集划分为多个候选特征子集；(B)针对每一个候选特征子集，获取相应的特征池机器学习模型；(C)根据特征池机器学习模型在原始测试数据集和变换测试数据集上的效果之间的差异来确定相应的候选特征子集之中的各个候选特征的重要性；以及(D)针对每一个候选特征子集，按照其各个候选特征的重要性从中筛选出重要性较高的至少一个候选特征以作为机器学习样本的目标特征；(E)基于目标特征以及机器学习模型，得到针对预定预测问题的预测结果。根据所述方法和系统，可在运算资源有限的情况下较好地筛选出相对重要的样本特征。
针对预定预测问题方法系统

[发明专利]用于选择机器学习样本的特征的方法及系统-CN202310777360.1在审
发明人：陈雨强;杨强;戴文渊;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-12-20 - 公布日： 2023-09-15 - 主分类号： G06N20/20 文献下载
摘要：提供了一种用于选择机器学习样本的特征的方法及系统。所述方法包括：(A)将候选特征集划分为多个候选特征子集；(B)针对每一个候选特征子集，获取相应的复合机器学习模型；(C)根据复合机器学习模型在原始测试数据集和变换测试数据集上的效果之间的差异来确定相应的候选特征子集之中的各个候选特征的重要性；(D)针对每一个候选特征子集，按照其各个候选特征的重要性从中筛选出重要性较高的至少一个候选特征以作为机器学习样本的目标特征。根据所述方法和系统，利用提升框架结构的复合机器学习模型，采用特定的重要性衡量方式来确定其中各个候选特征的重要性，从而可在运算资源有限的情况下较好地筛选出相对重要的样本特征。
用于选择机器学习样本特征方法系统

[发明专利]用于执行机器学习的分布式系统及其方法-CN202010393361.2有效
发明人： 戴文渊;杨强;陈雨强;刘一鸣;石光川 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-08-30 - 公布日： 2023-09-01 - 主分类号： G06F16/22 文献下载
摘要：提供一种用于执行机器学习的分布式系统及其方法。所述分布式系统包括：参数服务器，用于维护多个机器学习模型的参数，其中，所述参数具有键值对的形式，所述参数服务器按照单个键对应于多个值的形式来保存具有相同键的多个键值对；以及多个计算装置，被配置为并行地执行关于所述多个机器学习模型的算法。根据所述分布式系统及其方法，能够有效减少在同时进行关于多个机器学习模型的训练和/或预估时参数服务器的存储开销。
用于执行机器学习分布式系统及其方法

[发明专利]执行机器学习的分布式系统及其方法-CN201911250726.X有效
发明人：陈雨强;杨强;戴文渊;焦英翔;涂威威;石光川 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-08-30 - 公布日： 2023-03-24 - 主分类号： G06N20/00 文献下载
摘要：提供了一种执行机器学习的分布式系统及其方法，所述系统包括：多个计算装置，其中，每个计算装置被配置为针对各自的数据记录来执行数据流式计算，其中，所述数据流式计算表示为一个或多个有向无环图；参数存储器，用于维护机器学习模型的参数，其中，在执行训练机器学习模型的数据流式计算时，计算装置利用从参数存储器获取的参数来针对各自的数据记录执行关于机器学习模型训练的运算，并且，参数存储器根据计算装置的运算结果来更新所述参数；并且/或者，在执行利用机器学习模型进行预估的数据流式计算时，计算装置利用从参数存储器获取的参数来针对各自的数据记录执行关于机器学习模型预估的运算。由此，可减少机器学习的运算开销。
执行机器学习分布式系统及其方法

[发明专利]在数据隐私保护下执行机器学习的方法和系统-CN201910146143.6有效
发明人：涂威威;郭夏玮;陈雨强;戴文渊 -专利权人：第四范式（北京）技术有限公司
申请日： 2019-02-27 - 公布日： 2023-01-06 - 主分类号： G06F16/2458 文献下载
摘要：本发明的示例性实施例涉及一种关于数据信息的通信方法，以实现数据中的部分信息在源端和目标端之间的隐私通讯。提供了一种在数据隐私保护下执行机器学习的方法和系统。所述方法包括：获取目标数据集；获取变换源目标函数，其中，变换源目标函数由基于源数据集来训练源机器学习模型的初始源目标函数在数据隐私保护方式下转换而来；以及基于目标数据集，结合所述变换源目标函数来训练目标机器学习模型。
数据隐私保护执行机器学习方法系统

[实用新型]一种疏浚排泥管路结构-CN202222319566.3有效
发明人：高鑫宇;黄天宇;王炎昊;戴文渊;盛强;张陈鑫;季小锋;曹宏泰 -专利权人：中建港航局集团有限公司;上海市港航事业发展中心
申请日： 2022-09-01 - 公布日： 2022-12-20 - 主分类号： E02F7/10 文献下载
摘要：本实用新型涉及疏浚管技术领域，且公开了一种疏浚排泥管路结构，包括：管道本体和折叠桶，所述管道本体的外壁滑动连接有连接筒，且连接筒的数量为两个，且两个连接筒相对分布，所述折叠桶的内部设置有支撑机构，且支撑机构的数量为多个，且多个支撑机构等距离分布。该疏浚排泥管路结构，能够便于在管道安装时通过展开折叠桶直接将装置安装，相对于一个管道表面需要安装多个浮桶的方式，提高了安装效率，同时，由于折叠桶便于折叠，方便运输，能够利用偏移块的配重将装置在水面漂浮的重心偏移，保证了单向阀位于重心上方，使得单向阀位于水面，降低了折叠桶内部灌水的概率，保证了装置内部始终充满最大体积的空气。
一种疏浚管路结构

[发明专利]模型解释方法、装置、设备及存储介质-CN201810731679.X有效
发明人：黄缨宁;陈雨强;胡时伟;戴文渊 -专利权人：第四范式（北京）技术有限公司
申请日： 2018-07-05 - 公布日： 2022-11-15 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种模型解释方法、装置、设备及存储介质，用于对机器学习模型针对输入得到的输出进行解释，包括：将输入划分成多个输入部分；针对每个输入部分，在保持其它输入部分不变的情况下，仅对该输入部分进行变换处理，以得到新输入；将每个新输入重新输入机器学习模型，以得到机器学习模型针对新输入得到的新输出；根据新输出与输出之间的差异，确定不同的输入部分对输出的影响；以及将不同输入部分对输出的影响，以可理解的形式告知用户。由此，用户在使用机器学习模型针对输入得到输出后，还可以获知不同输入部分对输出的影响，从而可以在一定程度上理解模型主要是根据输入中哪些部分作出的预测，即输出。
模型解释方法装置设备存储介质

[发明专利]用于内容推荐的方法及系统-CN201810397319.0有效
发明人：涂威威;舒程珣;陈雨强;戴文渊;杨强 -专利权人：第四范式（北京）技术有限公司
申请日： 2018-04-28 - 公布日： 2022-11-08 - 主分类号： G06F16/9535 文献下载
摘要：提供了一种用于内容推荐的方法及系统，所述方法包括：获取分别与多个候选推荐内容对应的多条候选内容数据记录；针对每条候选内容数据记录，通过以下处理来获得其所对应的候选推荐内容的推荐指数：获取与每条候选内容数据记录相应的序列特征，其中，序列特征在利用第一机器学习模型针对每条候选内容数据记录所涉及的一系列连续内容数据记录执行预测的过程中被提取；产生与每条候选内容数据记录相应的预测样本，其中，序列特征被用作预测样本所包括的特征之一；利用第二机器学习模型，针对预测样本来预测每条候选内容数据记录所对应的候选推荐内容在推荐后被接受的概率，以作为所述候选推荐内容的推荐指数；提供多个候选推荐内容各自的推荐指数。
用于内容推荐方法系统

[发明专利]展示预测模型的方法、装置及调整预测模型的方法、装置-CN201810736056.1有效
发明人：白杨;陈雨强;戴文渊 -专利权人：第四范式（北京）技术有限公司
申请日： 2016-04-27 - 公布日： 2022-09-06 - 主分类号： G06F17/17 文献下载
摘要：本发明公开了一种对预测模型进行展示的方法、装置及调整预测模型的方法、装置。其中，获取预测模型针对至少一个预测样本得到的至少一个预测结果；基于至少一个预测样本和至少一个预测结果来获取用于训练决策树模型的至少一个决策树训练样本，其中，决策树模型用于拟合预测模型；使用至少一个决策树训练样本来训练决策树模型；以及可视化地展示训练出的决策树模型。本发明可以将难以理解的预测模型近似为决策树模型，并对近似出的决策树模型进行展示，以使得用户基于所展示的决策树模型可以较好地理解预测模型。
展示预测模型方法装置调整

[发明专利]生成机器学习样本的组合特征的方法及系统-CN202111615354.3在审
发明人： 戴文渊;杨强;陈雨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-09-08 - 公布日： 2022-04-08 - 主分类号： G06N20/00 文献下载
摘要：提供了一种生成机器学习样本的组合特征的方法及系统，所述方法包括：获取历史数据记录，其中，所述历史数据记录包括多个属性信息；按照搜索策略，在至少一个离散特征之间迭代地进行特征组合以生成候选组合特征，并选择目标组合特征以作为机器学习样本的组合特征，其中，针对每一轮迭代，对候选组合特征集合中的各个候选组合特征进行重要性的预排序；根据预排序结果筛选出一部分候选组合特征以组成候选组合特征池；对候选组合特征池中的各个候选组合特征进行重要性的再排序；根据再排序结果选择重要性较高的至少一个候选组合特征作为目标组合特征。根据所述方法和系统，可在使用较少运算资源的情况下有效地实现自动特征组合，提升模型的效果。
生成机器学习样本组合特征方法系统

[发明专利]一种挖泥船用泥门阀装置-CN202111388426.5在审
发明人：冯烽;严家君;戴文渊;王炎昊;高鑫宇;曹宏泰 -专利权人：中建港航局集团有限公司;上海市港航事业发展中心
申请日： 2021-11-22 - 公布日： 2022-02-18 - 主分类号： F16K3/02 文献下载
摘要：本发明涉及挖泥船技术领域，且公开了一种挖泥船用泥门阀装置，包括：换向仓和动力仓，所述换向仓的顶部连接有分路板，所述换向仓的内壁安装有换向轮，所述换向轮的顶部连接有输出转筒，所述换向轮的底部连接有传动轴，所述传动轴的外壁连接有叶轮。该挖泥船用泥门阀装置，能够利用水流带动叶轮提供推动力，带动换向轮做旋转运动，并利用转换槽和转换口的周期性运动改变换向管内部的水流流动方向，同时利用滤盘将大颗粒阻挡在换向管的输入端，利用换向管内部水流流向的周期性变换将滤盘阻挡的大颗粒清理排出，避免了大颗粒经过阀门，从而避免了泥沙颗粒堆积在阀门一侧与后续的泥沙混合聚集造成堵塞，提高了阀门的畅通性。
一种挖泥船门阀装置

[发明专利]任务分配方法、装置、计算机可读存储介质及电子设备-CN201810116833.2有效
发明人：童咏昕;高大伟;戴文渊;杨强;陈雨强 -专利权人：北京航空航天大学;第四范式（北京）技术有限公司
申请日： 2018-02-05 - 公布日： 2022-02-15 - 主分类号： G06Q10/06 文献下载
摘要：本发明实施例公开一种任务分配方法、装置、计算机可读存储介质及电子设备，能兼顾任务分配效率和平台资源消耗。方法包括：在当前时间片基于工人与任务之间的匹配关系向工人执行任务分配；获取在当前时间片执行完任务分配之后尚未实现分配的遗留任务量和遗留工人数；利用机器学习模型，基于当前时间片的遗留任务量和遗留工人数、当前时间片及其之前的至少一个时间片内分别到达的先前任务量和先前工人数、历史同期在接下来的预设时间阈值内到达的历史同期任务量和历史同期工人数，预测在接下来的预设时间阈值内即将到来的预测任务量和预测工人数；至少基于预测任务量和预测工人数，调整下一时间片的长度。本发明适用于对众包任务进行分配。
任务分配方法装置计算机可读存储介质电子设备

[发明专利]用于确定机器学习样本的特征重要性的方法及系统-CN202110831735.9在审
发明人： 戴文渊;陈雨强;杨强;罗远飞;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-06-15 - 公布日： 2021-12-21 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种用于确定机器学习样本的特征重要性的方法及系统。所述方法包括：(A)确定机器学习样本的基本特征子集；(B)确定机器学习样本的重要性待确定的多个目标特征子集；(C)针对所述多个目标特征子集之中的每一个目标特征子集，获取相应的复合机器学习模型，其中，所述复合机器学习模型包括根据提升框架训练而成的基本子模型和附加子模型，其中，基本子模型基于基本特征子集训练而成，附加子模型基于所述每一个目标特征子集训练而成；以及(D)根据复合机器学习模型的效果来确定所述多个目标特征子集的重要性。根据所述方法和系统，能够以较低的运算代价有效地得出各个目标特征子集的重要性。
用于确定机器学习样本特征重要性方法系统

[发明专利]一种应用机器学习的方法、装置、电子设备及存储介质-CN202010415370.7在审
发明人：张青;周振华;张世健;石光川;方荣;陈雨强;戴文渊;郑曌;黄缨宁 -专利权人：第四范式（北京）技术有限公司
申请日： 2020-05-15 - 公布日： 2021-11-19 - 主分类号： G06N20/00 文献下载
摘要：本公开涉及应用机器学习的方法、装置、电子设备及存储介质，直接对接业务场景，积累业务场景相关数据进而探索模型方案，保证线下模型方案探索用到的数据和模型在线预估服务用到的数据同源，实现线下线上数据的同源性。为避免离线模型直接部署上线后由于线上特征计算和线下特征计算得到的数据存在不一致，导致预估效果较差的问题，只部署模型方案上线，而不部署离线模型上线。模型方案部署上线后接收预估请求可得到带特征和反馈的样本数据，进而可使用样本数据进行模型自学习，自学习得到的模型可部署上线，保证模型自学习用到的数据和特征工程方案分别与模型在线预估服务用到的数据和特征工程方案一致，实现模型自学习效果和模型预估效果一致性。
一种应用机器学习方法装置电子设备存储介质

[发明专利]利用嵌套机器学习模型来执行预测的方法及系统-CN202110772622.6在审
发明人：陈雨强;戴文渊;杨强;郭夏玮;涂威威 -专利权人：第四范式（北京）技术有限公司
申请日： 2017-05-05 - 公布日： 2021-11-05 - 主分类号： G06N20/00 文献下载
摘要：提供了一种利用嵌套机器学习模型来执行预测的方法及系统，其中，所述嵌套机器学习模型包括根据上下层嵌套框架训练出的上层模型和下层模型，所述方法包括：(A)获取预测数据记录；(B)基于预测数据记录的属性信息来生成与预测数据记录对应的预测样本的多个特征子集；(C)将预测样本的多个特征子集分别提供给嵌套机器学习模型所包括的上层模型和下层模型，以得到嵌套机器学习模型针对预测样本的预测结果。根据所述系统和方法，能够有效地融合多种类型的子模型来协同工作，充分发挥各个子模型的优势以取得较好的综合机器学习效果。
利用嵌套机器学习模型执行预测方法系统

1
2
3
4
5
6
下一页»
尾页
共 85 条