[发明专利]微型机器学习在审
| 申请号： | 201980081260.7 | 申请日： | 2019-10-17 |
| 公开（公告）号： | CN113168575A | 公开（公告）日： | 2021-07-23 |
| 发明（设计）人： | S·阿格尔沃;V·瓦拉达拉珍;S·伊蒂库拉;N·阿格尔沃 | 申请（专利权）人： | 甲骨文国际公司 |
| 主分类号： | G06N5/00 | 分类号： | G06N5/00;G06N20/00;G06N3/08;G06N7/00 |
| 代理公司： | 中国贸促会专利商标事务所有限公司 11038 | 代理人： | 周磊 |
| 地址： | 美国加*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 描述了用于生成和应用机器学习算法的微型机器学习变体以在调整和选择机器学习算法时节省计算资源的技术。在实施例中，用于参考变体的超参数值中的至少一个超参数值被修改为新的超参数值，从而从机器学习算法的参考变体生成机器学习算法的新变体。基于机器学习算法的新变体的成本度量并将新变体和参考变体的性能得分进行比较，系统确定修改后的参考机器算法是否是计算上成本低于机器学习算法的参考变体但紧密跟随参考变体的准确度的微型机器学习算法。 | ||
| 搜索关键词： | 微型 机器 学习 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于甲骨文国际公司，未经甲骨文国际公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201980081260.7/，转载请声明来源钻瓜专利网。
- 上一篇：干扰抑制方法和信号复原方法
- 下一篇：凹嵌式地板配件及其封盖
- 同类专利
- 评分卡模型的生成方法和装置-202211150809.3
- 杜金泉 - 蚂蚁区块链科技（上海）有限公司
- 2022-09-21 - 2022-12-27 - G06N5/00
- 本说明书实施例提供一种评分卡模型的生成方法和装置，所述评分卡模型用于预测用户针对目标指标的指标评分，方法包括：获取样本集合，所述样本集合包括各个样本用户分别对应于多项维度特征的特征取值，以及用户的指标评分标签；利用所述样本集合训练梯度提升决策树GBDT模型，得到N棵深度为1的子决策树；任一所述子决策树的根节点根据分裂条件分裂为两个叶子节点；其中，所述分裂条件涉及所述多项维度特征中的一项特征和该项特征的分裂阈值，叶子节点对应于指标评分的预测值；将所述GBDT模型转化为评分规则集，所述评分规则集构成所述评分卡模型。能够使得模型的解释性和模型性能同时得到满足。
- 一种评估指标群决策赋权方法及系统-202211305688.5
- 易当祥;江云天;余志刚;李志红;其他发明人请求不公开姓名 - 信云领创（北京）科技有限公司
- 2022-10-24 - 2022-12-20 - G06N5/00
- 本发明公开了一种评估指标群决策赋权方法及系统，该方法包括：采集评估指标集合的权重值，得到评估指标独立赋权结果；利用贝叶斯网络，构建得到群决策赋权模型；所述群决策赋权模型包括评估指标节点、独立赋权节点、权威等级节点；响应于用户的分布数据参数的设置，得到所有节点的先验分布数据和条件分布数据；响应于用户的赋权与权威参数的设置，得到所有对象的所述评估指标独立赋权结果和对象权威等级数据；利用所述群决策赋权模型、信念传播算法，对所述数据进行权重融合处理，得到评估指标群决策融合权重值。可见，本发明有利于增强共识、平抑分歧，有益于提升指标权重的可信程度，符合群决策时对象来源多样化的实际场景。
- 量子辅助优化-201680086099.9
- V.S.邓切夫;M.莫塞尼;H.内文 - 谷歌有限责任公司
- 2016-12-30 - 2022-12-20 - G06N5/00
- 用于量子辅助优化的方法和装置。在一个方面，该方法包括获得初始输入状态的集合；当状态在经典信息处理器内演变时，将(i)动力学热涨落和(ii)聚类更新算法中的一个或多个施加于输入状态和后续输入状态的集合；当状态在量子系统内演变时，将动力学量子涨落施加于输入状态和后续状态的集合；以及重复施加步骤直到获得期望的输出状态。
- 提升和矩阵分解-202180006754.6
- 王刚;何鹏宇 - 谷歌有限责任公司
- 2021-03-26 - 2022-11-29 - G06N5/00
- 本公开提供了包括在计算机存储介质上编码用于呈现新的机器学习模型架构的计算机程序的方法、系统和装置。在一些方面中，方法包括获得具有多个训练样本的训练数据集，训练数据集包括特征变量和输出变量。使用训练数据集生成第一矩阵，第一矩阵是训练数据集的稀疏表示。生成第一矩阵可以包括生成数值特征的分类表示和分类特征的编码表示。方法进一步包括生成第二矩阵、第三矩阵和第四矩阵。然后，使用包括多个可调参数的向量表示第一矩阵的每个特征。通过使用损失函数、第四矩阵和第一矩阵的组合调整可调参数的值，机器学习模型可以学习。
- 调整程序、调整方法以及信息处理装置-202080099858.1
- 浅井达哉 - 富士通株式会社
- 2020-04-20 - 2022-11-25 - G06N5/00
- 本发明提供调整程序、调整方法以及信息处理装置，信息处理装置对第一模式信息和第二模式信息进行比较，其中，该第一模式信息对作为一个属性值或多个属性值的组合的条件部和与条件部对应的标签建立有对应关系，该第二模式信息与第一模式信息不同。而且，在条件部或者标签中的任意一个存在矛盾的情况下，信息处理装置基于第一模式信息和第二模式信息之间的一致的程度或者矛盾的程度，调整对第一模式信息的重要度。
- 一种基于XGBoost的配电网电压预测方法-202211005820.0
- 李斌;姜叶海;马嘉阳;向威;刘建良 - 南京工程学院
- 2022-08-22 - 2022-11-22 - G06N5/00
- 本发明公开了一种基于XGBoost的配电网电压预测方法，方法包括以下步骤：1)特征提取；2)数据处理：对历史数据做预处理，进行数据清洗、缺失值处理及数据分配；3)构建模型：定义模型学习目标函数、回归树生成参数等建立XGBoost模型；4)训练并预测：将特征输入模型进行训练，形成预测模型，并将训练后的模型用于配电网电压预测。本发明具有预测精度高、收敛速度快的优点，可以实现配电网电压预测，解决了传统配网计算方法在电表量测有延迟或需要时间计算情形下的问题，对电压预警，电压波动、电压越限等业务场景有一定的指导和借鉴意义。
- 模型迁移方法、装置及电子设备-202110510937.3
- 阮怀玉;章鹏;苏煜 - 支付宝（杭州）信息技术有限公司
- 2021-05-11 - 2022-11-11 - G06N5/00
- 一种模型迁移方法及装置，所述方法包括：基于源场景中的第一训练样本数据、与第一训练样本数据对应的样本标签对所述模型进行模型训练，得到训练完成的所述决策树模型；基于目标场景中的无样本标签对应的第二训练样本数据，对训练完成的所述决策树模型中的每个决策树分别进行剪枝处理，以完成将所述决策树模型从源场景迁移至目标场景。一方面，解决了目标场景无标签情况下模型初始化的问题，并提升迁移模型在目标场景的泛化效能；另一方面，仅需将源场景训练的决策树模型的模型参数输出到目标场景，无需要使用源场景下的数据，满足了数据安全和隐私保护的用户需求。
- 基于改进Relief-F算法的电压稳定裕度评估方法、设备及介质-202210814511.1
- 孟祥飞;赵龙;田鑫;杨思;高效海;杨斌;王男;张丽娜;付一木;魏佳;魏鑫;张玉跃;张栋梁;袁振华;程佩芬;邱轩宇;石冰珂;王耀;王辰;李哲;曾凡斐;刘志鹏 - 国网山东省电力公司经济技术研究院;国家电网有限公司
- 2022-07-12 - 2022-11-01 - G06N5/00
- 本申请公开了一种基于改进Relief‑F算法的电压稳定裕度评估方法、设备及介质，以解决现有方法在评估系统电压稳定裕度状态时易发生误判，进而造成系统电压失稳的技术问题。该方法包括：根据预训练的决策树模型的路径结构提取电压稳定裕度评估规则；其中，用于构建所述决策树模型的训练样本集，通过引入了惩罚因子的Relief‑F算法进行划分，惩罚因子用于识别异类标签以弥补Relief‑F算法固有缺陷，增强场景适应性；将向量测量单元采集的实测数据与由决策树模型提取的所述电压稳定裕度评估规则进行匹配，得出系统当前电压稳定状态。本申请实现了对不同类别标签差异的辨识，切实提高了Relief‑F算法在电力系统静态电压稳定评估场景中的适用性，提升了电压稳定裕度评估的准确性。
- 一种事件树的更新方法及装置-202110452124.3
- 梁永贵;李元有;余瑞敏 - 超聚变数字技术有限公司
- 2021-04-26 - 2022-10-28 - G06N5/00
- 一种事件树的更新方法及装置，用于解决现有技术中人工构建和更新事件树，耗费较大的人工精力，且准确性较低的问题。在本申请中，方法包括：获取第一事件链，第一事件链中包括根据故障事件从事件树中确定出的N个第一事件，N个第一事件中的第1个第一事件与故障事件相关联，N个第一事件中第n个第一事件是第n+1个第一事件的结果事件，n取遍1到(N‑1)中的任一个正整数；根据N个第一事件，从事件树中确定出目标事件；更新事件树中目标事件的实时权重，目标事件的实时权重用于表征在获取第一事件链之后，目标事件导致目标事件的结果事件的概率。
- 在处理点云数据的神经网络系统中证明或识别反例的方法-202080094193.5
- M·A·沃伦;C·塞拉诺;A·诺金 - 赫尔实验室有限公司
- 2020-10-22 - 2022-10-18 - G06N5/00
- 描述了一种证明神经网络的正确性属性的系统，所述神经网络用于提供针对点云数据的估计。该系统接收用于根据点云数据集生成估计的神经网络的描述作为输入。对神经网络的描述进行解析以获得符号表示。基于符号表示和分析参数集的组合，该系统生成指示所述神经网络在根据所述点云数据集生成所述估计时是否满足正确性属性的分析输出。分析输出是证明满足所述分析参数集的数学证明构件、违反所述分析参数集的一个或更多个点云的列表或所述分析无法取得进展的报告。
- 一种模型耗时预测方法、装置、设备以及存储介质-202210632303.X
- 陈嘉华;李跃文;黄艺泉;王竹兴;严道阳 - 厦门美图之家科技有限公司
- 2022-06-07 - 2022-10-11 - G06N5/00
- 本发明公开了一种模型耗时预测方法、装置、设备及存储介质，其包括：获取待检测模型以及获取运行所述待检测模型所对应的目标外设的设备信息；基于所述待检测模型生成算子列表，所述算子列表包括多个待测算子；通过对每一所述待测算子的耗时结果进行预测，得到所述待检测模型的初步耗时预测结果；基于所述待检测模型以及所述设备信息并通过预训练完成的随机森林模型获取模型系数；将所述模型系数与所述初步耗时预测结果的乘积作为所述待检测模型的模型耗时预测结果。能够实现在不同外设下的耗时预测准确率达到预期效果。
- 一种基于土壤有机质含量的玉米播种量决策方法-202210831460.3
- 杨丽;杜兆辉;张东兴;崔涛;和贤桃;解春季;肖天璞;李鸿盛 - 中国农业大学
- 2022-07-15 - 2022-09-16 - G06N5/00
- 本发明公开了一种基于土壤有机质含量的玉米播种量决策方法；包括：步骤1、划分试验主区和主区中的各播种副区，先施肥、再种植并获取模型建立所需的数据；步骤2、对全部播种副区的有机质含量进行处理，获得各使用速效氮肥主区的氮肥有效供给率η
- 使用整数规划技术的最佳可解释决策树-202180012112.7
- P.穆拉利;朱浩然;藩进勇;阮明林 - 国际商业机器公司
- 2021-02-15 - 2022-09-09 - G06N5/00
- 本发明的各方面包括使用整数线性规划技术的最优可解释决策树。一种非限制性示例计算机实现的方法包括使用处理器从进程接收多个数据输入，以及使用所述处理器通过求解线性规划从多个数据输入中选择数据子集以获得解。该方法使用所述处理器基于所述数据子集构建和优化最优决策树，并且当所述最优决策树的预测大于阈值时使用所述处理器警告用户。
- 基于语言值双极软粗糙集的多准则群决策方法-202210541523.1
- 李小平;张家录;申华;黄政 - 湘南学院
- 2022-05-18 - 2022-09-06 - G06N5/00
- 本发明公开了基于语言值软集的多准则群决策技术和方法，在语言值双极信息集上引进恰当的运算，建立带参数λ的语言值双极信息集结算子。基于专家群的集中评估值构成的决策方案上的语言值软集，建立相应的粗糙近似模型—语言值双极软粗糙集模型，得到专家群上的语言值双极下近似软集和上近似软集。通过对全部决策方案的语言值双极评价集及其下近似、上近似进行加权算术平均，分别得到三个决策方案上的语言值双极模糊集，并利用它们对全部决策方案排序。最后，将基于语言值软集的多准则群决策方法用于软件平台、系统的评价并给出算法，通过实际例子说明本发明提出的方法是有效的。本发明的理论分析有创新性，方法构造有新颖性，技术手段有实用性。
- 基于多层次模糊分支结构动态优化的飞行员决策推演方法-202210515782.7
- 任炳轩;尹堂文;傅山;陆燕玉;周宇彤;张硕 - 上海交通大学
- 2022-05-11 - 2022-09-06 - G06N5/00
- 本发明涉及一种基于多层次模糊分支结构动态优化的飞行员决策推演方法，包括以下步骤：1)量化决策状态集合；2)量化模糊规则集合；3)设计迟滞因子、飞行员技能水平稳定因子、搜索因子等多重主要影响特性，建立可反映飞行员决策逻辑的多层次模糊分支结构关系，并作为人机系统中飞行员决策推演机制；4)时序递推过程中对多层次决策逻辑的动态优化与决策推演序列结果。与现有技术相比，本发明通过设计多层决策层级与其规则的变化，从而引入了人类关于认知机制和决策特性的逻辑思维模式，克服传统飞行员模型固定化，参数静态化，迁移性较差的缺点，同时兼备适应各类飞机机型、应用范围广泛等优点。
- 用于斜率估计和地平面分割的小型激光雷达处理网络的神经网络架构-202080094192.0
- C·塞拉诺;M·A·沃伦;A·诺金 - 赫尔实验室有限公司
- 2020-11-17 - 2022-08-30 - G06N5/00
- 描述了一种对用于估计表面法线以供在操作自主平台时使用的神经网络进行训练的系统。该系统使用可并行化k最近邻排序算法，以向神经网络模型提供从点云数据采样的点的补丁作为输入。将所述点从欧几里得空间中的欧几里得坐标变换成球坐标。在球坐标中对点云数据的表面法线的极角进行估计。在自主平台上利用所训练的神经网络模型，并且使用对表面法线的极角的估计来引导环境内的自主平台的操作。
- 查询响应设备、介质及方法-201811004974.1
- A·罗伊特曼;A·纳瑞西 - 埃森哲环球服务有限公司
- 2014-07-03 - 2022-07-12 - G06N5/00
- 本发明涉及一种查询响应设备，包括：适合于接收用户查询的输入；适合于存储一个或多个路由规则的存储器(106)；被配置为支持与一个或多个现场代理的交互的一个或多个现场代理引擎(116)；被配置为支持与由人工智能模块(103)实例化的一个或多个虚拟助手的交互的一个或多个虚拟助手引擎(120)；以及被耦合到所述现场代理引擎和所述虚拟助手引擎的路由模块(104)，路由模块(104)包括处理设备，该处理设备被配置为：基于来自与第一用户查询有关的第一用户的至少第一用户消息的内容并且基于所述一个或多个路由规则来选择所述现场代理引擎中的第一现场代理引擎或者所述虚拟助手引擎中的第一虚拟助手引擎；以及将与第一用户查询有关的一个或多个另外的用户消息路由至选择的引擎。
- 基于ART网络的决策行为建模方法、装置和计算机设备-202210406183.1
- 张琪;曾俊杰;胡越;徐浩添;杨杰;焦鹏;毕兴;尹全军;许凯 - 中国人民解放军国防科技大学
- 2022-04-18 - 2022-07-08 - G06N5/00
- 本申请涉及一种基于ART网络的决策行为建模方法、装置和计算机设备。所述方法利用ART模型对采集的示例轨迹数据实施转换，进行显示的决策行为建模，通过数据驱动的方式使模型自动学习决策行为规则，最终形成行为树形式的决策行为模型。本方法能够模拟人脑的学习和认知功能，在示例轨迹数据的基础上学习生成可解释的决策行为模型。
- 决策树训练方法、运单类型识别方法及装置、设备、介质-202210322056.3
- 任致远;董文龙;郝建伟 - 西安京东天鸿科技有限公司
- 2022-03-29 - 2022-07-01 - G06N5/00
- 本公开涉及智慧物流技术领域，提供了一种决策树训练和运单类型识别方法及装置、设备、存储介质。该训练方法，包括：根据多条运单标志位数据生成目标训练样本集，其中，每条运单标志位数据包括多个特征位分别对应的数据；将目标训练样本集分配至决策树中的根节点；利用预设算法对决策树中待分配分割特征的子节点分配目标分割特征；基于目标分割特征，对待分配分割特征的子节点中的运单标志位数据进行分割，以得到下一个待分配分割特征的子节点对应的运单标志位数据；迭代执行上述操作，直到满足预设分割终止条件，得到训练完成的决策树。
- 异质性因果效应的确定方法、装置、电子设备及存储介质-202210278867.8
- 周小羽;顾祝铜 - 北京达佳互联信息技术有限公司
- 2022-03-17 - 2022-06-21 - G06N5/00
- 本公开关于一种异质性因果效应的确定方法、装置、电子设备及存储介质，涉及计算机技术领域，至少解决相关技术中确定出的异质性因果效应不够准确的问题。该方法包括：根据用户账户的行为数据，生成包括至少一个因果树的因果森林；根据预设函数，确定因果树对应的包含每一个叶节点的测试效应关系的测试效应关系集合；根据因果森林中所有因果树对应的测试效应关系集合，确定用于表示每一个用户账户对于功能测试任务的响应程度的异质性因果效应。
- 可解释的智能体决策方法、智能系统和该系统的应用-202210318950.3
- 周恩光;欧阳正瞻;晏子华;郑瑜;蔡小波 - 深圳市优智创芯科技有限公司
- 2022-03-29 - 2022-06-21 - G06N5/00
- 可解释的智能体决策方法，提取应用场景内的特征建立知识库以及知识库配置文件；对知识库进行符号化表达，构建因果推理网络；使用因式分解机训练层与因果推理网络建立连接，通过在因果推理网络中生长新节点的方式进行数据训练；将因式分解机层替换成单层全连接层，再训练。对智能体的决策进行解释的过程为，对决策进行溯源，监测因果推理网络的节点激活情况，监测对应的知识库以及知识库配置文件；分析全连接层的权重矩阵，找出影响决策的特征。这些监测和分析结果作为溯源记录，输出与用户离线交互，建立智能模型与用户的理解与信任。发明解决了智能体决策不可解释性的问题，且能够进行训练提升智能。
- 一种基于决策树模型与迭代剔除的规则衍生方法-202111463836.1
- 徐烨;汤敏伟;李真 - 天翼电子商务有限公司
- 2021-12-02 - 2022-06-21 - G06N5/00
- 本发明公开了一种基于决策树模型与迭代剔除的规则衍生方法，包括以下步骤：S1.数据获取与预处理：定义特征集合{f1,f2,f3,f4,...,fn}共n个特征变量，以及分类目标变量y，获取并构建相应的表格数据；同时按照比例将构建好的表格数据分割为训练数据集和评估数据集；此外，对于所分割出的训练数据集，还需要按照一定的方法进行预处理。本发明在决策树模型所导出的规则结果集的基础上，通过引入语义消冗法和迭代剔除法对规则结果集进行优化，优化后的规则更加符合业务人员的认知，亦可作为特征工程中的一个步骤，用来进行数据的特征衍生。
- 一种基于故障决策网络的测试策略快速生成方法-201910661767.1
- 刘震;梅文娟;杜立;程玉华;黄建国 - 电子科技大学
- 2019-07-22 - 2022-06-14 - G06N5/00
- 本发明公开了一种基于故障决策网络的测试策略快速生成方法，通过构建待测试系统的故障依赖矩阵和故障决策网络，通过启发式搜索算法生成最优测点，进而得到最优测试策略，从而通过最优搜索路径隔离出网络中的故障；这样结合依赖信息对于最优策略生成的影响，精确估计出启发函数值，减小启发函数估计与搜索策略决策在应用中的偏差，同时，通过机会代价的设定，为每一次搜索设置最优解上限，从而控制搜索过程，达到提高效率的目的。
- 训练量子优化器-201780029736.3
- M·黑斯廷斯;D·维科勒 - 微软技术许可有限责任公司
- 2017-05-10 - 2022-06-03 - G06N5/00
- 在本文的实施例中公开了具有不同参数化的量子近似优化算法的变型。在特定实施例中，使用了不同的目标，而不是寻找近似解决优化问题的状态，公开的技术的实施例找到了将产生与最佳状态(给出实例，例如，MAX‑2‑SAT的)具有高重叠的状态的量子算法。在某些实施例中，使用机器学习方法，其中选择问题的“训练集合”并且将参数进行优化以产生针对该训练集合的大的重叠。然后在更大的问题集合上测试该问题。当在全集合上进行测试时，找到的参数产生比优化的退火时间明显更大的重叠。在其他随机实例(例如，从20位到28位)上的测试继续显示出对退火的改进，其中在最困难的问题上改进最显著。例如，公开的技术的实施例可以用于具有有限相干时间的近期的量子计算机。
- 层级目标定向因果发现方法、装置及电子设备-202210119084.5
- 代宇;刘贝;蒋磊;孟晓楠;黄力;温鹏;许林江;谢辉志 - 阿里巴巴（中国）有限公司
- 2022-02-08 - 2022-05-27 - G06N5/00
- 本公开实施例提出了一种层级目标定向因果发现方法、装置及电子设备。该方法包括：设定目标因子；获取所述目标因子的第一原因因子集；对于所述第一原因因子集中的每一第一原因因子，通过条件检验算法对所述第一原因因子与所述目标因子之间的因果关联性进行计算；根据因果关联性超出第一设定阈值的第一原因因子，生成因果发现结果。
- 使用Q学习与前瞻搜索相结合训练动作选择神经网络-202080067225.2
- 杰西卡·布莱克·钱德勒·哈姆里克;维克托·康斯坦特·巴波斯特;阿尔瓦罗·桑切斯;托比亚斯·普法夫;塞奥法尼·纪尧姆·韦伯;拉尔斯·比辛;彼得·威廉·巴塔利亚 - 渊慧科技有限公司
- 2020-09-23 - 2022-05-10 - G06N5/00
- 一种强化学习系统和方法，其选择要由与环境交互的智能体执行的动作。该系统使用强化学习和前瞻搜索的组合：强化学习Q值被用来引导前瞻搜索，并且搜索继而用于改进Q值。该系统从真实经验和模拟的基于模型的经验的组合中学习。
- 不完全信息博弈的决策方法、装置、电子设备与存储介质-202111499250.0
- 张俊格;白栋栋;黄凯奇;郑清元 - 中国科学院自动化研究所
- 2021-12-09 - 2022-05-03 - G06N5/00
- 本发明提供一种不完全信息博弈的决策方法、装置、电子设备与存储介质，所述方法包括：基于各对象组合的当前强度，以及所述各对象组合对应的出路数量，确定所述各对象组合的最终胜率；所述出路数量为有利于所述各对象组合的强度增强的待补充公共对象数量；基于所述各对象组合的最终胜率，构建博弈树；基于所述博弈树，求解纳什均衡策略。本发明提供的方法、装置、电子设备与存储介质，解决了信息抽象技术中对象组合胜率的评估速度慢的难题，实现了缩短均衡分析算法的决策收益计算时间，能够极大地节约CFR的迭代时间，同时可以降低均衡分析算法在不完全信息博弈决策问题中的应用效率，促进不完全信息博弈领域的发展。
- 智能学习知识能力跟踪方法、电子设备及存储介质-202011105897.6
- 郭力军;罗彤 - 北京融汇金信信息技术有限公司
- 2020-10-15 - 2022-05-03 - G06N5/00
- 本发明提供一种智能学习知识能力跟踪方法、电子设备及存储介质，所述方法包括：将待测用户标识、当前题目、当前题目与各知识点的先验相关性权重输入至知识能力跟踪模型中，获取所述待测用户针对当前题目的答对概率；所述知识能力跟踪模型中包含有待测用户对于各知识点的掌握状态。本发明由于引入了题目与各知识点的先验关系，同时又结合网络学习题目与各知识点的关系，从而建立了当前题目与各知识点的显性映射对应关系，因此不但能够实现对当前题目答对概率的准确预测，而且能够根据当前题目的作答结果对知识点掌握状态矩阵进行更新，从而使得可以获知待测用户对于各知识点的掌握状态。
- 一种信息处理方法及电子设备-201910780123.4
- 李梅;王奇刚;张婉璐;陈旭 - 联想（北京）有限公司
- 2019-08-22 - 2022-04-22 - G06N5/00
- 本申请实施例提供了一种信息处理方法及电子设备，所述方法应用于一区块链的第一节点，包括：读取区块链节点中的待训练模型以及用以训练过所述待训练模型的共享测试数据；依据所述共享测试数据以及所述第一节点中的第一测试数据，训练所述待训练模型，得到第一模型；发送所述第一模型至区块链节点，以通过区块链网络中其它区块链节点确认所述第一模型的处理能力是否优于所述待训练模型。保证了利用区块链中的数据对人工智能模型进行训练时，随机梯度的全梯度的无偏估计，确保了对人工智能模型训练的精度以及准确性。
- 一种基于CART决策树的大学生就业预测方法-202111608264.1
- 党向盈;鲍蓉;姜代红;徐玮玮;佟恒乐;王晓雪 - 徐州工程学院
- 2021-12-24 - 2022-04-12 - G06N5/00
- 本发明公布了一种基于CART决策树的大学生就业预测方法，旨在提供一种预测大学生就业情况的方法。本发明首先对大学生数据信息预处理，形成规范的、可供数据挖掘的基本属性数据集；然后，利用皮尔森相关分析法，确定数据集中大学生基本属性与就业预测目标属性的相关性，将与就业预测目标属性相关的大学生基本属性，确定为用于构建大学生就业预测模型的特征向量；最后，基于训练集，由特征向量计算基尼系数；采用基于CART决策树算法，构建大学生就业预测模型。本发明方法能够根据大学生信息数据集预测大学生就业情况，为高校就业管理部门提供智能化服务，指导学生合理就业，有助于提高大学生的就业率。
- 专利分类
