“无监督”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1238152个，建议您升级VIP下载更多相关专利

[发明专利]一种无监督的实时面部表情捕捉方法-CN201310642644.6有效
发明人：周忠;刘少龙;石峰 -专利权人：北京航空航天大学
申请日： 2013-12-03 - 公布日： 2017-02-15 - 主分类号： G06K9/00 文献下载
摘要：本发明是一种无监督的实时面部表情捕捉方法。该方法可以在无监督的条件下分析面部特征点，并将特征点转换为具有语义信息的表情单元系数。本发明具有如下特点算法无需对特定用户做表情采集，可以无监督的学习用户面部表情，因此基于本发明算法的系统具有较强的普适性和易用性。
一种监督实时面部表情捕捉方法

[发明专利]一种基于无监督学习的驾驶员分心细粒度检测方法-CN202111527027.2在审
发明人：陈杰;李兵;程子晗;王海涛;席静敏;邓英剑 -专利权人：安徽大学;安徽中科星联信息技术有限公司
申请日： 2021-12-14 - 公布日： 2022-03-15 - 主分类号： G06V20/59 文献下载
摘要：本发明提供了一种基于无监督学习的驾驶员分心细粒度检测方法，属于驾驶行为分析领域，包括：采集分心驾驶图像数据；将采集到的分心驾驶图像数据输入无监督学习检测模型中，利用无监督学习检测模型对分心驾驶图像数据进行分析，根据分析结果判断驾驶员分心状态；无监督学习检测模型包括骨干网络、投影头和损失函数；骨干网络为融入多层感知机MLP的RepMLP网络结构；投影头为将融入残差结构的多层感知机MLP；损失函数为基于对比学习和本发明弥补了传统卷积层所堆积的CNN模型全局感知能力较差的问题，具备了较强的局部感知能力及良好的全局感知性能，可以使无监督学习检测模型对应用场景的泛化能力得到了加强。
一种基于监督学习驾驶员分心细粒度检测方法

[发明专利]基于半监督协同训练框架的锂离子电池健康状态估计方法-CN202210857350.4在审
发明人：林川平;徐俊;侯嘉洋;梅雪松 -专利权人：西安交通大学
申请日： 2022-07-20 - 公布日： 2022-10-25 - 主分类号： G01R31/367 文献下载
摘要：基于半监督协同训练框架的锂离子电池健康状态估计方法，包括基于实验数据的监督学习建模、基于工业无标签数据的协同训练、在线SOH估计3个步骤；本发明将少量、难获取的实验有标签数据与大量、易获取的工业无标签数据结合起来，基于半监督协同回归的方式进行模型的迭代更新，以最终模型的预测平均值作为锂电池在线SOH估计结果；本发明公开的SOH估计方法从电池大量的无标签充电数据中挖掘信息，通过为无标签数据标记伪标签的方式丰富训练数据，基于半监督学习方法的最终SOH估计结果在精度和鲁棒性能方面都优于传统的监督学习SOH估计方法；本发明提出了利用大量无标签数据改善电池SOH估计的高效技术，具有广阔的工程应用与产业推广前景。
基于监督协同训练框架锂离子电池健康状态估计方法

[发明专利]一种基于记忆引导注意力的无监督异常事件检测算法-CN202310369524.7在审
发明人：李璐;路文;伍凌帆 -专利权人：苏州海裕鸿智能科技有限公司
申请日： 2023-04-08 - 公布日： 2023-07-11 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于记忆引导注意力的无监督异常事件检测算法，包括以下步骤：步骤1)公开数据集USCD、ShanghaiTech Campus中的正常事件数据作为训练集；步骤2)构建基于记忆引导注意力的无监督异常事件检测模型；步骤3)对基于记忆引导注意力的无监督异常事件检测模型进行迭代训练；步骤4)获取基于记忆引导注意力的无监督异常事件检测模型检测结果。这种基于记忆引导注意力的无监督异常事件检测算法通过引入记忆引导注意力模块，使网络模型在学习时，更关注正常事件中的有价值信息；此外，提出了一种冗余信息抑制约束，将这种冗余信息抑制约束作为损失函数的一部分来优化模型参数
一种基于记忆引导注意力监督异常事件检测算法

[发明专利]数据处理方法、装置、设备、存储介质及程序产品-CN202211464762.8在审
发明人：王盟;阎翠婷;王博 -专利权人：中国农业银行股份有限公司
申请日： 2022-11-22 - 公布日： 2023-03-07 - 主分类号： G06F18/214 文献下载
摘要：本申请实施例提供一种数据处理方法、装置、设备、存储介质及程序产品，本申请实施例涉及数据处理技术领域，该方法包括：根据训练样本集，通过无监督学习模型，得到本轮迭代结果；所述训练样本集为语料样本集或图像样本集；对所述本轮迭代结果中分类存储的数据样本进行特征筛选，得到新的分类存储的数据样本；根据所述本轮迭代结果，调整所述无监督学习模型的参数，并将所述新的分类存储的数据样本，通过本轮调整后的无监督学习模型进行下一轮迭代操作，直至达到迭代停止条件；其中，训练好的无监督学习模型用于语音识别或图像识别。本申请实例提供的方法能够克服现有技术的模式识别中，无监督学习的方式存在机器学习的效率及准确度较低的问题。
数据处理方法装置设备存储介质程序产品

[发明专利]基于半监督的SAR图像目标识别方法-CN202211339159.7在审
发明人：张新征;魏宇航;胡东;罗雨晴 -专利权人：重庆大学
申请日： 2022-10-28 - 公布日： 2023-03-10 - 主分类号： G06V20/10 文献下载
摘要：本发明具体涉及基于半监督的SAR图像目标识别方法，包括：通过经过训练的目标识别模型生成待识别SAR图像的目标预测值；训练目标识别模型时：首先获取用于训练的有标签图像和无标签图像并输入特征融合网络中，并基于有标签预测值计算有监督损失；然后对无标签图像进行弱增强和强增强并分别输入特征融合网络中，输出弱增强预测值和强增强预测值；随后基于弱增强预测值生成对应的正伪标签和负伪标签并计算无监督损失；再基于预设的置信阈值和相似阈值选取对应的无标签图像对来计算相似伪标签损失；最后通过有监督损失、无监督损失和相似伪标签损失联合训练目标识别模型。
基于监督 sar 图像目标识别方法

[发明专利]基于无监督知识图谱的故障根因定位方法、装置及设备-CN202310955773.4在审
发明人：程捷 -专利权人：北京博睿宏远数据科技股份有限公司
申请日： 2023-08-01 - 公布日： 2023-09-12 - 主分类号： G06F16/36 文献下载
摘要：本发明实施例公开了一种基于无监督知识图谱的故障根因定位方法、装置及设备。该方法包括：采集调用链数据，并确定调用链数据中的各实体节点以及实体节点之间的拓扑关系；根据各实体节点，以及拓扑关系，生成与调用链数据对应的无监督知识图谱；采集程序运行过程中生成的告警数据，并根据告警数据以及无监督知识图谱该方法通过无监督方式建立知识图谱，提高根因分析的自动化程度，无需人工处理；通过无监督知识图谱构建故障树进行故障根因定位，简便快捷、准确率高且通用性强。
基于监督知识图谱故障定位方法装置设备

[发明专利]基于标签矫正的无监督领域自适应模型的实现方法-CN202110103804.4有效
发明人：汪云云;王超 -专利权人：南京邮电大学
申请日： 2021-01-26 - 公布日： 2022-07-29 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于标签矫正的无监督领域自适应模型的实现方法。属于计算机图像分类领域，具体步骤：1、基于对抗的领域自适应思想，构建无监督领域自适应模型；2、对构建的无监督领域自适应模型进行预训练；3、预训练完成后，对构建的无监督领域自适应模型中的标签矫正器初始化；本发明提供了一种基于标签矫正的无监督领域自适应模型的实现方法，在几乎不额外增加计算资源和训练时间的基础上获得预测精度的提升，本发明可以方便地应用于其他领域自适应模型中，通过增加标签矫正模块提高训练精度和效率
基于标签矫正监督领域自适应模型实现方法

[发明专利]一种多层次无监督领域自适应目标检测识别方法-CN202210605542.6在审
发明人：张兆祥;许悦雷;周清;马林华;加尔肯别克;回天;袁超峰 -专利权人：西北工业大学
申请日： 2022-05-30 - 公布日： 2022-08-30 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种多层次无监督领域自适应目标检测识别方法，首先利用源数据域的图像和对应的标签，对深度学习模型进行有监督训练。模型参数适应之后，再引入目标域数据集，进行无监督自学习，生成伪标签，再次对模型进行参数微调，最终实现目标检测模型的多层次无监督领域自适应。本发明方法提高了模型的无监督目标检测精度和可靠性。
一种多层次监督领域自适应目标检测识别方法

[发明专利]一种燃料电池故障诊断模型的训练方法以及系统-CN202310880087.5在审
发明人：施永;何伟;车智康;苏建徽;解宝;赖纪东 -专利权人：合肥工业大学
申请日： 2023-07-17 - 公布日： 2023-10-20 - 主分类号： G06F18/214 文献下载
摘要：本发明提供一种燃料电池故障诊断模型的训练方法，包括：获取训练数据集；对所述训练数据集进行类别标记处理，生成类别标签数据集；对编码无监督模型进行非线性激活处理，生成激活无监督模型；根据所述训练数据集对所述激活无监督模型依次进行逐层贪婪无监督处理以及有监督分类处理
一种燃料电池故障诊断模型训练方法以及系统

[发明专利]一种分类模型训练方法、装置、设备及介质-CN202110613729.6在审
发明人：胡克坤;董刚;赵雅倩;刘海威;徐哲 -专利权人：苏州浪潮智能科技有限公司
申请日： 2021-06-02 - 公布日： 2021-08-13 - 主分类号： G06K9/62 文献下载
摘要：：基于图数据集构建顶点特征矩阵、邻接矩阵以及顶点标签矩阵；其中，顶点标签矩阵包括图数据集每个顶点的标签信息；将顶点特征矩阵、邻接矩阵以及顶点标签矩阵输入至分类模型中的Teacher图小波神经网络进行有监督训练，并在训练过程中确定出相应的有监督训练损失；将顶点特征矩阵、邻接矩阵输入至分类模型中的Student图小波神经网络进行无监督训练，并在训练过程中确定出相应的无监督训练损失；基于有监督训练损失以及无监督训练损失确定目标训练损失
一种分类模型训练方法装置设备介质

[发明专利]一种图像分类方法、装置、存储介质及终端-CN202111678278.0在审
发明人：刘斌;张睿;何英杰;聂虎 -专利权人：特斯联科技集团有限公司
申请日： 2021-12-31 - 公布日： 2022-05-13 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种图像分类方法、装置、存储介质及终端，方法包括：获取待分类的目标图像；将目标图像输入到预先训练的图像分类模型中；其中，预先训练的图像分类模型是依次经过自监督学习、监督学习和半监督学习训练生成的；自监督学习是基于有标签数据集训练的，监督学习是基于无标签数据集训练的，半监督学习时基于伪标签数据集和有标签数据集共同训练的；伪标签数据集是基于无标签数据集生成的；输出目标图像对应的图像类别。本申请通过无标签数据集生成伪标签数据集，并结合有标签数据集对模型进一步训练，从而提升了无标签数据的利用率，使得模型的分类精度更高。
一种图像分类方法装置存储介质终端

[发明专利]一种融合无监督学习和自监督学习的中文拼写纠错方法-CN202210839984.7在审
发明人：李丕绩;王曦 -专利权人：南京航空航天大学
申请日： 2022-07-18 - 公布日： 2022-11-18 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种融合无监督学习和自监督学习的中文拼写纠错方法，首先，利用混淆集对模型进行预训练，在预训练时不再替换为随机的字，而是替换为混淆集中的字使模型学到字音和字形相关信息；在训练时利用无监督学习和自监督学习对中文拼写错误进行检测和纠正本发明融合无监督学习和自监督学习提高模型中文拼写纠错性能的方法所训练的模型能够使模型更好的学习到字音和字形信息，使得模型在中文拼写纠错领域的性能得到提高。
一种融合监督学习中文拼写纠错方法

[发明专利]基于标记样本扩充和样本选择的数据检索方法及系统-CN202211191707.6在审
发明人：刘兴波;张雪凝;聂秀山;王少华;尹义龙 -专利权人：山东建筑大学
申请日： 2022-09-28 - 公布日： 2023-03-28 - 主分类号： G06F16/53 文献下载
摘要：属于数据挖掘处理技术领域，包括获取待检索的图像样本，利用样本外扩展映射计算其哈希码；计算待检索图像样本与检索数据库中哈希码的海明距离，并按照海明距离从小到大的次序返回相似数据，基于基于标记样本及其标签建立监督损失，基于无标记样本及其伪标签建立无监督损失，根据监督损失和无监督损失建立半监督哈希的目标函数；在目标函数优化和样本选择间迭代，获取检索数据库的哈希码，并利用检索数据库的哈希码学习样本外扩展映射，能够在一定程度上提高半监督哈希方法的训练效率和稳定性
基于标记样本扩充选择数据检索方法系统

[发明专利]使用监督和无监督机器学习模型的基于时间的聚合学习的系统、方法和计算机程序产品-CN202280002214.5在审
发明人： Y·程;谷雨;S·P·汉密尔顿 -专利权人：维萨国际服务协会
申请日： 2022-01-20 - 公布日： 2023-09-22 - 主分类号： G06N3/09 文献下载
摘要：提供用于利用机器学习模型聚合学习的系统，所述系统包括处理器，用于：接收多个数据实例的训练数据集，其中每个数据实例包括数据点的时间序列；将时间延迟量添加到一个或多个数据实例以提供经扩增的训练数据集；选择第一多个监督机器学习模型；选择第二多个无监督机器学习模型；基于所述经扩增的训练数据集训练所述第一多个监督机器学习模型和所述第二多个无监督机器学习模型；基于所述监督机器学习模型和所述无监督机器学习模型的输出生成聚合机器学习模型；
使用监督机器学习模型基于时间聚合系统方法计算机程序产品