“机器学习模型”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1390152个，建议您升级VIP下载更多相关专利

[发明专利]一种基于区块链的机器学习模型自动化评测方法-CN202110270724.8有效
发明人：胡凯;王子凯;刘秉宇;张伯钧 -专利权人：北京航空航天大学
申请日： 2021-03-12 - 公布日： 2022-10-28 - 主分类号： G06F16/27 文献下载
摘要：本发明提供一种基于区块链的机器学习模型自动化评测方法，包括：建立区块链系统及基于区块链系统的评测平台，区块链系统作为数据存储、数据处理及自动化评测的评测实体，评测平台用于处理机器学习模型的正确率评测；进行机器学习模型的评测机器学习模型来源包括用户自主上传或第三方上传，自动化评测分为：平台评测与用户评测，其中平台评测使用评测平台拥有的物理机器，通过在适配的公共机器学习模型运行环境中运行机器学习模型数据来得出该模型正确率，以用于和上传时该模型自主声明的正确率做对比，用户评测需要用户自行安装平台的机器学习模型执行环境，在用户自己的机器上进行评测，并将评测结果上传至评测平台。
一种基于区块机器学习模型自动化评测方法

[发明专利]用于训练基于机器学习的模型的系统和计算机实施方法-CN201680075625.1有效
发明人： K·巴哈斯卡尔;L·卡尔森迪;S·A·永;M·马哈德凡;张晶;B·达菲 -专利权人：科磊股份有限公司
申请日： 2016-12-30 - 公布日： 2022-10-04 - 主分类号： G06T7/00 文献下载
摘要：本发明提供用于半导体应用的基于机器学习的模型的加速训练的方法及系统。一种用于训练基于机器学习的模型的方法包含获取在其上执行工艺的样品的非标称例子的信息。所述基于机器学习的模型经配置以针对所述样品执行模拟。仅使用额外样品的标称例子的信息训练所述基于机器学习的模型。所述方法还包含使用所述样品的所述非标称例子的所述信息重新训练所述基于机器学习的模型，借此执行所述样品的所述非标称例子的所述信息到所述基于机器学习的模型的转移学习。
用于训练基于机器学习模型系统计算机实施方法

[发明专利]用于分割钢微观组织相的装置和方法-CN202110466888.8在审
发明人：姜敏宇;权纯佑;李忠谚;金贤基;洪承贤;姜铨演 -专利权人：现代自动车株式会社;起亚株式会社
申请日： 2021-04-28 - 公布日： 2021-12-31 - 主分类号： G06T7/11 文献下载
摘要：该装置包括：存储装置，被配置为存储机器学习算法；以及处理装置，利用机器学习算法来分割微观组织相。处理装置被配置为接收标签数据，通过利用标签数据作为机器学习模型的学习数据来学习机器学习模型，并且通过利用学习的机器学习模型来分割钢微观组织图像的相。
用于分割微观组织装置方法

[发明专利]一种分类机器学习模型指纹提取和验证方法及其装置-CN202310011333.3在审
发明人：钟焰涛;王伟 -专利权人：华润数字科技有限公司
申请日： 2023-01-05 - 公布日： 2023-06-06 - 主分类号： G06F16/65 文献下载
摘要：本发明公开了一种分类机器学习模型指纹提取和验证方法及其装置，方法包括以下步骤：获取分类机器学习模型的边界数据值，筛选边界数据值得到指纹数据值；将指纹数据值输入至待验证学习模型中，得到待验证标签值；根据指纹数据值和待验证标签值，计算分类机器学习模型与待验证学习模型之间的性能差异值；根据性能差异值和预设的性能阈值，判断待验证学习模型是否窃取自分类机器学习模型。通过获取和筛选分类机器学习模型的边界数据值，提高指纹数据值的校验效率和降低计算量，能有效地提高待验证学习模型的断定准确率。
一种分类机器学习模型指纹提取验证方法及其装置

[发明专利]一种基于模型公平性的机器学习模型训练方法及系统-CN202210452091.7在审
发明人：严茜怡 -专利权人：中银金融科技有限公司
申请日： 2022-04-26 - 公布日： 2022-10-11 - 主分类号： G06N20/00 文献下载
摘要：本发明涉及一种基于模型公平性的机器学习模型训练方法及系统，其中机器学习模型训练方法包括：步骤1：获取待上模的数据、用户输入的敏感特征以及模型类型；步骤2：基于待上模数据和模型类型建立机器学习模型；步骤3：计算模型公平性指标和模型表现指标；步骤4：确定偏差产生原因；步骤5：进行偏差矫正；步骤6：判断公平性指标和模型表现指标是否均达到预设阈值，若是，则执行步骤7，否则，返回步骤5；步骤7：完成机器学习模型训练，输出训练好的机器学习模型。与现有技术相比，本发明具有有效减弱机器学习模型偏见、平衡模型公平性、表现性和可解释性等优点。
一种基于模型公平性机器学习训练方法系统

[发明专利]一种基于硬件资源消耗的机器学习方法及装置-CN201310659387.7有效
发明人：白明 -专利权人：北京奇虎科技有限公司;奇智软件(北京)有限公司
申请日： 2013-12-06 - 公布日： 2017-10-13 - 主分类号： G06F15/18 文献下载
摘要：本发明实施例提供一种基于硬件资源消耗的机器学习方法及装置，用以解决通过机器学习方法学习数学模型时，学习的数学模型不精确问题。该方法根据在学习该原数学模型的过程中的机器的硬件资源消耗量确定的硬件资源消耗量函数，硬件资源消耗量包括机器的CPU的消耗量、机器的内存消耗量、机器的网络IO消耗量以及机器的磁盘消耗量中的一种或几种，确定目标数学模型，从而确定目标数学模型中的相应参数。本发明实施例考虑了在学习原数学模型的过程中的机器的硬件资源消耗量，将该硬件资源消耗量函数和原数学模型的参数作为一个整体来综合学习，提高学习到的数学模型的精确度，并且可在数学模型的学习过程中节省大量的硬件资源
一种基于硬件资源消耗机器学习方法装置

[发明专利]训练机器学习模型的方法、装置以及存储介质-CN201911253316.0在审
发明人：韩卫强;李云彬;彭祚聪;权圣 -专利权人：北京中关村科金技术有限公司
申请日： 2019-12-09 - 公布日： 2021-06-25 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了一种训练机器学习模型的方法、装置以及存储介质。其中，该方法包括：接收待处理的训练任务；利用容器集群管理系统里的自定义资源组件创建运行机器学习平台的资源；在容器集群管理系统启动基于机器学习平台资源的训练任务；执行训练任务，得到训练后的机器学习模型；以及加载机器学习模型，提供与机器学习模型对应的模型服务。通过这种方式，无需修改容器集群管理系统代码或创建自定义的接口服务，就可以将机器学习平台部署在容器集群管理系统。
训练机器学习模型方法装置以及存储介质

[发明专利]用于模型更新的方法、设备和程序产品-CN202110127324.1在审
发明人：倪嘉呈;陈强;王子嘉;贾真 -专利权人：伊姆西IP控股有限责任公司
申请日： 2021-01-29 - 公布日： 2022-08-16 - 主分类号： G06K9/62 文献下载
摘要：本公开的实施例提供了用于模型更新的方法、设备和程序产品。该方法包括：确定已训练的机器学习模型在运行时的性能度量；确定在运行时由机器学习模型处理的验证数据集相对于用于训练机器学习模型的训练数据集的同质程度；基于性能度量和同质程度来确定机器学习模型的概念漂移的类型；以及基于概念漂移的类型，执行对机器学习模型的更新，更新包括部分更新或全局更新。由此，可以维持机器学习模型的良好性能，同时避免频繁全局更新导致的高时间和计算资源成本。
用于模型更新方法设备程序产品

[发明专利]奖励增强模型训练-CN201780052196.0在审
发明人： M.舒斯特;S.本吉奥;N.杰特利;Z.陈;D.E.舒尔曼斯;M.诺罗齐;Y.吴 -专利权人：谷歌有限责任公司
申请日： 2017-08-25 - 公布日： 2019-05-21 - 主分类号： G06N20/00 文献下载
摘要：一种方法包括获得识别要被训练以执行机器学习任务的机器学习模型的数据，所述机器学习模型被配置为接收输入示例并且根据多个模型参数的当前值来处理所述输入示例，以为所述输入示例生成模型输出；获得用于训练所述机器学习模型的初始训练数据，所述初始训练数据包括多个训练示例、以及对于每个训练示例，包括应当由所述机器学习模型通过处理所述训练示例生成的基础事实输出；从所述初始训练数据生成经修改的训练数据；以及在所述经修改的训练数据上训练所述机器学习模型
机器学习模型初始训练数据训练数据输出基础事实机器学习接收输入模型参数模型训练生成模型奖励配置

[发明专利]跨DIKW模态的混合特征机器学习建模与标记方法-CN202111674614.4在审
发明人：段玉聪 -专利权人：海南大学
申请日： 2021-12-31 - 公布日： 2022-04-15 - 主分类号： G06V10/774 文献下载
摘要：本发明提供一种跨DIKW模态的混合特征机器学习建模与标记方法，该方法包括：获取应用于机器学习的训练集图片，所述训练集图片为经过标注的图片并至少包含一个识别目标，建立训练集图片的DIKW模型；对训练集图片进行裁剪处理，将其切分为多张训练集子图片；建立训练集子图片的DIKW模型，将训练集图片和训练集子图片输入到机器学习模型中对机器学习模型进行训练，令机器学习模型学习训练集子图片识别目标与训练集图片识别目标之间的整体与局部关系；将待标记图片输入到机器学习模型中，机器学习模型为待标记图片中的识别目标进行识别并添加标注框，为标注框中的识别目标添加标记。本发明能够提高机器学习所需的训练样本的标注效率。
dikw 混合特征机器学习建模标记方法

[发明专利]计算机可读记录介质、计算处理方法和信息处理设备-CN202111075987.X在审
发明人：甲斐雄高;笠置明彦;原靖;檀上匠 -专利权人：富士通株式会社
申请日： 2021-09-14 - 公布日： 2022-05-06 - 主分类号： G06N20/00 文献下载
摘要：一种存储计算处理程序的非暂态计算机可读记录介质，该计算处理程序用于使计算机执行处理，该处理包括：在机器学习模型的机器学习时计算包括机器学习模型的输入层的机器学习模型的多个层的误差梯度；选择误差梯度小于阈值的层作为机器学习的抑制目标；以及在机器学习被抑制之前的一定时间段内，在被选为抑制目标的层上控制学习率并且执行机器学习。
计算机可读记录介质计算处理方法信息处理设备

[发明专利]集成化的机器学习算法库与统一编程框架-CN201910116872.7在审
发明人：郭昆;郭文忠;陈羽中;郭鸿清 -专利权人：福州大学
申请日： 2019-02-15 - 公布日： 2019-05-31 - 主分类号： G06F8/30 文献下载
摘要：本发明涉及一种集成化的机器学习算法库与统一编程框架，包括模型学习组件、模型更新组件和学习策略组件；所述模型学习组件基于Batch Processing利用机器学习算法和固定大小的批量数据构建算法模型的逻辑；所述模型更新组件基于Timely Processing利用动态的数据流对特定的算法模型进行更新的逻辑；所述学习策略组件内置判断输入数据是批量数据还是流数据的策略，调度模型学习组件、模型更新组件两个组件进行动态学习的逻辑本发明能够克服传统机器学习系统的单一处理方式缺点，方便机器学习的应用。
机器学习算法模型更新编程框架模型学习批量数据算法模型学习策略集成化数据流传统机器单一处理调度模型动态学习机器学习学习系统学习组件动态的流数据构建内置统一更新应用

[发明专利]图像数据处理方法、装置及可读存储介质-CN201810903034.X在审
发明人：杨少雄;赵晨 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-08-09 - 公布日： 2019-01-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供的图像数据处理方法、装置及可读存储介质，通过根据预设的至少两个超参数集建立用于待训练的至少两个机器学习算法模型；根据获取的同一图像数据训练集，对各待训练的机器学习算法模型进行训练，获得训练完毕的各机器学习算法模型并确定对应的收敛损失值；根据各机器学习算法模型的超参数集和对应的收敛损失值，确定最优超参数集，建立对应的待训练的最优机器学习算法模型；根据图像数据训练集对待训练的最优机器学习算法模型进行训练，获得训练完毕的最优机器学习算法模型并对待识别图像进行识别，获得图像识别结果，从而有效避免现有技术中根据经验值确定超参数而导致机器学习算法模型对图像识别的识别准确率不高的问题。
机器学习算法参数集可读存储介质图像数据处理收敛图像识别结果数据训练同一图像图像识别图像数据训练集准确率预设图像

[发明专利]知识蒸馏方法和系统-CN202011273058.5在审
发明人：聂迎;韩凯;王云鹤;许春景 -专利权人：华为技术有限公司
申请日： 2020-11-13 - 公布日： 2021-03-16 - 主分类号： G06N3/04 文献下载
摘要：所述方法包括：根据训练数据训练至少一个教师机器学习模型；将训练数据输入已训练教师机器学习模型从而获得已训练教师机器学习模型的输出结果；和根据损失函数调整学生机器学习模型的参数，从而使得所述学生机器学习模型针对所述训练数据的输出结果与所述已训练教师机器学习模型的输出结果的差值小于预设阈值所述损失函数包括第一部分和第二部分，所述损失函数的第一部分根据所述已训练教师机器学习模型的输出结果确定，所述损失函数的第二部分根据所述已训练教师机器学习模型所包括的中间层生成的中间层输出特征确定。
知识蒸馏方法系统

[发明专利]数据处理方法、装置、计算机可读介质及电子设备-CN202310250460.9在审
发明人：张博深 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-03-08 - 公布日： 2023-10-27 - 主分类号： G06F18/214 文献下载
摘要：该数据处理方法包括：将待处理数据输入到至少两个机器学习模型中，得到每个机器学习模型输出的针对预测结果的目标概率值；基于至少两个机器学习模型对应的协同标准化参数，对每个机器学习模型输出的目标概率值进行标准化处理，得到每个机器学习模型对应的标准化处理结果；根据每个机器学习模型对应的标准化处理结果，确定待处理数据对应的预测结果不确定度。本申请实施例的方案，基于协同标准化参数对每个机器学习模型的输出结果进行标准化处理，降低了不同机器学习模型之间输出结果具有差异性的影响，从而使得对待处理数据对应的预测结果更加可靠。
数据处理方法装置计算机可读介质电子设备