“机器学习系统”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5395344个，建议您升级VIP下载更多相关专利

[发明专利]结合专家经验模型与有监督机器学习算法的信用信息系统-CN201911221952.5在审
发明人：何儒汉;苏裕益;向俐双;万方名;胡新荣;陈常念;刘军平 -专利权人：武汉纺织大学
申请日： 2019-12-03 - 公布日： 2020-04-28 - 主分类号： G06N20/00 文献下载
摘要：本发明属于数据处理技术领域，公开了一种结合专家经验模型与有监督机器学习算法的信用信息系统，信用信息系统包括样本评判模块用于通过专家模型根据重要的样本特征来对整个样本做出评判，得到初步的信用分；样本排序模块用于通过样本评判模块得到的信用分Y将样本X进行排序，并得到监督机器学习算法的数据集；模型构建模块用于构建有监督机器学习模型，进行数据集的训练，并得到稳定模型及信用分标签Y’；模型验证模块用于验证机器学习模型。本发明结合专家模型与有监督机器学习算法进行信用评分，训练出来的机器学习模型不依赖于样本数据的分布，解决了利用机器学习模型没有标注数据的问题，能够实现信用评分模型的精准预测。
结合专家经验模型监督机器学习算法信用信息系统

[发明专利]分布式机器学习系统、模型训练方法、节点设备及介质-CN202011344608.8在审
发明人：施亚东;蒋乾;郭棋林;高磊;冯可;王崟垄 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-11-26 - 公布日： 2021-03-16 - 主分类号： G06K9/62 文献下载
摘要：本申请提供了一种分布式机器学习系统、模型训练方法、节点设备及存储介质；系统包括：参数更新节点、以及至少两个执行器节点；其中，参数更新节点用于响应于至少两个执行器节点的模型获取请求，发送机器学习模型至各执行器节点；执行器节点用于接收机器学习模型并获取相应的训练样本子集，通过机器学习模型对训练样本子集中的训练样本进行预测，得到预测结果，并确定预测结果与相应的样本标签之间的差异；基于差异确定目标参数，并发送目标参数至参数更新节点；参数更新节点还用于基于各执行器节点发送的目标参数，更新机器学习模型的模型参数，以得到训练完成的机器学习模型；通过本申请，能够提升机器学习模型的训练效率，降低硬件资源的消耗。
分布式机器学习系统模型训练方法节点设备介质

[发明专利]个性化自动化机器学习-CN202180008767.7在审
发明人：王大阔;淦创;谭铭;A·乔杜里;鞠琳 -专利权人：国际商业机器公司
申请日： 2021-02-11 - 公布日： 2022-08-30 - 主分类号： G06F16/36 文献下载
摘要：根据本发明的实施例，提供一种用于为自动化机器学习系统的用户个性化机器学习模型的方法，机器学习模型由自动化机器学习系统生成。第二神经网络和第三神经网络的第一组数据集，将训练数据集输入到神经网络，调整用于测试和训练神经网络的第一、神经网络第二神经网络和第三神经网络的超参数，输入第二组数据集到经训练的神经网络和第三神经网络生成包括每个机器学习模型的每个用户的相关性分数的第三输出数据，并显示与每个用户相关联的机器学习模型的列表，每个机器学习模型显示相关性分数。
个性化自动化机器学习

[发明专利]机器学习模型训练方法、电子设备及存储介质-CN202011218216.7在审
发明人：林忠亿 -专利权人：富泰华工业（深圳）有限公司;鸿海精密工业股份有限公司
申请日： 2020-11-04 - 公布日： 2022-05-24 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种模型训练方法，应用于模型训练系统中，所述模型训练系统包括多个电子设备和控制器，每一电子设备中均部署有相同的机器学习模型。电子设备收集用于训练所述初始机器学习模型的数据，作为训练样本数据集，训练所述初始机器学习模型，得到训练后的机器学习模型的预测准确率及各神经元之间的权重后，根据多个电子设备发送的预测准确率在所述多个电子设备发送的权重之间确定更新权重，并将所述训练后的机器学习模型中各神经元之间的权重对应更新为所述更新权重。本申请降低机器学习模型训练的成本、合理利用网络资源，提高机器学习模型的准确度。
机器学习模型训练方法电子设备存储介质

[发明专利]一种基于机器学习的流程流转规则预测方法-CN202310071220.2在审
发明人：王中旺;刘延亮 -专利权人：浪潮通信信息系统有限公司
申请日： 2023-02-07 - 公布日： 2023-05-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明特别涉及一种基于机器学习的流程流转规则预测方法。该基于机器学习的流程流转规则预测方法，收集业务流程流转的数据，将收集的数据分割并进行均值方差归一化处理，建立机器学习分类模型并对建立的机器学习分类模型进行评估与调优；保存训练好的机器学习分类归模型；使用训练好的机器学习分类模型进行流程流转的预测该基于机器学习的流程流转规则预测方法，能够减少在大量的业务中流程流转失败的工单数量，减轻人工进行工单修复的工作量，提高了交付效率，降低了项目维护的复杂度，同时还具有系统可移植性，进一步提高了客户对系统的信任度和满意度
一种基于机器学习流程流转规则预测方法

[发明专利]机器学习服务监控系统-CN202310230008.6在审
发明人：田野 -专利权人：浙江极氪智能科技有限公司;浙江吉利控股集团有限公司
申请日： 2023-03-06 - 公布日： 2023-06-06 - 主分类号： H04L67/12 文献下载
摘要：本发明公开了一种机器学习服务监控系统，系统包括服务网关、至少一个Java业务模块和至少一个机器学习服务模块；服务网关对车机端发出的待处理请求进行鉴权，并将通过鉴权的待处理请求转发到Java业务模块；Java业务模块执行与待处理请求对应的业务逻辑，并在业务逻辑执行的过程中需要调用机器学习服务时，请求对应的机器学习服务模块；机器学习服务模块通过机器学习模型对待处理请求进行处理，并将处理结果返回给所述Java业务模块实现了将基于Python的机器学习服务应用于智能座舱，由于Python编码方便，开发周期短，能够使开发者专注于业务逻辑的开发，提高了智能座舱的开发效率，降低了智能座舱的开发成本。
机器学习服务监控系统

[发明专利]一种机器学习中的数据隐私保护方法和系统-CN201810487937.4有效
发明人：秦波;唐文易;赵素云;陈红 -专利权人：中国人民大学
申请日： 2018-05-21 - 公布日： 2020-06-16 - 主分类号： G06F21/60 文献下载
摘要：本发明涉及一种机器学习中的数据隐私保护方法和系统，其特征在于包括以下步骤：1)选择需要应用的加密算法及系统参数，生成密钥；2)对原始数据进行加密，产生相应的密文数据；3)使用密文数据对需要使用的机器学习模型进行训练和参数调整，得到最优机器学习模型；4)采用步骤2)方法将待预测或分类的原始数据用步骤1)中的密钥进行加密，输入最优机器学习模型，得到预测或分类结果。本发明结合保序/保分布性质的加密算法与机器学习模型，能够保护原始数据和机器学习模型。保序/保分布性质的加密算法输出的密文膨胀程度远低于全同态加密算法而且能够保持明文数据中的某些分布特征，使得机器学习效率较高且具有较好的扩展性。
一种机器学习中的数据隐私保护方法系统

[发明专利]执行机器学习的分布式系统及其方法-CN201710764494.4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： 2019-10-25 - 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]针对数据记录执行机器学习的分布式系统及其方法-CN201710764131.0有效
发明人：戴文渊;陈雨强;杨强;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： 2019-09-17 - 主分类号： G06N20/00 文献下载
摘要：提供了一种针对数据记录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，每个计算装置针对各自的数据记录来执行同样的关于机器学习的数据流式计算；参数服务器，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服务器获取的参数来针对各自的数据记录执行同样的关于机器学习模型训练的运算，参数服务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服务器获取的参数来针对各自的数据记录执行同样的关于机器学习模型预估的运算。
计算装置数据记录参数服务器机器学习模型数据流机器学习预估分布式系统运算网络传输维护机器训练机器运算结果同质化学习更新

[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]工业机器人系统运维员培训考核系统-CN202010861828.1在审
发明人：王帅;王礼杰;罗洋;邓三鹏;权利红;薛强;邓茜;李丁丁;王文;王振 -专利权人：天津博诺智创机器人技术有限公司;湖北博诺机器人有限公司;安徽博皖机器人有限公司
申请日： 2020-08-25 - 公布日： 2020-12-08 - 主分类号： G09B9/00 文献下载
摘要：工业机器人系统运维员培训考核系统，包括机械系统检查与诊断模块、电气系统检查与诊断模块、运行维护模块、数据采集与状态监测模块、故障维修模块、人脸识别登录系统、自动评分系统。本发明功能齐全、结构可靠、性能稳定，其中，开放式电气控制柜可以用于学习工业机器人电气柜结构组成、线路排查、故障学习和维修、可编程控制器编程学习；机器人本体:机器人本体结合开放式电气控制柜，可用于机器人应用的练习；机器人本体的拆装，可用于机器人本体机械结构的了解和本体机械维修练习；搬运模块、装配模块、变位机模块可用于机器人应用的练习和机器人本体装配后功能正常的验证练习应用。
工业机器人系统运维员培训考核

[发明专利]控制数据使用顺序的分布式机器学习系统及其方法-CN201710310856.2在审
发明人：戴文渊;杨强;陈雨强;焦英翔;石光川;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： 2017-09-15 - 主分类号： G06K9/62 文献下载
摘要：提供了一种控制数据使用顺序的分布式机器学习系统及其方法。所述分布式机器学习系统，包括多个节点装置，其中，每个节点装置用于执行机器学习分布式训练处理并向服务器提供通过执行机器学习分布式训练处理所获得的训练结果，以及服务器，用于收集由所述多个节点装置提供的训练结果，并基于收集到的训练结果来得到机器学习模型，其中，与所有数据对应的一轮迭代过程被划分为多个保序训练阶段，所述多个节点装置在执行每一轮迭代过程时，针对相同保序训练阶段使用同样的数据来执行机器学习分布式训练处理相应地，能够在保持训练系统通用性的同时，通过数据保序使用而改善模型收敛过程。
控制数据使用顺序分布式机器学习系统及其方法

[发明专利]基于自动机器学习技术的摘要生成系统及方法-CN202210897321.0在审
发明人：王宏志;方景瑞;王春楠 -专利权人：哈尔滨工业大学
申请日： 2022-07-28 - 公布日： 2022-10-11 - 主分类号： G06F40/211 文献下载
摘要：基于自动机器学习技术的摘要生成系统及方法，具体涉及利用自动机器学习技术自动生成文本摘要的系统及方法，为解决摘要生成方法不能同时兼顾摘要的有效性和时效性，也不能针对文本的各种特征属性自动选择效果好的摘要方法，导致摘要内容好坏不定的问题，系统依次包括获取模块、生成模块、输出模块；生成模块依次包括分句模块、清洗模块、词嵌入模块、句子嵌入模块、摘要句评定模块。方法先获取文本集及对应的摘要；建立自动机器学习模型，将文本集输入自动机器学习模型内利用自动机器学习技术进行训练，输出所述每个文本的摘要，得到训练好的模型；将待生成摘要的文本输入训练好的自动机器学习模型内
基于自动机器学习技术摘要生成系统方法

[发明专利]一种基于全渠道运营数据的用户需求预测方法及架构-CN201910928706.7有效
发明人：李虎;曾毅峰;王之良;徐飞 -专利权人：上海浦东发展银行股份有限公司信用卡中心
申请日： 2019-09-28 - 公布日： 2023-02-10 - 主分类号： G06F16/182 文献下载
摘要：本发明涉及一种基于全渠道运营数据的用户需求预测方法及架构，方法包括：步骤1：数据汇集，从全渠道各个系统中获取用户原始运营数据，并存放于大数据框架文件系统中；步骤2：数据加工，将全渠道各个系统中的获取用户原始运营数据经过数据清洗加工后构建用户画像数据；步骤3：建立机器学习模型，将用户画像数据分为用于机器学习模型训练的数据集和用于机器学习模型验证的测试数据集后，利用测试数据集和训练数据集训练并验证该机器学习模型，得到最终训练并验证完毕的机器学习模型；步骤4：服务推荐，对最终机器学习模型进行模型评价后利用其预测用户原始运营数据对应需求并推荐服务。
一种基于渠道运营数据用户需求预测方法架构

[发明专利]基于机器学习的固态电解质材料筛选可视化系统及方法-CN202111398204.1在审
发明人：蒲剑苏;邵慧;高博洋;朱正国;朱焱麟 -专利权人：电子科技大学
申请日： 2021-11-19 - 公布日： 2022-03-15 - 主分类号： G06F30/27 文献下载
摘要：本发明设计了基于机器学习的固态电解质材料筛选可视化系统及方法，本发明属于计算机技术领域，解决机器学习方法应用于寻找具有高离子电导率等特性的固态电解质材料时缺少辅助工具的问题，基于机器学习的固态电解质材料筛选可视化系统包括可视分析系统，所述可视分析系统包括控制面板视图、平行坐标视图、聚类视图、材料比较视图、特征贡献视图和模型比较视图。本发明为机器学习方法应用于寻找具有高离子电导率等特性的固态电解质材料提供了辅助工具，能够帮助材料领域专家分析和理解机器学习模型，并实现对满足特定性能需求材料的预测。
基于机器学习固态电解质材料筛选可视化系统方法