“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]生成系统框架代码的方法、装置、电子设备及存储介质-CN201910822826.9在审
发明人：张辉;周晶 -专利权人：深圳壹账通智能科技有限公司
申请日： 2019-09-02 - 公布日： 2020-01-14 - 主分类号： G06F8/30 文献下载
摘要：本申请公开了一种生成系统框架代码的方法、装置、电子设备及存储介质，涉及智能决策领域，该方法包括：获取各用户终端选择的需求标签组合；将所述需求标签组合输入机器学习模型；将所述机器学习模型输出的系统框架代码返回给各用户终端；获取预定数目个用户终端对所述系统框架代码反馈的评分，进而确定所述机器学习模型的综合评分；若所述综合评分低于预定阈值，从管理终端获取对所述机器学习模型调整后的参数，调整机器学习模型参数，直到各用户终端对所述机器学习模型输出的系统框架代码反馈的综合评分达到预定阈值该方法提高了系统框架代码的生成效率。
机器学习模型系统框架用户终端需求标签用户终端选择反馈输出存储介质代码返回电子设备管理终端框架代码生成系统输入机器智能决策申请学习

[发明专利]基于比较模型参数的精度训练机器学习模型的处理器和系统-CN202011205589.0在审
发明人： F·米莱塔里;M·鲍斯特;N·里克;李文琦;徐大光;A·冯;欧榕;程岩 -专利权人：辉达公司
申请日： 2020-11-02 - 公布日： 2021-05-04 - 主分类号： G06K9/62 文献下载
摘要：公开了基于比较模型参数的精度训练机器学习模型的处理器和系统。协同训练一个或更多个机器学习模型的装置、系统和技术。参数审查器可以配置为比较机器学习模型参数信息集，以便生成一个或更多个机器学习模型，例如神经网络。
基于比较模型参数精度训练机器学习处理器系统

[发明专利]一种降低大规模分布式机器学习系统能耗的方法-CN201811177821.7有效
发明人：蒋从锋;王济伟;丁佳明;俞俊;赵乃良;樊甜甜;仇烨亮;万健;张纪林;殷昱煜;任祖杰 -专利权人：杭州电子科技大学
申请日： 2018-10-10 - 公布日： 2020-07-24 - 主分类号： G06F1/329 文献下载
摘要：本发明公开了一种降低大规模分布式机器学习系统能耗的方法。本发明通过分类器对分布式机器学习系统的负载进行分类识别、状态预测，并通过减少分布式参数服务器间的通信加速任务运行来降低整个分布式机器学习系统的能耗。本发明的方法包含两部分：机器学习负载预测与类型识别方法、分布式机器学习节点间参数“懒同步”机制。本发明通过只将显著更新传递到远程数据中心来减少广域网通信的参数同步机制可以有效减少系统等待时长，加快机器学习收敛速率。对机器学习负载的预测和类型的判别有助于提高工作机的利用率，避免大量工作机开启后处于闲置状态。以上方法缩短了机器学习任务的执行时间，提高了工作机利用率，大大降低了系统能耗。
一种降低大规模分布式机器学习系统能耗方法

[发明专利]用任意费用函数训练学习系统-CN200680025778.1有效
发明人： C·J·博格斯;Y·E·阿吉彻里 -专利权人：微软公司
申请日： 2006-07-06 - 公布日： 2009-09-16 - 主分类号： G06N3/08 文献下载
摘要：本发明涉及用于训练机器学习系统的系统和方法。许多费用函数是不平滑或不可微分的，并且在机器学习系统的训练期间不能被容易地使用。机器学习系统可以至少部分基于由该学习系统生成的已分级或排序的结果而包括一组估计梯度。该估计梯度可以被选择以反映费用函数的需求，并用来代替费用函数以在学习系统的训练期间用于确定或修改该学习系统的参数。
任意费用函数训练学习系统

[发明专利]一种基于LSTM的智能家居机器学习系统设计方法-CN201810315864.0在审
发明人：包晓安;徐海;常浩浩;张娜 -专利权人：杭州善居科技有限公司
申请日： 2018-04-10 - 公布日： 2018-10-26 - 主分类号： G06N99/00 文献下载
摘要：本发明公开了一种基于LSTM的智能家居机器学习系统设计方法，主要涉及机器学习和智能家居技术领域。包括以下步骤：S1：采集家庭环境数据，构建训练集、测试集和验证集；S2：设计并改进LSTM神经网络；S3：构建机器学习系统基准预测模型；S4：构建智能家居机器学习系统，以家庭单位作为预测节点，实现多节点预测和预测模型的自更新本发明将机器学习技术运用到智能家居领域中，设计出一种通用、高效的智能家居机器学习系统，能够适应多个家庭节点以及新的家庭行为。
智能家居机器学习系统构建预测模型机器学习技术机器学习家庭环境家庭节点家庭行为神经网络测试集多节点训练集验证集自更新预测采集通用改进

[发明专利]物流调度方法及装置-CN201610633455.6在审
发明人：黄绍建;崔代锐;蒋凡;徐明泉;刘浪;咸珂;陈进清;杨秋源 -专利权人：北京小度信息科技有限公司
申请日： 2016-08-04 - 公布日： 2017-07-14 - 主分类号： G06Q10/08 文献下载
摘要：本发明实施例是关于一种物流调度方法及装置，其方法包括获取所述物流调度系统中的第一规则打分模型；调用预设机器学习模型训练拟合所述第一规则打分模型，得到第一机器学习模型；通过预设历史订单数据对所述第一机器学习模型训练，得到第二机器学习模型；将所述第二机器学习模型作为所述物流调度系统中的规则打分模型。这样通过不断迭代，直到得到的趋于稳定的第二机器学习模型，并且调用第二机器学习模型对物流调度系统中各相关打分环节打分，可以大大提高打分准确性，进而提高物流配送效率。
物流调度方法装置

[发明专利]自动机器学习系统效能调优方法、装置、设备及介质-CN202010569033.3在审
发明人：刘政岳;吕宜鸿 -专利权人：鸿富锦精密电子（天津）有限公司
申请日： 2020-06-19 - 公布日： 2021-12-21 - 主分类号： G06F9/50 文献下载
摘要：本申请提供一种自动机器学习系统效能调优方法、装置、设备及介质，应用于与自动机器学习系统连接的效能调优装置，包括获取自动机器学习系统的预设应用程序接口及系统资源，在自动机器学习系统对一候选深度学习训练模型进行预训练时，根据预设应用程序接口获取其对应的效能指标量测值，根据效能指标量测值及系统资源确定分发策略和/或资源配置策略，以及根据分发策略和/或资源配置策略对所述候选深度学习训练模型进行计算资源分配，以使得候选深度学习训练模型基于所述计算资源分配进行训练实现对每个候选深度学习训练模型计算资源的动态分配，保证自动机器学习系统计算资源分配的合理，提高训练性能。
自动机器学习系统效能方法装置设备介质

[发明专利]具有学习教练的异步代理以及在不降低性能的情况下在结构上修改深度神经网络-CN201880047074.7在审
发明人： J·K·贝克尔 -专利权人： D5AI有限责任公司
申请日： 2018-05-31 - 公布日： 2020-03-17 - 主分类号： G06N3/02 文献下载
摘要：方法和计算机系统通过以下方式来改善经训练的基础深度神经网络，即通过在结构上改变所述基础深度神经网络以创建更新的深度神经网络，使得相对于所述基础深度神经网络，所述更新的深度神经网络在训练数据上未产生性能下降同时，用于在机器学习系统中使用的异步代理包括第二机器学习系统ML2，其将被训练以执行某些机器学习任务。所述异步代理进一步包括学习教练LC和任选的数据选择器机器学习系统DS。所述数据选择机器学习系统DS的目的是使所述第二级机器学习系统ML2在其学习过程中效率更高(通过选择一组较小但足够的训练数据)和/或更有效(通过选择一组集中于某项重要任务的训练数据)。所述学习教练LC是协助所述DS和所述ML2学习的机器学习系统。多个异步代理也可以彼此通信，每个异步代理在其各自的学习教练的指导下进行异步训练和增长以执行不同的任务。
具有学习教练异步代理以及降低性能情况在结构上修改深度神经网络

[发明专利]基于深度学习的智能清洁机器人贴边清洁系统及方法-CN202210410368.X在审
发明人：皮从明;张永明 -专利权人：净豹智能机器人（台州）有限公司
申请日： 2022-04-19 - 公布日： 2022-07-29 - 主分类号： A47L1/02 文献下载
摘要：本发明公开了基于深度学习的智能清洁机器人贴边清洁系统及方法，本发明涉及清洁机器人技术领域，包括主控CPU和检测单元、学习系统、控制单元以及清洁机器人，所述检测单元与主控CPU之间通过无线连接，所述主控CPU与学习系统电性连接，所述学习系统与控制单元之间电性连接，之后控制单元通过无线远程控制清洁机器人进行工作。该基于深度学习的智能清洁机器人贴边清洁系统及方法，通过预设好清洁动作和清洁组合动作，使得清洁机器人能够自主学习清洁动作，进而当清洁机器人遇到清洁障碍问题时，能够自动的转换为相应的清洁动作使其完成对玻璃的清洁工作
基于深度学习智能清洁机器人贴边系统方法

[发明专利]一种机器学习单机算法编排系统及方法-CN201910493696.9在审
发明人：吕天贵;张明;史红新;张凡;吴跃光;尚伟;刘育花;吕晓琳;剧建军;刘冠军;周悦淇 -专利权人：中信银行股份有限公司
申请日： 2019-06-06 - 公布日： 2019-09-17 - 主分类号： G06F9/455 文献下载
摘要：本发明提供一种机器学习单机算法编排系统及方法。所述系统特征在于包括：机器学习算法依赖模块，用于预定义机器学习算法容器镜像，并存储创建的所述机器学习算法容器镜像；应用容器平台，用于基于所述机器学习算法容器镜像创建应用容器；自定义业务算法模块，用于将业务算法代码存储于代码仓库或者以静态文件存储于分布式文件系统实现了机器学习算法环境秒级创建、保证算法执行完毕、支持多算法任务负载的效果。
机器学习算法算法编排系统机器学习应用容器单机分布式文件系统静态文件存储自定义业务编程语言创建应用代码存储任务负载算法环境算法模块算法执行系统特征业务算法预定义创建嵌入存储仓库保证

[发明专利]机器学习模型参数传递方法及装置-CN202010349503.5在审
发明人：索士强;王映民 -专利权人：大唐移动通信设备有限公司
申请日： 2020-04-28 - 公布日： 2021-10-29 - 主分类号： G06N20/00 文献下载
摘要：本申请公开了在移动通信系统中进行机器学习模型参数传递方法及装置，用以当机器学习推演模型在无线移动通信系统内部时，实现机器学习模型的部署/更新。本申请提供的在移动通信系统中进行机器学习模型参数传递方法包括：第一设备中的智能内生业务从管理单元，接收第二设备中的智能内生业务主管理单元发送的机器学习模型文件以及目标功能单元信息；所述智能内生业务从管理单元，根据所述目标功能单元信息，将所述机器学习模型文件分发到第一设备中的目标功能单元中。
机器学习模型参数传递方法装置

[发明专利]用于将机器学习和大众外包数据标注进行集成的系统和方法-CN202010475759.0在审
发明人：于丽秀;林婉怡;J.E.金 -专利权人：罗伯特·博世有限公司
申请日： 2020-05-29 - 公布日： 2020-12-01 - 主分类号： G06K9/62 文献下载
摘要：一种用于机器学习系统的数据标注系统包括计算系统，该计算系统被配置成执行用于生成输入数据的数据标注的机器学习算法。该计算系统进一步被配置成：执行用于将机器学习算法的结果和预测传达给非专家工作者以供审查的接口。该接口使用可视化和自然语言与非专家工作者进行通信以引出反馈，从而改进机器学习算法的性能。
用于机器学习大众外包数据标注进行集成系统方法

[发明专利]一种基于机器学习模型的异构数据解析方法、设备及介质-CN202110598223.2在审
发明人：李则江 -专利权人：浪潮通用软件有限公司
申请日： 2021-05-31 - 公布日： 2021-08-27 - 主分类号： G06F16/25 文献下载
摘要：本申请公开了一种基于机器学习模型的异构数据解析方法、设备及介质，用以解决现有的机器学习模型无法直接应用于ETL中，因此无法统一多源异构系统中的数据的技术问题。方法包括：将机器学习模型部署至服务器；通过预测模型标记语言，将机器学习模型解析为标准格式，并将解析后的机器学习模型按照数据流的方式输出；基于解析后的机器学习模型，对待处理异构数据分别进行解析；输出待处理异构数据的解析结果本申请通过上述方法将机器学习模型解析为标准格式，从而将异构系统中的异构数据统一，避免了机器学习模型需要通过人为编写代码，才能将机器学习模型与异构数据整合的问题，降低了人力成本。
一种基于机器学习模型数据解析方法设备介质

[发明专利]分布式设备使用机器学习模型聚合系统-CN202010943090.3有效
发明人：樊星 -专利权人：上海松鼠课堂人工智能科技有限公司
申请日： 2020-09-09 - 公布日： 2021-07-30 - 主分类号： G06N20/20 文献下载
摘要：本发明提供了分布式设备使用机器学习模型聚合系统。该系统中，模型存储平台中存储有多个机器学习模型，模型使用设备可以通过向模型分配平台发送模型使用请求来获得模型存储平台中的相应机器学习模型，从而使得模型使用设备可以方便地获得想要使用的、已有的机器学习模型，模型使用设备获得机器学习模型之后，可以根据需要对机器学习模型进行利用；因而，采用上述技术方案，使得模型使用设备不需要自己从头开始设计机器学习模型，节省了机器学习模型的开发时间，使得全民的机器学习模型得到充分的共享使用
分布式设备使用机器学习模型聚合系统

[发明专利]一种用于机器学习系统的多媒体群智感知激励方法-CN201910096432.X有效
发明人：白光伟;顾伊人;沈航;沙鑫磊;张杰 -专利权人：南京工业大学
申请日： 2019-01-31 - 公布日： 2022-12-13 - 主分类号： G06Q10/06 文献下载
摘要：本发明提出了一种用于机器学习系统的多媒体群智感知激励方法，步骤如下：S1、机器学习系统根据数据训练需求发布图片采集任务；S2、移动感知平台获取机器学习系统发布的任务，并向平台用户发布感知任务请求；S3、计算获胜用户的报酬，并将获胜情况和报酬信息发送给用户；S5、获胜用户在规定时间内执行任务，将采集到的图片集上传到平台；S6、平台核实用户上传的数据，核实无误后支付报酬；S7、平台将所有图片集整理上传到机器学习系统作为机器学习系统的训练数据本发明方法可以在较低成本的基础上为机器学习系统提供大量的高质量数据，帮助机器学习系统不断成长和优化。
一种用于机器学习系统多媒体感知激励方法