“模型训练样本”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1052678个，建议您升级VIP下载更多相关专利

[发明专利]一种图像处理模型、机器学习模型的训练方法及装置-CN202011279492.4在审
发明人：孟强;徐霞清;周峰 -专利权人：北京爱笔科技有限公司
申请日： 2020-11-16 - 公布日： 2021-01-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开的一种图像处理模型、机器学习模型的训练方法及装置，可以根据第一训练样本集中第一类别的训练样本的样本特征与第二训练样本集中至少部分训练样本的样本特征的相似度，为目标训练样本设置相应的样本关系标识，之后可以至少使用带有样本关系标识的目标训练样本对模型进行训练。本发明可以增加在使用第一训练样本集对模型进行训练时的训练样本数量，提高对模型的训练效果，并可以使得模型在学习第一训练样本集中训练样本的样本特征时，可以学习到来自第二训练样本集的训练样本的样本特征，从而使模型可以具备在第一训练样本集对应的场景和第二训练样本集对应的场景中的通用性
一种图像处理模型机器学习训练方法装置

[发明专利]一种模型训练的方法及装置-CN202111334977.3在审
发明人：樊明宇;徐一;任冬淳;夏华夏 -专利权人：北京三快在线科技有限公司
申请日： 2021-11-11 - 公布日： 2022-03-01 - 主分类号： G06V20/58 文献下载
摘要：本说明书公开了一种模型训练的方法及装置，涉及无人驾驶领域，获取样本集，并针对该样本集中的每个训练样本，将该训练样本输入到待训练的预测模型中，得到针对该训练样本的预测结果，以及根据该训练样本的预测结果以及该训练样本的实际结果，确定该训练样本针对该预测模型的权重，作为该训练样本对应的权重，根据该训练样本对应的权重，确定该训练样本针对所述预测模型的损失值，并根据该损失值，确定该训练样本针对预测模型的调参梯度，根据该调参梯度，对预测模型中包含的参数进行调整，以完成对预测模型的训练，其中，若该训练样本对应的权重越大，该训练样本对应的调参梯度越大，从而提高训练出的预测模型的预测效果。
一种模型训练方法装置

[发明专利]模型训练方法、装置、电子设备及计算机可读存储介质-CN202010357153.7在审
发明人：王森 -专利权人：北京金山云网络技术有限公司
申请日： 2020-04-29 - 公布日： 2021-10-29 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提供了一种模型训练方法、装置、电子设备及计算机可读存储介质，可以获取多个训练样本；基于多个训练样本，生成多个训练样本集，其中，每一训练样本集包含多个训练样本，且各训练样本集中多个训练样本的顺序随机；在生成多个训练样本集的过程中，根据已生成的训练样本集对预设模型进行训练；输出训练好的预设模型。基于上述处理，能够缩短模型训练的时长，提高模型训练的效率。
模型训练方法装置电子设备计算机可读存储介质

[发明专利]预测模型训练、数据预测方法、装置和存储介质-CN202110355929.6有效
发明人：杨子翊;叶兆丰;廖奔犇;张胜誉 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-04-01 - 公布日： 2021-06-25 - 主分类号： G16B40/00 文献下载
摘要：本申请涉及一种预测模型训练方法、装置、计算机设备和存储介质。该方法包括：获取训练样本集，训练样本集包括各个训练样本、各个训练样本对应的训练样本权重和各个训练样本对应的目标能量特征；基于训练样本权重从训练样本集中确定当前训练样本；将当前训练样本对应的当前目标能量特征输入到预训练预测模型中进行基础训练，当基础训练完成时，得到基础预测模型；基于基础预测模型更新各个训练样本对应的训练样本权重并迭代执行，直到模型训练完成时，得到目标预测模型，目标预测模型用于预测输入的蛋白质信息与输入的化合物信息对应的相互作用状态信息采用本方法能够提高训练得到的目标预测模型的预测准确性。
预测模型训练数据方法装置存储介质

[发明专利]主动学习的行为识别模型训练方法、终端设备及存储介质-CN202210110983.9在审
发明人：赵广智;龚伟 -专利权人：中国科学技术大学先进技术研究院
申请日： 2022-01-28 - 公布日： 2022-05-13 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种主动学习的行为识别模型训练方法、终端设备及存储介质，该方法包括：将待训练样本输入至所述行为识别模型以确定所述待训练样本的行为识别结果，并根据所述行为识别结果确定目标训练样本；获取与所述目标训练样本对应的行为标签；将所述目标训练样本以及行为标签输入至行为识别模型进行训练，以更新所述行为识别模型。本发明通过将待训练样本输入至行为识别模型以确定待训练样本的行为识别结果，进而根据行为识别结果确定目标训练样本，以从待训练样本中选择目标训练样本作为当前的行为识别模型的“困难样本”，以减少无效或低效待训练样本的参与训练，提高对行为识别模型的训练效率。
主动学习行为识别模型训练方法终端设备存储介质

[发明专利]训练样本的选取方法、装置、计算机设备和存储介质-CN201911015081.1有效
发明人：付嘉懿;茹旷;潘晟锋;刘峰;刘云峰 -专利权人：深圳追一科技有限公司
申请日： 2019-10-24 - 公布日： 2023-02-03 - 主分类号： G10L15/06 文献下载
摘要：本申请涉及一种训练样本的选取方法、装置、计算机设备和存储介质。所述方法包括：根据初始训练样本集进行模型训练，得到第一识别模型；所述初始训练样本集中包括多个初始训练样本和各所述初始训练样本对应的标注；基于所述第一识别模型构造至少一个第二识别模型，并将所述第一识别模型和至少一个所述第二识别模型组成识别模型集合；根据所述识别模型集合从多个不具有标注的候选训练样本中选取出目标训练样本，所述目标训练样本为富含信息的训练样本。通过本发明实施例，由识别模型集合从多个候选训练样本中选取目标训练样本，不仅节省时间，而且节省人力成本。
训练样本选取方法装置计算机设备存储介质

[发明专利]基于强化学习的局部可解释模型-CN202080066799.8在审
发明人：赛尔坎·奥默·阿里克;尹珍圣;托马斯·乔恩·菲斯特 -专利权人：谷歌有限责任公司
申请日： 2020-09-23 - 公布日： 2022-05-10 - 主分类号： G06N3/04 文献下载
摘要：一种用于训练局部可解释模型(190)的方法(300)包括，获得训练样本(130)的集合，以及使用训练样本的集合来训练黑盒模型(120)。该方法还包括，使用经训练的黑盒模型和训练样本的集合来生成辅助训练样本(140)的集合，以及使用辅助训练样本的集合来训练基线可解释模型(150)。该方法还包括，使用辅助训练样本的集合和基线可解释模型来训练实例式权重估计器模型(160)。对于每个辅助训练样本，该方法还包括，使用经训练的实例式权重估计器模型来确定辅助训练样本的选择概率(170)。该方法还包括，基于选择概率来选择辅助训练样本(140S)的子集，以及使用辅助训练样本的子集来训练局部可解释模型。
基于强化学习局部可解释模型

[发明专利]深度神经网络模型的保护方法、装置、电子设备和介质-CN202210595796.4有效
发明人：邓富城;罗韵;陈振杰 -专利权人：山东极视角科技有限公司
申请日： 2022-05-30 - 公布日： 2022-08-30 - 主分类号： G06F21/12 文献下载
摘要：本申请公开了深度神经网络模型的保护方法、装置、电子设备和介质，本申请涉及神经网络模型领域，用于降低深度神经网络模型被盗用的风险。本申请方法包括：获取深度神经网络模型；获取原始训练样本集，所述原始训练样本集中至少包含两张原始训练样本；根据所述原始训练样本集的图像类型获取加密变换函数；根据加密变换函数对所述原始训练样本集中的原始训练样本进行加密转换处理，生成加密训练样本集，所述加密训练样本集中的加密训练样本与所述训练样本集的原始训练样本像素点参数不同；将所述加密训练样本集中的加密训练样本输入所述深度神经网络模型中训练，直到所述深度神经网络模型训练完成
深度神经网络模型保护方法装置电子设备介质

[发明专利]信息处理方法、推荐方法及相关设备-CN201911077078.2有效
发明人：张新宇 -专利权人：腾讯科技(北京)有限公司
申请日： 2019-11-06 - 公布日： 2023-05-30 - 主分类号： G06F16/9535 文献下载
摘要：本公开提供一种信息处理方法及装置、推荐方法以及电子设备和计算机可读存储介质，该方法包括：从训练样本集中获取第一训练样本及其点击标签、第二训练样本及其点击标签以及第一训练样本的和第二训练样本之间的类别标签；通过目标模型的第一机器学习模型和第一神经网络模型对第一训练样本进行处理、目标模型的第二机器学习模型和第二神经网络模型对第二训练样本进行处理，获得第一训练样本的预测点击概率、第二训练样本的预测点击概率以及第一训练样本和第二训练样本之间的预测类别信息；根据第一训练样本和第二训练样本的点击标签和预测点击概率以及第一训练样本和第二训练样本之间的类别标签和预测类别信息，确定目标损失以训练目标模型。
信息处理方法推荐相关设备

[发明专利]数据增强方法、模型训练方法及装置-CN202211166981.8在审
发明人：杨森;蒋宁;肖冰;李宽 -专利权人：马上消费金融股份有限公司
申请日： 2022-09-23 - 公布日： 2023-05-16 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种数据增强方法及模型训练方法，该模型训练方法包括：获取第一训练样本；将第一训练样本输入待训练模型中进行迭代训练，直至模型的损失函数收敛；其中，将第一训练样本输入待训练模型中进行训练的具体实现方式有：将第一训练样本输入待训练模型的第一增强子模型中对第一训练样本进行第一增强处理，得到第二训练样本；将第二训练样本输入待训练模型的第二增强子模型中对第二训练样本进行第二增强处理，得到增强后样本，第一增强处理和第二增强处理不同；损失函数包括语义缓解损失函数，语义缓解损失函数是根据第一训练样本的样本语义分布与增强后样本的样本语义分布的差异度确定的。
数据增强方法模型训练装置

[发明专利]机器翻译模型的训练方法、装置和电子设备-CN202011507120.2在审
发明人：张睿卿;王曦阳;何中军;李芝;吴华 -专利权人：北京百度网讯科技有限公司
申请日： 2020-12-18 - 公布日： 2021-03-16 - 主分类号： G06F40/58 文献下载
摘要：本申请公开了机器翻译模型的训练方法、装置和电子设备，涉及语音、自然语言处理、深度学习技术领域。具体实现方案为：获取用于对机器翻译模型进行训练的原始训练样本；基于原始训练样本，生成机器翻译模型的至少一个对抗训练样本；基于原始训练样本和对抗训练样本，对机器翻译模型进行训练。本申请的机器翻译模型的训练方法，可基于原始训练样本，生成机器翻译模型的至少一个对抗训练样本，并基于原始训练样本和对抗训练样本，对机器翻译模型进行训练，有助于提高机器翻译模型的鲁棒性，相较于相关技术中采用大量样本进行模型训练，该方法可基于原始训练样本自动生成对抗训练样本，不需要人工标注大量数据，节省了人力物力，成本较低。
机器翻译模型训练方法装置电子设备

[发明专利]风控场景中消除噪声样本的方法和装置-CN202310577209.3在审
发明人：杨信;吕乐;傅幸;刘芳卿;王维强 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2023-05-18 - 公布日： 2023-08-22 - 主分类号： G06F18/241 文献下载
摘要：本说明书实施例提供了一种风控场景中消除噪声样本的方法和装置。该方法包括：得到原始训练样本集；该原始训练样本集中包括扩充训练样本以及干净训练样本；将原始训练样本集中的一部分训练样本输入第一去噪模型中，另一部分训练样本输入第二去噪模型中；从输入一个去噪模型的各训练样本中确定出标签相对可靠的训练样本，并利用输入该标签相对可靠的训练样本时得到的该去噪模型的梯度信息更新另一个去噪模型的参数；最终得到的去噪模型对所述原始训练样本集中的训练样本进行分类，利用分类结果更新原始训练样本集中该训练样本的标签，从而得到消除噪声样本后的训练样本集本说明书实施例能够更好地消除噪声样本。
场景消除噪声样本方法装置

[发明专利]训练样本集生成方法、深度生成模型的训练方法和装置-CN202110073852.3在审
发明人：朱军;任勇 -专利权人：清华大学
申请日： 2021-01-20 - 公布日： 2021-05-11 - 主分类号： G06N3/08 文献下载
摘要：提供了一种训练样本集生成方法、深度生成模型的训练方法和装置。训练样本集生成时将原始样本集划分为多个随机性较弱的聚合样本集，并基于所述聚合样本集构建训练样本集。模型训练时采用所述训练样本集作为第一训练样本集；基于所述训练样本集和预设方式对所述深度生成模型进行迭代训练，直到达到预设条件，在每个迭代轮次中：从所述训练样本集中采样一个聚合训练样本集；基于所述聚合训练样本集中的每一个训练样本从所述深度生成模型采样生成对应的第三样本集；将所述聚合训练样本集和所述第三样本集的最大均值差异作为损失函数进行优化，以更新深度生成模型的参数。由此，在训练模型时，对样本集采取了先划分，后匹配的方法，模型生成效果更佳。
训练样本生成方法深度模型装置

[发明专利]人脸识别方法、装置、存储介质及计算机设备-CN201810530822.9有效
发明人：李安平;李绍欣;陈超;沈鹏程;吴双;李季檩 -专利权人：腾讯科技（深圳）有限公司
申请日： 2018-05-29 - 公布日： 2023-06-30 - 主分类号： G06V40/16 文献下载
摘要：本申请涉及一种模型的训练方法，方法包括：读取当前组训练样本，当前组训练样本基于训练集确定；通过待训练模型，获得当前组训练样本中的各训练样本的第一样本特征，并基于各训练样本所属的分类类别和各第一样本特征，获得与各训练样本分别对应的中心特征；获得各训练样本分别对应的特征分布参数，训练样本对应的特征分布参数是对训练集中、属于该训练样本所属的分类类别的各训练样本的第二样本特征进行统计获得，训练样本的第二样本特征由已训练模型基于该训练样本输出；基于各中心特征和各特征分布参数，获得当前组训练样本对应的综合损失参数，并基于综合损失参数调整待训练模型的模型参数。本申请提供的方案能够提高模型的训练效率。
识别方法装置存储介质计算机设备

[发明专利]推荐模型的训练方法、装置、电子设备及存储介质-CN202111002586.1在审
发明人：骆明楠;廖一桥;刘成军 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-08-30 - 公布日： 2021-11-26 - 主分类号： G06K9/62 文献下载
摘要：本公开公开了一种推荐模型的训练方法、装置、电子设备及存储介质。该方法在获取训练样本集后确定待处理训练样本集；遍历待处理训练样本集，并执行：根据当前训练样本中第一对象类型对应的样本信息，在第一训练样本中确定当前训练样本的相似样本；将相似样本中的第二对象类型对应的样本信息，对当前训练样本中的第二对象类型对应的样本信息进行替换，将替换后的当前训练样本作为新训练样本，以及得到新训练样本的样本标签；基于训练样本集中的训练样本和相应样本标签，以及待处理训练样本集中每个训练样本对应的新训练样本和相应样本标签，对神经网络模型进行迭代训练，得到推荐模型。该方法提高了推荐模型的推荐准确率。
推荐模型训练方法装置电子设备存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条