“泛化性能 ”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2152547个，建议您升级VIP下载更多相关专利

[发明专利]基于准确性和泛化性的模型性能确定方法、装置及终端-CN202310113484.X在审
发明人：赵云策;宋丽妍;姚新 -专利权人：南方科技大学
申请日： 2023-01-30 - 公布日： 2023-06-23 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于准确性和泛化性的模型性能确定方法，所述方法通过获取模型信息，根据所述模型信息确定已训练的目标模型；获取所述目标模型对应的准确性和若干泛化性，其中，各所述泛化性分别对应所述目标模型的不同应用场景；根据所述准确性和各所述泛化性，确定所述目标模型的综合性能。本发明通过获取模型的准确性和不同场景下的泛化性，可以准确判断目标模型的综合性能。解决了现有技术中由于模型部署前后用于模型训练和评估的数据不一致，因此难以在模型部署前准确预测模型的综合性能优劣的问题。
基于准确性泛化模型性能确定方法装置终端

[发明专利]基于信息论的强化学习泛化性网络-CN202211205768.3在审
发明人：杨嘉琛;霍紫强;肖太秋;肖帅;温家宝 -专利权人：天津大学
申请日： 2022-09-28 - 公布日： 2023-01-06 - 主分类号： G06N3/08 文献下载
摘要：随着强化学习逐渐被应用到更多领域，其存在的泛化性差的问题也逐渐受到关注。智能体的泛化性能决定了其能否应对各种突发情况，能否在更广泛的真实场景应用，甚至能否设计出真正的通用人工智能。因此对于强化学习泛化性能的研究是很有意义的。本发明是针对强化学习泛化性能差的问题，提出了一种基于信息论的强化学习泛化性网络。本发明可广泛用于提升强化学习算法的泛化性能。
基于信息论强化学习泛化网络

[发明专利]基于联邦学习的建模方法、装置及系统-CN202110777434.2在审
发明人：于路;信伦 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2021-07-09 - 公布日： 2023-01-13 - 主分类号： G06N20/20 文献下载
摘要：具体实现方案包括：获取各建模节点的模型的泛化性能值，计算每两个建模节点的模型之间的差异值，根据所述泛化性能值和所述差异值，从所有建模节点的模型中选择满足预设条件的多个目标模型，并利用所述多个目标模型的参数由此，可以实现选择泛化性能好、差异度大的建模节点的模型参与联合建模，从而提高构建的联邦学习模型的精度。
基于联邦学习建模方法装置系统

[发明专利]基于神经网络模型的矿井涌水量预测方法-CN200510045173.6无效
发明人：孟江;安坤 -专利权人：孟江
申请日： 2005-11-17 - 公布日： 2006-06-14 - 主分类号： E21B47/10 文献下载
摘要：本发明公开了一种基于神经网络模型的矿井涌水量预测方法，它包括以下步骤：获取矿井涌水量历史数据并转化为时间序列模式，构建BP神经网络预测模型和学习方法模型，训练预测模型，检验及预报输出，其特征是所述的学习方法模型为泛化性学习方法模型，并用泛化性学习方法对预测模型进行训练时由于本预测模型采用了泛化性学习算法进行训练，所以学习效率高，泛化性能好，预测准确，从而实现了对未来趋势发展的准确预见，较准确的把握现有数据的发展趋势。
基于神经网络模型矿井水量预测方法

[发明专利]一种基于SVM技术的离散前向神经网络分类器的优化方法-CN201610005936.2在审
发明人：钟水明;杨萍;彭路;罗波;孙昊;陆晓翔;顾菁卿 -专利权人：南京信息工程大学
申请日： 2016-01-04 - 公布日： 2016-06-15 - 主分类号： G06K9/62 文献下载
摘要：离散前向神经网络(BFNN)具有明显的结构优势，但现有学习算法还不太成熟，难以获得令人满意的泛化性能；而SVM技术优势在于解决线性可分问题，能确立一个最优超平面，来提升分类器的泛化性能；因此，借助于SVM技术来优化训练后的BFNN，在现有的BFNN神经网络学习泛化能力还不理想的情况下，提出的一种基于SVM技术的离散前向神经网络分类器的优化算法。该算法将训练样本数据分解神经元数集，再重新组织更完善更契合的映射关系，通过SVM技术找到更优的权参数，改善BFNN神经网络泛化性能，从而获得更优的学习性能，促进BFNN在模式识别以及电子通信领域更加广泛的应用
一种基于 svm 技术离散神经网络分类优化方法

[发明专利]基于特征自适应融合领域泛化的行为识别方法及系统-CN202210459777.9在审
发明人：陈益强;秦欣;王晋东;卢旺 -专利权人：中国科学院计算技术研究所
申请日： 2022-04-24 - 公布日： 2022-07-29 - 主分类号： G06V40/20 文献下载
摘要：本发明提出一种基于特征自适应融合领域泛化的行为识别方法和系统，具体来说所提的算法包括领域特定表示学习模块和领域不变表示学习模块，通过领域特定特征的学习，抽取每个源域特定的特性，使得具有更多样的特征表示；通过领域不变表示学习模块学习领域无关的特征，抽取所有领域共有的、不变特点，提高泛化性能。将两部分特征自适应融合，使得能够训练泛化性能良好的模型，从而在未知的目标域上实现良好的分类性能，完成目标域的人类行为识别任务。
基于特征自适应融合领域泛化行为识别方法系统

[发明专利]一种基于PPO-CFR算法的非完全信息博弈策略优化方法-CN202210999505.8在审
发明人：朱进;黄蕾 -专利权人：中国科学技术大学
申请日： 2022-08-19 - 公布日： 2022-12-09 - 主分类号： G06N7/00 文献下载
摘要：智能体，将现存CFR变体中的后悔更新方式作为PPO智能体可以选择的动作，并利用迭代博弈策略的可利用度构造智能体的奖励值，从而使得PPO智能体能够在每一时间步中选择最合适的后悔更新方法，以提高CFR算法的泛化性能，并达成非完全信息博弈的策略优化，从而解决了现有CFR及其变体算法在非完全信息博弈下表现各有优劣、泛化性能薄弱的问题，可以在卡牌等非完全信息博弈中获得良好的泛化性能和较低的可利用度，同时迭代策略能够收敛到近似纳什均衡策略
一种基于 ppo cfr 算法完全信息博弈策略优化方法

[发明专利]分布式群体性能智能优化方法、系统及电子设备-CN202211602430.1有效
发明人：杨远达;张梦瑶 -专利权人：季华实验室
申请日： 2022-12-14 - 公布日： 2023-07-25 - 主分类号： G06F18/214 文献下载
摘要：本申请属于群体智能优化技术领域，公开了一种分布式群体性能智能优化方法、系统及电子设备，由群体中的多个个体节点对最新的群体预训练模型进行进一步的微调训练以得到个体优化模型，然后由所有个体节点对每个个体优化模型进行评分，最后综合每个个体优化模型得到的所有评分分值，根据评分结果从这些个体优化模型中确定更优模型，以进行群体预训练模型的更新操作，如此循环多次，使群体预训练模型对于整个群体的绝对性能和应用泛化性能逐渐提高，最终得到对于整个群体具有更优的绝对性能和应用泛化性能的群体预训练模型；使用该方法可自动化地提升群体预训练模型的泛化性能和绝对性能，进而有利于提升客体群体的性能表现。
分布式群体性能智能优化方法系统电子设备

[发明专利]一种正则化RBF网络多标签分类方法-CN201510213367.6有效
发明人：孙霞;王佳荣;冯筠;陈勇;吴宁海 -专利权人：西北大学;西安麦多信息科技有限公司;陕西瑞海电力工程有限公司
申请日： 2015-04-29 - 公布日： 2017-03-22 - 主分类号： G06N3/04 文献下载
摘要：本发明方法在对多标签分类算法的设计中，利用正则化技巧，聚类速度快、泛化性能好，能够有效增强RBF网络的泛化性能。
一种正则 rbf 网络标签分类方法

[发明专利]基于推理模式评估深伪图像检测模型泛化性方法及装置-CN202211395358.X有效
发明人：李超;姚柯璐 -专利权人：之江实验室
申请日： 2022-11-09 - 公布日： 2023-02-03 - 主分类号： G06V20/00 文献下载
摘要：本发明涉及基于推理模式评估深伪图像检测模型泛化性方法及装置，属于深度学习可解释性应用技术领域；本方法可作为传统评估方法的一种补充，弥补传统方法仅依靠准确率下降率评估泛化性的片面性。本方法基于推理模式提出一种新的泛化性量化方法，从语义层面量化深伪图像检测模型建模的推理模式的复杂度。通过计算复杂度，能够精确的评估深伪图像检测模型的泛化性。本量化方法输出值越大，表示泛化性越强，反之表示泛化性越弱。
基于推理模式评估图像检测模型泛化方法装置

[发明专利]革兰染色图像的目标识别与分割预训练方法及系统-CN202310971163.3在审
发明人：娄博华;朱慧敏;杨旭;沈海东;刘中华;王国强 -专利权人：江苏硕世生物科技股份有限公司
申请日： 2023-08-02 - 公布日： 2023-09-22 - 主分类号： G06V10/764 文献下载
摘要：针对医疗图像标注难度大、训练欠拟合或过拟合等问题，该目标识别与分割预训练方法结合海量未标注数据及循环式预训练框架，以此提升模型泛化性能，达到了可提高模型泛化性能的效果，并且通过减少医疗图像标注数据不足对模型性能的影响
染色图像目标识别分割训练方法系统

[发明专利]一种图像增强方法、装置、电子设备及存储介质-CN202211154177.8在审
发明人：李健铨;刘小康;胡加明 -专利权人：鼎富智能科技有限公司
申请日： 2022-09-21 - 公布日： 2022-12-06 - 主分类号： G06T5/00 文献下载
摘要：通过使用神经网络模型对原始图像进行特征提取，并对获得的隐特征向量进行修改，获得修改后的隐向量，然后根据修改后的隐向量对原始图像进行图像增强，由于对神经网络模型提取的隐特征向量进行修改，修改后的隐向量用于引导神经网络模型生成能够提升模型泛化性能的增强图像，因此，使用获得的增强图像能够提升模型泛化性能，从而有效地提高了模型泛化性能。
一种图像增强方法装置电子设备存储介质

[发明专利]基于傅里叶的元学习领域泛化的少样本医学图像分割方法-CN202310002334.1在审
发明人：曹文杰;王元全;甘丰;胡宁 -专利权人：河北工业大学
申请日： 2023-01-03 - 公布日： 2023-05-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于傅里叶的元学习领域泛化的少样本医学图像分割方法，该方法利用快速傅里叶变换对源域图像进行处理，通过交换无标签数据振幅谱和有标签数据振幅谱的分布信息，在源域构造多源分布数据集，模拟域偏移；然后通过在源域中对分割模型进行元学习训练，学习到了一个优秀的初始化参数，显著提高了模型的泛化性能，模型具有很高的泛化性能，使神经网络模型能够更好的泛化到训练数据集中未包含的数据；然后在目标域使用极少量样本进行微调
基于傅里叶学习领域泛化样本医学图像分割方法

[发明专利]一种用于外观检测的机器视觉方法-CN202010558270.X有效
发明人：程睿远;顾锴;琚长江;张建安;杜鹏飞;陈纪勇;李倩 -专利权人：上海电器科学研究所(集团)有限公司;上海电器科学研究院;上海电机系统节能工程技术研究中心有限公司
申请日： 2020-06-18 - 公布日： 2022-11-18 - 主分类号： G06T7/00 文献下载
摘要：本发明提供的算法具有泛化性高、精确度高，具有可持续优化性的特征，处理两个主要需求：1)对产品的颜色进行检测；2)对产品的外观进行检测。本发明集成多种算法，准确率高；利用历史数据，可以优化参数；SIFT图像匹配算法自身的优良性能；泛化性高，对于主体颜色一致的产品都适用。
一种用于外观检测机器视觉方法

[发明专利]提高模型泛化性能的正则惩罚施加方法、装置及存储介质-CN202310604318.X有效
发明人：徐宸;李陆沁;任江哲;黄璞豪 -专利权人：蓝象智联（杭州）科技有限公司
申请日： 2023-05-26 - 公布日： 2023-08-04 - 主分类号： G06N20/00 文献下载
摘要：本申请实施例公开了一种提高模型泛化性能的正则惩罚施加方法、装置及存储介质，其中提高模型泛化性能的正则惩罚施加方法包括：获取由参与方参与加密的第一模型系数，并参与对参与方的第二模型系数的加密；将第一模型系数与对应的向量对位相乘第四密文通过对参与方发送来的第二密文进行解密并取系数符号，并且再次加密后得到；将第三密文与对应的向量对位相乘，得到第一L1正则惩罚项，利用第一L1正则惩罚项得到第三模型系数，以利用得到的第三模型系数提高模型的泛化性能
提高模型泛化性能正则惩罚施加方法装置存储介质

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