“训练集样本”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879698个，建议您升级VIP下载更多相关专利

[发明专利]神经网络训练方法及装置、图像分割方法-CN202110905429.5在审
发明人：王春;陈永录;张飞燕 -专利权人：中国工商银行股份有限公司
申请日： 2021-08-06 - 公布日： 2021-12-21 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种基于上下文编码的神经网络训练方法及装置、图像分割方法，可以应用于人工智能领域、金融领域或其他领域。训练方法包括：将训练数据集和验证数据集输入至特征编码模块，得到特征图像，训练数据集和验证数据集均包括多个样本图像，样本图像包括正样本和负样本，训练数据集和验证数据集具有真实标签；将特征图像输入至上下文信息提取模块生成高级特征映射；将高级特征映射输入特征解码器模块，生成样本图像的预测分割结果；以及根据样本图像中的正样本和负样本的类型确定神经网络的损失函数，基于神经网络的损失函数计算预测分割结果和真实标签之间的损失值，并根据损失值更新神经网络的参数；输出完成训练后的神经网络。
神经网络训练方法装置图像分割

[发明专利]一种基于小样本学习的孪生胶囊网络入侵检测方法-CN202210355242.7有效
发明人：孙捷;车洵;孙翰墨;胡牧;梁小川 -专利权人：南京众智维信息科技有限公司
申请日： 2022-04-06 - 公布日： 2022-07-15 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于小样本学习的孪生胶囊网络入侵检测方法，包括步骤：在训练阶段，将充足的不同攻击类型样本和正常网络流量样本通过K均值聚类方法进行聚类；将聚类好的样本，通过无监督子类型抽样方法进行抽样；将抽样好的平衡数据集和从稀缺的攻击类型中收集的数据样本用作孪生胶囊网络的训练集，并进行训练；在测试阶段，将正常流量样本、已知攻击样本和未知攻击样本用作测试集；将训练集用作测试阶段的支持集，然后将已标记样本与测试样本作为输入进行相似性度量；取支持集中与测试样本相似度最高的样本类型作为测试样本的类型，输出其标签；本方案有效的解决了异常网络流量训练数据的稀缺性，并加强了对未知攻击的检测识别。
一种基于样本学习孪生胶囊网络入侵检测方法

[发明专利]基于主动学习的目标检测模型训练方法-CN202110769915.9有效
发明人：陈映;曹松;任必为;郑翔;宋君;陶海 -专利权人：北京文安智能技术股份有限公司
申请日： 2021-07-08 - 公布日： 2021-09-21 - 主分类号： G06K9/20 文献下载
摘要：本发明提供了一种基于主动学习的目标检测模型训练方法，包括：由专家标定输入数据集向模型训练数据集输入标记有专家标签的样本图像，和/或由无标定输入数据集向模型训练数据集输入无目标对象框选的样本图像；当模型训练数据集的样本图像数量值小于或等于数据上限值时，继续训练初始模型，当样本图像数量值大于数据上限值时，选取筛除图像后训练初始模型，在筛除图像中选取无专家标签的输入待标定困难样本数据集；对其中的筛除图像进行目标对象框选筛查及专家标签标记后输入专家标定输入数据集本发明解决了现有技术中的为了提升目标检测模型泛化能力而导致训练数据集的数据量累积造成模型训练效率低下的问题。
基于主动学习目标检测模型训练方法

[发明专利]基于对抗训练的恶意软件开放集家族分类方法和装置-CN202010741391.8有效
发明人：孙玉霞;任羽;翁健 -专利权人：暨南大学
申请日： 2020-07-29 - 公布日： 2023-05-23 - 主分类号： G06F21/56 文献下载
摘要：本发明公开了基于对抗训练的恶意软件开放集家族分类方法和装置，首先获取训练样本的特征图像；通过生成对抗网络、第一分类器网络和第二分类器网络组成联合训练网络，由训练样本对生成对抗网络、第一分类器网络和第二分类器网络进行联合训练，将最后训练完成的第二分类器，作为恶意软件开放集分类器；针对待分类的测试样本，获取测试样本的特征图像；将测试样本的特征图像输入到恶意软件开放集分类器中，由恶意软件开放集分类器得到测试样本的家族分类结果。本发明能够训练出准确率和稳定性高的恶意软件开放集分类器，该分类器能对开放环境下的恶意软件样本进行家族分类，即不仅能对属于训练集旧家族的样本进行正确分类，而且能区分新旧家族样本。
基于对抗训练恶意软件开放家族分类方法装置

[发明专利]基于主动学习的弱监督文本分类方法及装置-CN201910188975.4有效
发明人：李健铨;陈玮;陈夏飞 -专利权人：安徽省泰岳祥升软件有限公司
申请日： 2019-03-13 - 公布日： 2023-06-27 - 主分类号： G06F16/35 文献下载
摘要：本申请公开一种基于主动学习的弱监督文本分类方法及装置，首先从未标注的样本集中抽取作为样本簇的簇心的第一样本，基于该第一样本构成初始训练集，并使用初始训练集训练基准模型，得到初始的分类模型，采用第一样本构成初始训练集，不仅降低训练样本数量，而且能够保证初始阶段分类模型的准确性；然后重复利用分类模型获取样本集中剩余样本的初定类别及置信度，从而无需人工标注；再根据置信度从剩余样本中抽取第二样本，并对第二样本进行数据增强处理以更新训练集，从而提高模型的泛化能力和鲁棒性；最后使用更新得到的目标训练集对分类模型进行训练，直到其满足预设条件，从而实现分类模型的多轮主动训练。
基于主动学习监督文本分类方法装置

[发明专利]一种语音识别方法、装置、设备和存储介质-CN202310495151.8在审
发明人：邓一达;张航;宋超;闫新旭;石志伟;邓福岳;翟昭华;史云霞 -专利权人：中国第一汽车股份有限公司
申请日： 2023-05-04 - 公布日： 2023-07-07 - 主分类号： G10L15/06 文献下载
摘要：本发明公开了一种语音识别方法、装置、设备和存储介质，包括：通过第一样本数据集对神经网络模型进行训练，确定初始训练模型；所述第一样本数据集包括样本语音数据，以及所述样本语音数据对应的样本指令信息；采集所述样本语音数据对应的样本面部图像，并通过所述初始训练模型对所述样本面部图像进行特征提取，确定样本指令信息对应的样本面部特征，且根据所述样本面部特征和所述样本指令信息，确定第二样本数据集；根据所述第二样本数据集对所述初始训练模型进行模型训练，并根据模型训练结果确定语音识别模型；所述语音识别模型用于根据待识别语音数据和待识别面部图像，确定目标指令信息。
一种语音识别方法装置设备存储介质

[发明专利]缓解神经网络对未知类样本产生错误分类的方法及装置-CN202010297682.2有效
发明人：苗丁锐博;唐可可;顾钊铨;李默涵;李树栋;王乐;仇晶;韩伟红;田志宏;殷丽华 -专利权人：广州大学
申请日： 2020-04-15 - 公布日： 2023-08-08 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种缓解神经网络对未知类样本产生错误分类的方法及装置，所述方法在训练神经网络的时候，将原始训练集和未知类样本训练集输入到神经网络中进行训练，对于原始训练集通过第一损失函数进行训练，对于未知类样本训练集通过第二损失函数进行训练，当神经网络的总损失函数达到最小值时，神经网络训练完成，由于只有当神经网络对原始训练集中的训练样本的类别做出最高置信度的正确预测时，第一损失函数的损失值最小，而当神经网络对未知类样本的训练样本的类别做出最低置信度的错误预测时，第二损失函数的损失值最小，因此通过实施本发明实施例能缓解现有神经网络对于未知类样本产生高置信度错误分类的问题。
缓解神经网络未知样本产生错误分类方法装置

[发明专利]一种噪音数据的识别方法和设备-CN202110283194.0在审
发明人：张勇;刘升平;梁家恩 -专利权人：云知声智能科技股份有限公司;厦门云知芯智能科技有限公司
申请日： 2021-03-16 - 公布日： 2021-05-28 - 主分类号： G06F16/332 文献下载
摘要：本发明提出了一种噪音数据的识别方法和设备，包括：获取原始训练数据；对原始训练数据进行前向推理，得到预测结果；基于原始训练数据与预测结果进行计算，得到损失结果；基于损失结果对原始训练数据进行求导得到梯度数据；基于梯度数据对样本特征数据进行转换，得到新样本特征数据；基于新样本特征数据与样本结果数据形成新训练数据；对新训练数据与训练数据进行并集处理，得到第一数据集；对第一数据集进行处理，得到第二数据集；通过第一数据集与第二数据集进行训练本方案在训练阶段对训练数据进行了特殊处理，通过对抗训练和融合样本的方式，增强了模型的鲁棒性。
一种噪音数据识别方法设备

[发明专利]基于角度旋转生成网络的SAR目标识别方法-CN201910527819.6有效
发明人：王英华;王聪;孙媛爽;刘宏伟;王宁;王剑 -专利权人：西安电子科技大学
申请日： 2019-06-18 - 公布日： 2022-12-02 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于角度旋转生成网络ARGN的SAR目标识别方法，主要解决现有技术在训练样本有限情况下目标识别率较低的问题。其实现方案是：1)对给定的数据集进行预处理，获取新的源任务训练样本和目标任务样本；2)构建角度旋转生成网络ARGN；3)用源任务训练样本对ARGN网络进行训练，得到训练好的网络模型；4)用训练好的模型提取目标任务训练集、测试集的特征；5)用训练集的特征训练SVM分类器；6)将测试集的特征输入到训练好的SVM分类器中，得到测试集的分类结果。本发明通过角度旋转生成网络ARGN能够学习目标的姿态信息及位姿差异，提高了目标的识别率，可用于在训练样本有限情况下的目标识别。
基于角度旋转生成网络 sar 目标识别方法

[发明专利]基于混合推理网络的小样本SAR自动目标识别方法-CN202110546401.7有效
发明人：周峰;张倩蓉;王力;田甜;白雪茹;王常龙 -专利权人：西安电子科技大学
申请日： 2021-05-19 - 公布日： 2022-09-16 - 主分类号： G06V20/10 文献下载
摘要：本发明属于雷达图像处理技术领域，尤其涉及一种基于混合推理网络的小样本SAR自动目标识别方法，可用于小样本条件下的SAR自动目标识别；包括步骤：获取训练样本集和待识别小样本SAR图像集；构建混合推理网络；采用训练支撑集和训练查询集对所述混合推理网络进行训练；获取小样本SAR图像的目标识别结果。本发明解决了传统方法需要大量训练样本的问题，为训练样本不足条件下的SAR目标识别提供了新的方法。
基于混合推理网络样本 sar 自动目标识别方法

[发明专利]端到端文本识别方法、模型训练方法及装置-CN202110186700.4有效
发明人：张勇东;周宇;谢洪涛 -专利权人：中国科学技术大学
申请日： 2021-02-10 - 公布日： 2022-09-09 - 主分类号： G06V30/413 文献下载
摘要：一种端到端文本识别方法、模型训练方法及装置，模型训练方法包括：构建初始端到端文本识别模型，其中，初始端到端文本识别模型包括初始文本检测模块和初始文本识别模块；获取训练样本数据集；利用样本生成算法处理训练样本数据集中的训练样本，生成扩增训练样本数据集，以便增加用于训练初始文本识别模块的训练样本数量；以及利用训练样本数据集和扩增训练样本数据集训练初始端到端文本识别模型，得到端到端文本识别模型。通过上述技术方案本发明利用样本生成算法生成大量用于训练文本识别模块的训练样本，从而有效地解决了文本检测模块过拟合和文本识别模块欠拟合的问题，提升端到端文本识别模型的识别精度。
端到端文本识别方法模型训练装置

[发明专利]一种用于复杂环境移动机器人场景理解的语义分割模型训练方法-CN202111006590.5有效
发明人：李恒宇;程立;刘靖逸;岳涛;王曰英;谢少荣;罗均 -专利权人：上海大学
申请日： 2021-08-30 - 公布日： 2023-09-29 - 主分类号： G06T7/11 文献下载
摘要：本发明属于计算机图像处理领域，公开了一种用于复杂环境移动机器人场景理解的语义分割模型训练方法，步骤为：S1：获取样本图像集，将样本图像集划分为训练集、验证集和测试集，样本图像集中包括多个样本图像，样本图像中含有样本分割区域以及对应的样本类别信息；S2：将训练集的样本图像输入预先构建的语义分割模型进行检测，得到样本图像语义分割结果；根据样本图像中的语义分割结果以及样本图像的特征区域和对应的类别信息构建损失函数，采用反向传播对模型进行参数更新，得到训练后的语义分割模型；S3：采用验证集对训练后的语义分割模型进行验证，选出最优语义分割模型；S4：采用测试集对最优语义分割模型进行测试，评估模型性能。本发明训练得到的语义分割模型兼备速度快和精度高的优点，在牺牲少许精度的情况下能够加快网路的推理速度。
一种用于复杂环境移动机器人场景理解语义分割模型训练方法

[发明专利]猪只行为数据均衡化方法、装置、计算机设备及存储介质-CN202210788877.6在审
发明人：毛亮;陆连凤 -专利权人：深圳职业技术学院;广州国家现代农业产业科技创新中心
申请日： 2022-07-06 - 公布日： 2022-10-21 - 主分类号： G06V40/10 文献下载
摘要：本申请属于图像识别技术领域，公开了一种猪只行为数据均衡化方法、装置、计算机设备及存储介质，该方法包括：获取原始样本图像集，原始样本图像集包括从监控视频中采集到的包含猪只行为姿态的多个原始样本图像；基于原始样本图像集对预设的深度卷积生成对抗网络进行训练，得到训练数据生成网络，其中，训练数据生成网络用于生成包含猪只坐立姿态的生成样本图像；通过训练数据生成网络对原始样本图像集进行数据扩充，得到训练样本图像集。
行为数据均衡方法装置计算机设备存储介质

[发明专利]一种分类器的训练方法、数据处理方法、系统以及设备-CN202010480915.2在审
发明人：苏婵菲;文勇;马凯伦;潘璐伽 -专利权人：华为技术有限公司
申请日： 2020-05-30 - 公布日： 2020-10-20 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了人工智能领域的一种分类器的训练方法，可以减少噪声标签的影响，获得一个分类效果良好的分类器。该方法包括：获取样本数据集，该样本数据集中的每个样本均包括第一标签。将样本数据集划分为K份子样本数据集，从K份子样本数据集中确定一组数据作为测试数据集，除测试数据集之外的其他子样本数据集作为训练数据集。通过训练数据集对分类器进行训练，并用训练后的分类器对测试数据集进行分类，得到测试数据集中的每个样本的第二标签。至少依据第一标签和第二标签获取第一指标和第一超参数。当第一指标满足第一预设条件时，完成分类器的训练。
一种分类训练方法数据处理系统以及设备

[发明专利]一种基于遗传算法的多层陶瓷电容器中陶瓷粉质量检测方法-CN202211329319.X在审
发明人：于洪;范学康;苏祖强;张晓霞 -专利权人：重庆邮电大学
申请日： 2022-10-27 - 公布日： 2023-03-24 - 主分类号： G06N3/084 文献下载
摘要：本发明属于陶瓷粉质量检测领域，具体涉及一种基于遗传算法的多层陶瓷电容器中陶瓷粉质量检测方法，该方法包括：获取原始小样本训练数据；根据原始训练数据集采用遗传算法生成虚拟样本，采用接受拒绝采样方法从属性上对生成的虚拟样本进行筛选，得到最优的虚拟样本；根据最优虚拟样本和原始小样本训练数据构建训练数据集；基于BPNN构建陶瓷粉质量检测模型，采用训练数据集对陶瓷粉质量检测模型进行训练；将待检测样本数据输入到训练好的陶瓷粉质量检测模型中，得到检测结果；本发明采用遗传算法增加样本数据，并采用接受拒绝采样方法对样本数据进行筛选，使得训练数据更准确，提高了小样本环境下模型训练的准确度。
一种基于遗传算法多层陶瓷电容器质量检测方法

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条