“预测模型训练”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1054356个，建议您升级VIP下载更多相关专利

[发明专利]训练模型的训练时长预测方法及装置-CN201910782983.1在审
发明人：张书博 -专利权人：广东浪潮大数据研究有限公司
申请日： 2019-08-23 - 公布日： 2019-11-29 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种训练模型的训练时长预测方法及装置，包括：当训练模型进行迭代训练时，确定训练模型的当前迭代训练的训练时长；获取与当前迭代训练对应的第一预测训练时长；将训练时长输入预先训练完成的LSTM模型中，得到LSTM模型输出的第二预测训练时长；依据第一预测训练时长，和预设的卡尔曼滤波算法对第二预测训练时长进行修正，得到修正后的修正预测训练时长，将修正预测训练时长保存至预设的数据表中；将修正预测训练时长确定为训练模型的下一次迭代训练的预测训练时长本发明应用LSTM模型得到训练模型进行下一次迭代训练的预测训练时长，并应用卡尔曼滤波算法对预测训练时长进行修正，以得到更加准确的预测训练时长。
时长预测训练模型修正迭代训练卡尔曼滤波算法一次迭代预设时长确定时长预测应用输出保存

[发明专利]预测模型的训练方法、装置、介质和计算设备-CN202011433913.4有效
发明人：胡文波;崔鹏 -专利权人：北京瑞莱智慧科技有限公司
申请日： 2020-12-10 - 公布日： 2022-03-04 - 主分类号： G06N3/04 文献下载
摘要：本发明的实施方式提供了一种预测模型的训练方法、装置、介质和计算设备。该方法包括：基于获取到的训练数据，以使所述预测模型的网络权重进行收敛为目标训练所述预测模型；通过所述预测模型输出与所述训练数据对应的预测分布；通过最大均值差异损失函数对所述预测分布进行计算，以使所述预测模型的网络权重再次进行收敛，并得到校准后的预测分布为目标训练所述预测模型。本发明的上述技术能够基于训练数据对预测模型进行训练，并通过预测模型输出与训练数据对应的预测分布，基于最大均值差异损失函数以及预测分布对预测模型进行训练，以使预测模型的网络权重再次收敛，得到校准后的预测分布，提升预测模型基于时序数据输出的预测结果的准确性。
预测模型训练方法装置介质计算设备

[发明专利]基于端到端模型的爬坡预测方法-CN202210043642.4在审
发明人：张媛媛;陈彦如;王浩;岳凯峰;赵万槟;李亚洁;刘宜珈;李京鹏;胡翔;陈良银 -专利权人：四川大学
申请日： 2022-01-14 - 公布日： 2023-07-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于端到端模型的爬坡预测方法。其方法主要包括数据预处理、预测模型训练、模型预测和风电功率爬坡检测四部分；预测模型训练包括主预测模型训练模块和误差修正模型训练模块，模型预测包括主模型预测模块和误差模型修正模块；主预测模型训练模块用于将历史风电功率数据、历史风速数据和预报风速数据作为模型输入；误差修正模型训练模块用于将主模型输出的风电功率预测残差序列作为数据集对误差修正模型进行训练测试；主模型预测模块用于对风电功率进行预测；误差模型修正模块用于将主预测模型的输出作为残差模型输入，预测残差修正初步预测值；风电功率爬坡检测模块用于风电功率预测序列的爬坡检测，得到爬坡预测特征量。
基于端到端模型爬坡预测方法

[发明专利]基于LSTM回馈机制的车流量预测方法、装置及设备-CN202210577402.2有效
发明人：谢欣嘉;盖顺;王博阳;郭云霄;赵润豪;龙汉;庞雪;路毅 -专利权人：中国人民解放军国防科技大学
申请日： 2022-05-25 - 公布日： 2023-07-04 - 主分类号： G08G1/065 文献下载
摘要：本申请涉及一种基于LSTM回馈机制的车流量预测方法、装置及设备。所述方法包括：将初始训练数据集分成多个训练数据集，利用多个训练数据集迭代训练预先构建的LTSM模型，得到多个候选预测模型和最终预测模型；根据多个候选预测模型和最终预测模型对待预测区域的当前车流量进行预测，得到偏差数据训练集；利用偏差数据训练集训练预先构建的偏差LTSM模型，得到训练好的偏差LTSM模型；根据最终预测模型和训练好的偏差LTSM模型进行车流量预测，得到初始预测结果和预测偏差；利用预测偏差对初始预测结果进行修正，得到车流量的最终预测值。采用本方法能够提高车流量预测准确率。
基于 lstm 回馈机制车流量预测方法装置设备

[发明专利]沙漠砂混凝土强度预测模型训练方法、装置、设备及介质-CN202111324525.7在审
发明人：廖太昌;常小娟;杨阳;姚鑫;袁杰;谢江胜;蔡小平;杨星智;杨文萃;帖锋斌 -专利权人：中铁二十局集团有限公司
申请日： 2021-11-10 - 公布日： 2022-03-25 - 主分类号： G16C20/70 文献下载
摘要：本发明公开了一种沙漠砂混凝土强度预测模型训练方法、装置、设备及介质，属于模型训练技术领域，该方法包括：获取至少一组训练数据；从所述至少一组训练数据中确定出一组目标训练数据；利用所述目标训练数据对强度预测模型进行训练，得到训练误差；若所述训练误差大于预设误差阈值，则利用PSO算法调整所述强度预测模型的模型参数；更新所述强度预测模型和所述目标训练数据，返回执行利用所述目标训练数据对强度预测模型进行训练，得到训练误差的步骤，直至所述训练误差小于所述预设误差阈值，得到沙漠砂混凝土强度预测模型。本发明结合PSO算法对强度预测模型进行训练，提高了模型训练的精度，进而保证了强度预测的准确性。
沙漠混凝土强度预测模型训练方法装置设备介质

[发明专利]肝细胞癌预测模型构建方法、肝细胞癌预测方法及装置-CN202310438603.9有效
发明人：侯金林;樊蓉;赵思如;梁携儿 -专利权人：南方医科大学南方医院
申请日： 2023-04-23 - 公布日： 2023-08-15 - 主分类号： G16H10/60 文献下载
摘要：本发明公开了一种肝细胞癌预测模型构建方法、肝细胞癌预测方法及装置。该肝细胞癌预测模型构建方法包括：确定预测对象的样本预测信息；基于该样本预测信息进行模型训练，获得肝细胞癌预测模型；该肝细胞癌预测模型包括第一模型、第二模型和第三模型；该第一模型的训练过程包括：基于属性信息和第一肝指标信息训练初始的第一模型，获得训练后的第一模型；第二模型的训练过程包括：基于第一模型和第二肝指标信息训练初始的第二模型，获得训练后的第二模型；第三模型的训练过程包括：基于第一模型、第二肝指标信息和循环游离DNA特征训练初始的第三模型，获得训练后的第三模型。该肝细胞癌模型构建方法能够提高肝细胞癌预测模型的预测准确性。
肝细胞预测模型构建方法装置

[发明专利]一种农作物产量的预测方法和系统-CN202010249661.3在审
发明人：庄家煜;许世卫;李干琼;陈威 -专利权人：中国农业科学院农业信息研究所
申请日： 2020-04-01 - 公布日： 2020-07-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例公开了一种农作物产量的预测方法和系统，该预测方法包括：根据预设触发操作获取预测初始数据，其中，预测初始数据包括当前农作物的类型、预测地区、历史数据时间段以及预测网络模型的输入变量；基于预测初始数据确定用于进行当前农作物产量预测的待训练的预测网络模型的训练数据；根据训练数据对待训练的预测网络模型进行训练，以得到用于进行当前农作物产量预测的预测网络模型；基于训练好的预测网络模型对当前农作物进行产量预测。本发明实施例的技术方案，根据待预测的农产品的初始数据确定模型的训练数据，根据训练数据对模型进行实时训练，并基于训练好的模型进行该农产品的产量预测，提高了产量预测的精度。
一种农作物产量预测方法系统

[发明专利]一种无症状性冠脉疾病的预测模型训练方法、装置及系统-CN202210085126.8在审
发明人：杨淞然;华平;王琦;唐攀力 -专利权人：中山大学孙逸仙纪念医院
申请日： 2022-01-25 - 公布日： 2022-05-27 - 主分类号： A61B34/10 文献下载
摘要：本发明公开了一种无症状性冠脉疾病的预测模型训练方法、装置及系统。该预测模型训练装置还包括数据处理单元、模型构建单元以及训练输出单元。该预测模型训练系统包括如前所述的无症状性冠脉疾病的预测模型训练装置以及数据存储模块。通过根据预设的ResNet‑50架构以及预设的Squeeze‑and‑Excitation模块所构建的预测模型，并根据获取的第一训练数据组对该预测模型进行训练以获得第一预测模型，该预测模型训练方法、装置及系统提升了所训练出的无症状性冠脉疾病的预测模型的准确度
一种无症状性冠脉疾病预测模型训练方法装置系统

[发明专利]数据处理方法和装置-CN201710272081.4在审
发明人：栾宏伟;胡壁;宋全旺;宋磊;杨冬越 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2017-04-24 - 公布日： 2018-11-02 - 主分类号： G06Q10/04 文献下载
摘要：本发明的数据处理方法包括下列步骤：‑用机器学习法来训练数据清洗规则以进行数据清洗，并且利用训练出的数据清洗判决模型对预测模型训练数据进行数据清洗判断；‑从预测模型算法库中选择参与预测模型训练运算的预测模型；‑在预测模型训练运算过程中对参与预测模型训练运算的具体预测模型进行参数调优。
预测模型训练数据清洗预测模型数据处理方法和装置运算机器学习训练数据运算过程算法库清洗判决

[发明专利]信用风险预测模型训练方法、电子设备及可读存储介质-CN202210995711.1在审
发明人：谭蕴琨;陈婷;吴三平;庄伟亮;张鹏;壮青;吴轶凡;陈庆麟;徐朔;黄勇卫 -专利权人：深圳前海微众银行股份有限公司
申请日： 2022-08-18 - 公布日： 2022-11-04 - 主分类号： G06Q40/02 文献下载
摘要：本申请公开了一种信用风险预测模型训练方法、电子设备及可读存储介质，应用于金融科技技术领域，所述信用风险预测模型训练方法包括：获取训练样本集以及训练样本集中各训练样本的样本权重；根据训练样本集和各样本权重，得到信用风险预测总模型，信用风险预测总模型由多个风险预测子模型组成；依据风险预测子模型的子模型预测结果，对风险预测子模型进行聚类，得到子模型群；依据子模型预测结果和子模型群，扩增训练样本集；返回执行步骤：根据训练样本集和各样本权重，迭代训练得到信用风险预测总模型，直至信用风险预测总模型满足预设迭代更新结束条件，得到目标信用风险预测总模型。本申请解决了用户信用风险的预测准确度低的技术问题。
信用风险预测模型训练方法电子设备可读存储介质

[发明专利]水质预测模型训练、水质预测方法、装置、设备及介质-CN202110666431.1在审
发明人：黄华;祖启航;许义军 -专利权人：江苏省生态环境监控中心（江苏省环境信息中心）;神彩科技股份有限公司
申请日： 2021-06-16 - 公布日： 2021-09-07 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例公开了一种水质预测模型训练、水质预测方法、装置、设备及介质，包括：获取目标流域在目标训练时间区间的历史水质样本数据并输入至组合预测模型中的灰色预测模型，得到预测水质因子浓度训练数据；将预测水质因子浓度训练数据输入至组合预测模型中的神经网络模型，得到预测水质监测因子浓度训练数据；根据目标训练时间区间对应的历史水质监测因子浓度样本数据对预测水质监测因子浓度训练数据进行评价；以根据模型评价结果对组合预测模型持续训练。本发明实施例的技术方案能够提高水质预测模型的精准度，进而提高水质预测的精准度。
水质预测模型训练方法装置设备介质

[发明专利]训练方法、预测方法、装置、计算机系统及存储介质-CN202110940463.6在审
发明人：李炯;胡凯乐;邢培康;何子南 -专利权人：中国工商银行股份有限公司
申请日： 2021-08-16 - 公布日： 2021-11-05 - 主分类号： G06N3/08 文献下载
摘要：本公开提供了一种预测模型的训练方法，可用于金融领域、人工智能领域或计算机技术领域。该预测模型的训练方法包括：获取训练样本，训练样本包括训练数据和与训练数据相对应的训练标签，训练数据包括与办理业务相关的数据，训练标签包括目标时间段内办理目标业务的历史业务处理量；获取多个初始模型，其中，多个初始模型各自的网络结构不同；利用训练样本训练多个初始模型，得到多个预测模型，每个预测模型与多个初始模型中的一个初始模型相对应；以及从多个预测模型中确定目标预测模型。本公开还提供了一种业务处理量预测方法、预测模型的训练装置、业务处理量预测装置、计算机系统、可读存储介质及计算机程序产品。
训练方法预测装置计算机系统存储介质

[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、抗体改造和结合位点预测的方法与装置-CN202110594661.1有效
发明人：蒋彪彬;许振雷;刘伟;黄俊洲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-05-28 - 公布日： 2023-10-27 - 主分类号： G16B20/30 文献下载
摘要：本申请实施例提供一种模型训练、抗体改造和结合位点预测的方法与装置，训练方法包括：使用N条第一抗体序列，对预测模型进行预训练，得到预训练后的预测模型，其中第一抗体序列中未标注出所述第一抗体序列与抗原的结合位点，预训练后的预测模型用于预测抗体序列中被掩盖的氨基酸的预测值。由于未标注的第一抗体系列的数量较多，使用大量的第一抗体序列对预测模型进行预训练，可以使该预测模型得到充分的训练，进而提高了预测模型的训练准确性。另外，在预测模型的预训练过程中，对第一抗体序列的可变区进行着重学习，以进一步提高预测模型的训练准确度，使用该预测模型进行抗体相关预测工作时，其预测成本低，且预测效率高。
模型训练抗体改造结合预测方法装置

[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

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