“判别模型”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806510个，建议您升级VIP下载更多相关专利

[发明专利]二次设备可靠性评估方法-CN202310069394.5在审
发明人：姚凯;王阳;张锋;韩伟;马伟东;刘超;段文岩;王博石;刘洎溟;余娟;杨燕;马普照 -专利权人：国网河南省电力公司电力科学研究院;国网河南省电力公司;重庆大学
申请日： 2023-02-06 - 公布日： 2023-05-02 - 主分类号： G06F30/20 文献下载
摘要：包括：构建二次设备可靠性评估集成模型，所述集成模型包括多个并行的个体判别器，所述个体判别器利用正常二次设备的运行数据进行训练，所述个体判别器训练的优化目标为最小化输入输出数据的重构误差；优化二次设备可靠性评估集成模型，剔除准确率较低的所述个体判别器，获得最优集成模型；将二次设备当前运行数据输入最优集成模型进行可靠性评估。本发明利用Bagging集成学习方法生成并行多个基础模型，综合多个个体判别器的判定结果来进行二次设备故障判定，能够提高模型整体的稳定性；并且本发明还通过集成模型优化方法对集成模型进行优化，能够提高二次设备可靠性评估的准确度
二次设备可靠性评估方法

[发明专利]一种基于生成式对抗网络的语音生成方法及装置-CN201810428470.6有效
发明人：高永裕 -专利权人：广州势必可赢网络科技有限公司
申请日： 2018-05-07 - 公布日： 2020-08-28 - 主分类号： G10L15/02 文献下载
摘要：本发明公开了一种基于生成式对抗网络的语音生成方法，该方法将随机生成的符合高斯分布的噪音数据通过生成模型转换为模拟样本，由于该模拟样本不具备语言内容，故当生成模型和判别模型在循环更新时，生成模型需要学习的生成能力和判别模型需要学习的判别能力均相应增多，由此提高了生成模型的生成能力和判别模型判别能力，当训练样本和模拟样本的对比值不大于预设的阈值时，即认为生成模型已具备生成真实数据的能力，那么通过该生成模型生成的语音数据库则具有足够的真实性，应用其进行身份识别可以提高识别率
一种基于生成对抗网络语音方法装置

[发明专利]一种词语对齐方法及装置-CN201310389092.2无效
发明人：沈世奇;刘洋;孙茂松 -专利权人：清华大学
申请日： 2013-08-30 - 公布日： 2013-12-04 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种词语对齐方法及装置，属于机器翻译技术领域，所述方法包括如下步骤A、选取不同的词语对齐特征分别建立判别式子模型一和判别式子模型二；B、搜索词语对齐空间，分别获得上述两个判别式子模型的最优对齐中间结果；C、利用对偶分解算法融合上述判别式子模型一和判别式子模型二的最优对齐中间结果，获得最终词语对齐结果，所述装置为与方法对应的虚拟模块。
一种词语对齐方法装置

[发明专利]基于香气物质含量的藤茶等级判别方法、装置及设备-CN202310427081.2在审
发明人：李建勋;李倩倩;李熠;张荣;张朝阳;胡百顺;刘淑艳;杨术鹏 -专利权人：中国农业科学院农产品加工研究所;恩施土家族苗族自治州农业科学院
申请日： 2023-04-20 - 公布日： 2023-09-01 - 主分类号： G01N30/88 文献下载
摘要：本发明提供一种基于香气物质含量的藤茶等级判别方法、装置及设备，该方法包括：获取待测藤茶对应的目标香气物质含量；将所述目标香气物质含量输入至等级判别模型中，得到所述等级判别模型输出的所述待测藤茶对应的质量等级，所述等级判别模型是基于目标香气物质含量样本集和质量等级样本集之间的对应关系进行训练得到的。该方法用以解决现有技术中由于人为判别过程较为复杂且易受主观因素影响较大，导致最终确定的藤茶质量等级不够准确的缺陷，实现通过构建的准确性较高的等级判别模型，对获取的待测藤茶进行质量等级判别，在简化了等级判别过程且不易受人为主观因素影响的情况下
基于香气物质含量等级判别方法装置设备

[发明专利]一种现代汉语文字作品作者鉴别系统和方法-CN202010866981.3在审
发明人：施建军 -专利权人：施建军
申请日： 2020-08-26 - 公布日： 2020-11-13 - 主分类号： G06F16/35 文献下载
摘要：包括作者已知和作者未知样本数据处理模块、样本写作特征抽取和向量化模块、多层神经网络模型训练模块、“匿名文字作品”作者判别模块等四个模块。所述样本数据处理模块用于制作作者鉴别系统所需要的训练样本数据和判别样本数据；写作特征抽取和向量化模块用于抽取反映作者写作习惯的语言特征，以制作训练样本向量和判别样本向量；多层神经网络模型训练模块利用训练样本向量数据对多层神经网络模型进行训练，建立判别模型。判别模块利用判别模型，根据写作习惯语言特征向量，鉴别“匿名文字作品”作者。本发明在指定范围内对“匿名文字作品”作者的鉴别精度非常高，甚至可接近100%。
一种现代汉语文字作品作者鉴别系统方法

[发明专利]语音合成模型的训练方法、装置、电子设备和存储介质-CN202210095968.1在审
发明人：徐建明 -专利权人：达闼科技（北京）有限公司
申请日： 2022-01-26 - 公布日： 2022-05-17 - 主分类号： G10L13/02 文献下载
摘要：本申请实施例涉及自然语言处理技术领域，公开了一种语音合成模型的训练方法、装置、电子设备和存储介质，该模型包括生成器和判别器，训练方法包括：获取若干标注有文本信息的第一音频数据生成训练样本集；将所述文本信息输入至所述生成器中，获取所述生成器输出的第二音频数据；将所述第一音频数据和所述第二音频数据输入至所述判别器中，获取所述判别器输出的判别结果，所述判别结果用于表征所述第一音频数据和所述第二音频数据之间的相似程度；根据所述判别结果和预设的损失函数，对所述语音合成模型进行迭代训练，不含中间转换环节，消除了累积误差，提升了模型的语音合成效果，只需少量训练样本即可训练模型至收敛，降低了训练成本。
语音合成模型训练方法装置电子设备存储介质

[发明专利]一种基于微波干燥的比表面积测定方法-CN202210702714.1在审
发明人：谢尧;王婧;胡君龙;王德咏;刘志军 -专利权人：中交四航工程研究院有限公司;广州港湾工程质量检测有限公司
申请日： 2022-06-21 - 公布日： 2022-10-11 - 主分类号： G01N5/04 文献下载
摘要：本发明公开了一种基于微波干燥的比表面积测定方法，其包括以下步骤：S1：建立比表面积判别模型：采用已知土体作为建立比表面积判别模型的试样，构建比表面积判别模型的判别模型；S2：测定待测试样：制备待测试样，对待测试样进行微波干燥，测定待测试样的含水量，拟合计算得到待测试样的脱湿参数，根据判别模型对待测试样的比表面积进行判别。
一种基于微波干燥表面积测定方法

[发明专利]基于GAN的网站流量真实度度量方法、系统及存储介质-CN202210373687.8在审
发明人：张浩 -专利权人：北京星合之星网络科技有限公司
申请日： 2022-04-11 - 公布日： 2022-07-22 - 主分类号： G06Q30/02 文献下载
摘要：一种基于GAN的网站流量真实度度量方法、系统及存储介质，方法包括收集网站点击事件数据；使用网站点击事件数据构造行为序列；训练生成对抗网络模型，利用生成对抗网络模型中的生成器不断生成模拟的行为序列，判别器不断的学习如何判别序列是真实的还是虚假的，直至生成器和判别器的损失不再下降时终止训练，获得训练好的生成对抗网络模型；使用训练好的生成对抗网络模型的判别器，对构造的行为序列的真实度进行判别度量。系统包括数据收集模块、行为序列构造模块、网络模型训练模块以及真实度判别模块。本发明能够实现更加精准的识别，使用机器学习的方法来学习用户的行为规律，可以发现一些人工无法发现的规律，可以适配不同的网站。
基于 gan 网站流量真实度量方法系统存储介质

[发明专利]一种飑线风风速预测方法-CN202010954611.5有效
发明人：周象贤;郑昕;王少华;王振国;姜文东;刘岩;段静鑫;邵先军;李特;周路遥;李乃一;曹俊平 -专利权人：国网浙江省电力有限公司电力科学研究院
申请日： 2020-09-11 - 公布日： 2022-11-29 - 主分类号： G06V10/82 文献下载
摘要：本发明采用的技术方案为：S1)收集历史飑线样本，进行数据预处理和数据增广；S2)通过卷积神经网络学习和训练基于CNN的飑线判别模型，具体内容为：传入雷达反射率图片为数据，首先将图像以灰度图模式读取，提取其中的反射率因子，然后进行预处理，为最后训练形成的飑线判别模型预先提取重要特征，提高飑线判别模型精度，训练得到飑线判别模型；S3)利用飑线判别模型判别是否飑线，是则输出结果文件，否则回到步骤S3等待预测下一个雷达反射率图片
一种飑线风风速预测方法

[发明专利]一种密度估计模型训练方法、装置、存储介质及电子设备-CN201911170805.X有效
发明人：翟波 -专利权人：重庆紫光华山智安科技有限公司
申请日： 2019-11-26 - 公布日： 2021-07-20 - 主分类号： G06K9/00 文献下载
摘要：本申请提出一种密度估计模型训练方法、装置、存储介质及电子设备。首先，结合第一类图片和第二类图片以半监督的方式训练密度估计模型，节省标注时间和人工成本；再将真实密度图和预测密度图作为密度图判别模型的输入，以获取判别结果，判别结果体现了密度估计模型的当前性能；最后，将判别结果作为附加信息更新密度估计模型，以使更新后的密度估计模型输出的预测密度图更真实，在整个训练过程中，减少了对人工标注的密度图的依赖，同时提升了密度估计模型的性能。
一种密度估计模型训练方法装置存储介质电子设备

[发明专利]一种信息推荐模型的训练方法和相关装置-CN202010887619.4在审
发明人：郝晓波;葛凯凯;刘雨丹;唐琳瑶;谢若冰;张旭;林乐宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-08-28 - 公布日： 2020-11-13 - 主分类号： G06F16/9535 文献下载
摘要：本申请实施例公开一种基于人工智能的信息推荐模型的训练方法和相关装置，获取多个产品领域的历史用户行为数据，采用生成对抗网络中的生成模型，根据历史用户行为数据生成多个产品领域中的待扩充产品领域中每个产品领域的候选样本数据将多个产品领域中每个产品领域分别作为目标产品领域，通过生成对抗网络中的判别模型，对目标产品领域的候选样本数据和用户点击样本数据进行判别，得到判别结果，根据判别结果对生成模型的和判别模型进行对抗训练，得到训练后的生成对抗网络训练后的生成对抗网络用于确定信息推荐模型。该方法可以提升生成模型的训练效果，提升生成伪样本的准确性，从而进一步提升推荐效果。
一种信息推荐模型训练方法相关装置

[发明专利]医学图像的生成方法、装置、电子设备及介质-CN202010186679.3在审
发明人：王俊;张丞;高鹏;谢国彤 -专利权人：平安科技（深圳）有限公司
申请日： 2020-03-17 - 公布日： 2020-07-31 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种人工智能技术，揭露了一种医学图像的生成方法，包括：获取原始医学图像并进行预处理得到标准医学图像；根据所述标准医学图像利用医学图像生成模型生成第一样本图像集；对所述第一样本图像集进行有效信息量计算并选择K个有效信息量对应的第一样本图像得到有效图像集，将所述有效图像集和所述标准医学图像输入至和所述图像生成模型有互相约束关系的图像判别模型中进行判别，得到判别结果，根据所述判别结果调整所述图像判别模型的参数，得到标准图像生成模型，将所述原始医学图像输入至所述标准图像生成模型生成最终的医学图像。本发明可以解决医学图像模型的训练耗费大量人力资源的问题。
医学图像生成方法装置电子设备介质

[发明专利]图神经网络模型的训练方法、装置、电子设备及存储介质-CN202310945592.3在审
发明人：吴呈;郑凯;徐劲草;王朝坤 -专利权人：北京达佳互联信息技术有限公司;清华大学
申请日： 2023-07-28 - 公布日： 2023-10-20 - 主分类号： G06V10/774 文献下载
摘要：本公开提供了一种图神经网络模型的训练方法、装置、电子设备及存储介质，属于计算机技术领域。方法包括：获取真视图；通过图神经网络模型中的生成器，基于所述真视图中的节点，生成伪视图；通过所述图神经网络模型中的判别器，对所述伪视图进行判别，得到判别结果；基于所述判别结果，确定所述生成器和所述判别器之间的对抗损失；通过所述图神经网络模型中的编码器，对所述真视图和所述伪视图进行对比学习，得到对比损失；基于所述对抗损失和所述对比损失，对所述图神经网络模型进行训练。上述方法实现了通过图生成对抗学习来提升图神经网络模型的图对比学习性能的目的，使得图神经网络模型能够更准确地学习到真视图中的节点特征。
神经网络模型训练方法装置电子设备存储介质

[发明专利]基于联合训练模型的事故车判别方法和装置-CN202110039388.6在审
发明人：王宝祥;章水鑫 -专利权人：南京三百云信息科技有限公司
申请日： 2021-01-12 - 公布日： 2021-04-13 - 主分类号： G06N3/04 文献下载
摘要：本发明提供了一种基于联合训练模型的事故车判别方法和装置，涉及事故车判别的技术领域，联合训练模型包括线性模型和深度学习模型，包括获取当前车辆的预先处理的保险维修记录；基于预先处理的保险维修记录获得车辆结构化数据；将车辆结构化数据输入线性模型并将预先处理的保险维修记录作为车辆非结构化数据输入深度学习模型，判别出当前车辆是否为事故车；若是，则根据车辆结构化数据识别事故原因，通过结构化数据与非结构化数据的联合训练，实现事故原因与事故车的准确判别。
基于联合训练模型事故判别方法装置

[发明专利]图像生成模型训练、图像生成方法、装置及存储介质-CN202110084071.4在审
发明人：方慕园;张雷;万鹏飞 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-01-21 - 公布日： 2021-06-15 - 主分类号： G06T3/00 文献下载
摘要：本公开关于图像生成模型的训练方法、图像生成方法及装置，该图像生成模型的训练方法包括获取至少两个样本图像集；获取图像生成模型以及每种该图像风格对应的判别器，该模型包括图像生成网络和每种图像风格对应的风格向量；将样本图像和各个风格向量输入图像生成网络，得到每个风格向量对应的风格化图像；将各个风格化图像输入对应的判别器，得到第一判别器损失和第二判别器损失；根据样本图像、风格化图像以及第二判别器损失，得到图像生成损失；根据第一判别器损失训练对应的判别器，根据图像生成损失训练图像生成网络和各个风格向量。
图像生成模型训练方法装置存储介质