“历史样本数据”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2623314个，建议您升级VIP下载更多相关专利

[发明专利]干烧识别模型的训练及干烧检测方法、系统、设备和介质-CN202310612034.5在审
发明人：寸孟杰 -专利权人：宁波方太厨具有限公司
申请日： 2023-05-26 - 公布日： 2023-09-05 - 主分类号： G06F18/214 文献下载
摘要：本公开提供了一种干烧识别模型的训练及干烧检测方法、系统、设备和介质，该训练方法包括：获取若干组训练样本数据；其中，每组训练样本数据包括烹饪设备对应的历史温场数据、历史锅底温度数据和干烧标识数据；基于每组训练样本数据对预设网络进行训练本公开通过获取到的多组烹饪设备的历史温场数据、历史锅底温度数据和干烧标识数据，训练得到干烧识别模型，提升了温度数据的准确性和可靠性，保证了训练得到的干烧识别模型对烹饪设备进行干烧状态判断的准确性、可靠性和及时性
识别模型训练检测方法系统设备介质

[发明专利]一种短视频推荐方法-CN202110710623.8有效
发明人：徐童;王纯;李炜;王玉龙;刘端阳;刘同存;王晶 -专利权人：北京邮电大学
申请日： 2021-06-25 - 公布日： 2022-11-11 - 主分类号： G06F16/735 文献下载
摘要：一种短视频推荐方法，包括：获取用户对短视频的历史行为数据；选取样本用户，构建每位样本用户的短视频点击序列，并选定目标短视频和历史点击序列，计算每位样本用户对目标短视频的观看深度，然后由样本用户的目标短视频、历史点击序列、用户属性特征、观看深度构成样本用户数据，并写入样本数据集中；构建短视频推荐模型，以样本数据集进行训练；获取待推荐用户的历史点击序列，并将待推荐短视频作为其目标短视频，然后将待推荐用户的目标短视频、历史点击序列、用户属性特征输入短视频推荐模型，并依据输出来确定是否向用户推荐短视频。
一种视频推荐方法

[发明专利]一种污损过程数据修复方法、系统、电子设备及存储介质-CN202210897360.0在审
发明人：袁沐坤;于广平;刘坚;李健 -专利权人：广州工业智能研究院
申请日： 2022-07-28 - 公布日： 2022-11-01 - 主分类号： G06K9/62 文献下载
摘要：本申请属于数据修复技术领域，公开了一种污损过程数据修复方法、系统、电子设备及存储介质。通过将采集到的历史过程数据划分为真实样本数据和污损样本数据；构建对抗神经网络DCGAN，包括生成器和判别器；生成器输入随机噪声序列，输出生成数据，将生成数据和真实样本数据同时输入到判别器中，输出真伪分类结果，更新迭代生成器和判别器的网络权重；基于判别器的真实性误差和生成数据与真实样本数据的相似性误差，得到综合误差，结合Adam算法对随机噪声序列分布进行迭代优化，得到最佳噪声序列；根据污损样本数据的污损项位置构建掩码矩阵，通过掩码矩阵结合污损样本数据以及生成数据来得到修复样本数据。实现对污损数据的修复，提高样本数据的质量。
一种污损过程数据修复方法系统电子设备存储介质

[发明专利]模型训练和预测方法、装置、电子设备以及存储介质-CN202210320819.0在审
发明人：姚铁;张家怀 -专利权人：西门子(中国)有限公司
申请日： 2022-03-29 - 公布日： 2022-06-21 - 主分类号： G06F30/20 文献下载
摘要：本申请提供了一种模型训练和预测方法、装置、电子设备以及存储介质，模型训练方法包括：获取历史玻璃成型控制参数和历史玻璃成型厚度数据，玻璃成型控制参数至少包括加工环境控制参数、投料控制参数和加工原料控制参数；基于历史玻璃成型控制参数和历史玻璃成型厚度数据进行关联，得到训练样本数据；基于训练样本数据进行模型训练，得到预测模型，预测模型用于对玻璃成型厚度进行预测。
模型训练预测方法装置电子设备以及存储介质

[发明专利]一种基于机器视觉的电压源状态智能检测系统及方法-CN202310693702.1有效
发明人：付强;郏金鹏;刘伟;邹毅;罗松枝 -专利权人：常州满旺半导体科技有限公司
申请日： 2023-06-13 - 公布日： 2023-08-25 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及电压源检测技术领域，具体为一种基于机器视觉的电压源状态智能检测系统及方法，包括：检测数据采集模块、数据库、历史数据分析模块、数据处理选择模块和电压源检测模块，通过检测数据采集模块采集用于电池检测的缺陷样本数据和历史电池检测数据，通过数据库存储采集到的全部数据，通过历史数据分析模块分析缺陷样本数据和历史电池检测数据，并建立数据增强判断模型，通过数据处理选择模块预测使用当前缺陷样本直接对电池进行视觉检测的准确度，选择是否对当前缺陷样本进行数据增强，通过电压源检测模块对电池进行视觉检测，在检测前针对性地对样本进行有效的数据增强处理，在提高了检测准确性的同时提高了生产线上电池的检测效率。
一种基于机器视觉电压状态智能检测系统方法

[发明专利]图网络模型训练方法、视频推荐方法、装置及电子设备-CN202010988799.5在审
发明人：武伟;李勇保;孔东营;何治民;张西龙;司先波 -专利权人：北京达佳互联信息技术有限公司
申请日： 2020-09-18 - 公布日： 2022-03-22 - 主分类号： G06F16/735 文献下载
摘要：本公开关于图网络模型训练方法、视频推荐方法、装置及电子设备，该方法包括：获取用户观看视频的历史行为数据；基于历史行为数据生成连通图；根据连通图中视频标识之间的相关性以及相关性大小，确定与各视频标识相关联的视频标识；对于每一视频标识，将与该视频标识相关联的视频标识确定为正样本数据，将与该视频标识不相关联的视频标识确定为负样本数据；利用正样本数据与负样本数据对图网络模型进行训练，得到训练后的图网络模型，以通过训练后的图网络模型提取视频标识对应的视频向量可见，可以基于历史行为数据生成连通图，并根据所生成的连通图进行图网络模型训练，得到训练后的图网络模型，有利于为用户推荐用户感兴趣的视频。
网络模型训练方法视频推荐装置电子设备

[发明专利]预测模型的训练方法、兴趣度预测方法、装置和存储介质-CN201911363867.2在审
发明人：胡龙科 -专利权人：成都终身成长科技有限公司
申请日： 2019-12-26 - 公布日： 2020-04-24 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种预测模型的训练方法、兴趣度预测方法、装置及存储介质，针对同一个课程，获取K个用户的样本数据；每个用户的样本数据包括：该用户在M个特征维度中的每个维度上对所述课程进行学习的历史学习记录和表征该用户是否继续购买了所述课程的相关课程的记录；针对课程满意度的预测模型中的每棵待生成的决策树，从K个用户的样本数据中随机选取L个用户的样本数据；生成不同的决策树所用的样本数据不完全相同；生成不同的决策树所需的L相同或不同；利用L个用户的样本数据生成待生成的决策树；每棵决策树，用于根据输入的待预测用户对所述课程的历史学习记录，输出待预测用户对课程的满意度，以为该用户提供感兴趣的课程资源，提高体验。
预测模型训练方法兴趣装置存储介质

[发明专利]信息处理方法和装置，存储介质和电子设备-CN201910111812.6有效
发明人：肖健;刘作坤 -专利权人：东软集团股份有限公司
申请日： 2019-02-12 - 公布日： 2021-04-02 - 主分类号： G06F16/9535 文献下载
摘要：包括：获取包括用户历史使用的问卷题目以及使用次数信息的样本数据；使用样本数据中其他用户历史使用的问卷题目以及问卷题目使用次数通过预测模型，得到对目标用户历史使用的问卷题目的次数预测信息；根据次数预测信息，以及样本数据中目标用户历史使用问卷题目的真实次数信息，计算预测模型的损失函数；并根据损失函数更新预测模型中的学习因子，使得损失函数的计算结果减小；根据更新后的满足预设条件的学习因子确定目标预测模型。
信息处理方法装置存储介质电子设备

[发明专利]一种滑坡样本数据不完善地区的滑坡易发性评价方法-CN202210078288.9在审
发明人：朱宇航;殷坤龙;郭子正;曾韬睿;刘谢攀;谢小旭 -专利权人：中国地质大学（武汉）
申请日： 2022-01-24 - 公布日： 2022-05-10 - 主分类号： G06Q10/06 文献下载
摘要：本发明提供一种滑坡样本数据不完善地区的滑坡易发性评价方法，包括以下步骤：S1、获取研究区历史地质资料，根据滑坡破坏的控制因素和触发因素归纳出滑坡破坏模式，并根据滑坡破坏模式选取滑坡样本；S2、在所述滑坡样本中选择滑坡易发性评价因子本发明的有益效果：易发性评价方法不需要利用大量历史滑坡样本数据，而是基于研究区滑坡破坏模式选取滑坡样本，解决了滑坡样本数据不完善地区难以开展滑坡易发性评价工作的问题，减少了滑坡易发性评价工作对历史滑坡数据的依赖性
一种滑坡样本数据不完善地区易发性评价方法

[发明专利]检测模型训练、数据检测方法、装置、设备及存储介质-CN202211266575.9在审
发明人：张昊;胡鑫旭;邱路遥 -专利权人：中国农业银行股份有限公司
申请日： 2022-10-17 - 公布日： 2022-12-20 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开了一种检测模型训练、数据检测方法、装置、设备及存储介质，其中，检测模型训练方法包括：根据历史目标样本数据构建多维度综合画像样本数据；根据GAN生成器生成伪目标样本数据；将所述多维度综合画像样本数据和所述多维度综合画像样本数据作为训练数据输入至本发明实施例的技术方案能够提高检测模型的训练效率，降低模型训练所使用的计算资源，并提高检测模型的准确率，进而提高数据检测的效率和准确率。
检测模型训练数据方法装置设备存储介质

[发明专利]风险业务检测模型训练方法、风险业务检测方法及装置-CN202110587815.4在审
发明人：周煊烨;武梦杰;薛宗义 -专利权人：中国工商银行股份有限公司
申请日： 2021-05-27 - 公布日： 2021-07-13 - 主分类号： G06Q40/02 文献下载
摘要：风险业务检测模型的训练方法包括获取训练样本数据集，其中，训练样本数据集包括历史风险业务的特征数据；对训练样本数据集中历史风险业务的特征数据进行特征分析，得到特征分析结果；确定与特征分析结果相匹配的多个候选风险业务检测模型；以及利用训练样本数据集分别训练每个候选风险业务检测模型，以便从训练完成的多个候选风险业务检测模型中确定风险业务检测模型。
风险业务检测模型训练方法装置

[发明专利]一种机器人伺服系统能耗估计模型的建立方法-CN201810802066.0有效
发明人：袁小芳;陈祎婧;谢宏;田争鸣;李哲 -专利权人：湖南大学
申请日： 2018-07-20 - 公布日： 2021-02-09 - 主分类号： G06F30/20 文献下载
摘要：本发明提供一种机器人伺服系统能耗估计模型的建立方法，包括：获取机器人伺服系统历史运行参数，对所述历史运行参数进行预处理以获得模型训练样本数据和模型测试样本数据；基于支持向量回归算法并采用所述模型训练样本数据建立能耗估计模型；将所述模型测试样本数据输入所述能耗估计模型中获得估算能耗值，并获取所述估算能耗值与实际能耗值的误差率；根据所述误差率对所述能耗估计模型进行修正，以获得优化的能耗估计模型。
一种机器人伺服系统能耗估计模型建立方法

[发明专利]建模数据集确定方法及装置-CN202110939154.7在审
发明人：顾凌云;谢旻旗;段湾;谢苗;王存伟;冯杰 -专利权人：上海冰鉴信息科技有限公司
申请日： 2021-08-16 - 公布日： 2021-10-19 - 主分类号： G06K9/62 文献下载
摘要：本申请实施例提供一种建模数据集确定方法及装置，涉及数据处理技术领域。首先，基于第一样本数据集筛选出多个的特定分类模型；接着，通过第二样本数据集对所述特定分类模型进行训练；再接着，基于训练好的特定分类模型对第一样本数据集及对第二样本数据集进行预测，并根据预测结果筛选得到第三样本数据集和第四样本数据集；最后，由第三样本数据集与第四样本数据集形成更新后的第一样本数据集，重新回到对特定分类模型进行训练的步骤，进行预设次数的迭代运算，将最后一次运算得到的更新后的第一样本数据集作为建模数据集。通过上述过程可以将新的数据集与历史数据集融合在一起，如此可以增大建模数据集的规模，缩短建模所需数据集的积累时间。
建模数据确定方法装置

[发明专利]一种面向网络环境的漏洞可利用性的计算方法及装置-CN202210722916.2有效
发明人：郑敬华;开少锋;施凡;许成喜;胡淼;薛鹏飞 -专利权人：中国人民解放军国防科技大学
申请日： 2022-06-24 - 公布日： 2023-08-08 - 主分类号： H04L9/40 文献下载
摘要：本发明提供一种面向网络环境的漏洞可利用性的计算方法及装置，涉及互联网安全领域，所述方法包括：获取漏洞的历史数据，确定计算所述漏洞可利用性的第一属性集及第二属性集；构建第一样本数据集，并对所述第一样本数据集中的样本数据进行降维，获取所述降维后的第一样本数据集的子集，对所述子集进行人工标注；将所述降维后的第一样本数据集输入生成对抗网络，以对所述降维后的第一样本数据集中未进行人工标注的样本数据进行标注；人工标注及所述生成对抗网络标注的样本组成第二样本数据集；由第二样本数据集训练决策树模型，所述决策树模型用于计算漏洞可利用性；得到所述待计算漏洞的漏洞可利用性的结果数据。
一种面向网络环境漏洞利用计算方法装置

[发明专利]风电功率的预测方法、风电功率的预测装置和电子装置-CN202310396035.0在审
发明人：邓韦斯;戴仲覆;王皓怀;周保荣;李崇浩;卢斯煜;刘显茁;张旭东;王凌梓;邓力源;沈海波;卓毅鑫;唐健;胡甲秋;张俨;王宁;张杰;王邦一;赵川;闫斌杰;谢平平;陆秋瑜;莫若慧;何勇琪 -专利权人：中国南方电网有限责任公司;南方电网科学研究院有限责任公司
申请日： 2023-04-12 - 公布日： 2023-07-18 - 主分类号： H02J3/00 文献下载
摘要：本申请提供了一种风电功率的预测方法、风电功率的预测装置和电子装置，该方法包括：获取多个相似风电功率数据，相似风电功率数据为历史风电功率数据中与待测风电功率数据的关键影响因素数据在同一预定范围内的风电功率数据，待测风电功率数据为待测日期的预定时段内的风电功率数据，历史风电功率数据为待测日期之前的预定时段内的风电功率数据，风电功率数据为风电机组的输出功率，相似风电功率数据中的部分为训练样本数据，另一部分为测试样本数据；将测试样本数据输入至区域卷积神经网络模型，提取测试样本数据的特征；将测试样本数据的特征输入至支持向量回归模型，得到预测风电功率数据。
电功率预测方法装置电子