“学习训练”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520106个，建议您升级VIP下载更多相关专利

[发明专利]语音深度学习训练方法及装置-CN201910217441.X在审
发明人：戚玉青;郑星;姚沛 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2019-03-21 - 公布日： 2020-09-29 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种语音深度学习训练方法、装置、电子设备及可读存储介质，该方法包括：利用预设训练集对语音深度学习模型进行训练，以得到训练后的语音深度学习模型；根据语音深度学习模型训练的轮数确定学习率调整策略；根据所确定的学习率调整策略对学习率进行调整，并基于调整后的学习率，利用所述预设训练集对训练后的语音深度学习模型进行训练，直至训练结束。该方法可以提高语音深度学习训练过程中学习率调整的灵活性。
语音深度学习训练方法装置

[发明专利]一种基于机器人仿真与物理采样结合的深度学习训练方法-CN201710719962.6有效
发明人：王燕波;梁斌焱;杨涛;张科;廖俞;王妍 -专利权人：北京精密机电控制设备研究所
申请日： 2017-08-21 - 公布日： 2021-03-26 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于机器人仿真与物理采样结合的深度学习训练方法，包括三个阶段：第一阶段采用计算机仿真样本对预设深度学习训练模型进行训练，得到第一阶段深度学习训练模型；第二阶段，将第一阶段深度学习训练模型与预设深度学习训练模型进行模型融合，将物理样本对融合后深度学习训练模型进行训练，得到第二阶段深度学习训练模型；第三阶段，将第二阶段深度学习训练模型与预设深度学习训练模型进行模型融合，采用机器人仿真样本和物理样本的混合得到混合样本，对融合后的深度学习训练模型进行训练，得到最终的深度学习训练模型。
一种基于机器人仿真物理采样结合深度学习训练方法

[发明专利]用于机器学习模型的并行化坐标下降法-CN201811570862.2在审
发明人： B-C·陈;D·阿加瓦尔;A·舍尔科夫尼科夫;J·弗莱明;马一鸣 -专利权人：微软技术许可有限责任公司
申请日： 2018-12-21 - 公布日： 2019-07-05 - 主分类号： G06N20/00 文献下载
摘要：执行机器学习模型训练过程的迭代直到发生收敛为止。使用第一机器学习算法来训练固定效应机器学习模型。通过将所训练的固定效应机器学习模型的结果与第一组目标结果进行比较来确定固定效应机器学习模型的训练残差。使用第二机器学习算法和固定效应机器学习模型的训练残差来训练第一随机效应机器学习模型。通过将所训练的第一随机效应机器学习模型的结果与第二组目标结果进行比较来确定第一随机效应机器学习模型的训练残差。在每次后续迭代中，对固定效应机器学习模型的训练使用在先前迭代中训练的最后机器学习模型的训练残差。
机器学习模型固定效应残差随机效应机器学习算法目标结果迭代后续迭代训练过程并行化下降法收敛

[发明专利]一种针对质检场景的深度学习检测模型迭代方法及系统-CN202211485160.0在审
发明人：史胡祎;彭斌;姚毅 -专利权人：凌云光技术股份有限公司
申请日： 2022-11-24 - 公布日： 2023-03-31 - 主分类号： G06F18/214 文献下载
摘要：本申请实施例提供一种针对质检场景的深度学习检测模型迭代方法及系统，通过设置深度学习检测模型的训练轮数，按照训练轮数将训练样本划分为多个训练集，再按照预设比例，选取每个训练集中的有效样本，以及按照训练轮数依次使用训练集对深度学习检测模型交替进行全部训练和部分训练，在交替进行全部训练和部分训练的过程中，调整所述深度学习检测模型的学习率倍数，以达到对部分轮数中的困难样本加倍学习的效果。所述方法能够通过对部分轮数进行部分训练，通过有效样本提高深度学习检测模型的学习程度和学习效果，并且，还能够加快深度学习检测模型的训练速度。
一种针对质检场景深度学习检测模型方法系统

[发明专利]用于训练机器学习模型的方法及系统-CN201811041753.1在审
发明人：孙承根;焦英翔;石光川 -专利权人：第四范式（北京）技术有限公司
申请日： 2018-09-07 - 公布日： 2020-03-20 - 主分类号： G06N20/00 文献下载
摘要：提供了一种用于训练机器学习模型的方法及系统。所述方法包括：获取用于限定机器学习模型的训练过程的配置；以及使用针对机器学习模型的模型训练框架对获取的配置进行解析，并执行解析得到的用于训练机器学习模型的处理逻辑，以训练出机器学习模型，其中，用于限定机器学习模型的训练过程的配置包括以下配置之中的至少一种：算法配置，用于限定用于训练机器学习模型的机器学习算法的运算逻辑；输入配置，用于限定所述机器学习算法的输入数据；参数配置，用于限定机器学习模型的参数；以及环境配置，用于限定训练机器学习模型时的环境。根据所述方法及系统，能够基于用于限定机器学习模型的训练过程的配置训练出机器学习模型。
用于训练机器学习模型方法系统

[发明专利]训练用于控制工程系统的机器学习例程的方法和设备-CN201980051564.9在审
发明人：斯特凡·德佩韦格;马库斯·迈克尔·盖佩尔;加比·马夸特;丹尼拉·塞德尔;克里斯托弗·蒂茨 -专利权人：西门子医疗保健诊断公司
申请日： 2019-07-29 - 公布日： 2021-03-19 - 主分类号： G06N3/08 文献下载
摘要：为了训练机器学习例程(BNN)，通过机器学习例程(BNN)读取第一训练数据(PIC)的序列。根据第一训练数据(PIC)训练机器学习例程(BNN)，其中，通过训练调节机器学习例程(BNN)的多个学习参数(LP)。另外，得出学习参数(LP)的在训练中出现的值分布(VLP)，并且根据学习参数(LP)的得出的值分布(VLP)来产生继续消息(CN)。然后，根据继续消息(CN)利用第一训练数据(PIC)的另一序列继续训练，或者对于训练请求其他训练数据(PIC2)。
训练用于控制工程系统机器学习例程方法设备

[发明专利]基于多维度数据增强的强化学习方法及装置-CN202310382422.9在审
发明人：暴宇健 -专利权人：北京龙智数科科技服务有限公司
申请日： 2023-04-11 - 公布日： 2023-05-12 - 主分类号： G06T5/00 文献下载
摘要：本公开涉及机器学习技术领域，提供了一种基于多维度数据增强的强化学习方法及装置。该方法包括：获取训练数据集，并对训练数据集中的训练样本进行图像数据增强处理；将经过图像数据增强处理后的训练数据集中的训练样本作为强化学习中的状态输入到强化学习模型，利用强化学习模型对应的强化学习算法训练强化学习模型；在将训练样本输入到强化学习模型，以对强化学习模型进行训练的过程中：在强化学习模型内部处理训练样本得到样本向量后，对样本向量进行向量数据增强处理，以基于向量数据增强处理后的样本向量训练强化学习模型。采用上述技术手段，解决现有技术中，传统强化学习训练耗时以及训练的模型泛化性能差等问题。
基于多维度数增强强化学习方法装置

[发明专利]集成学习模型的训练方法、装置、系统和相关设备-CN202110121743.4在审
发明人：余思;贾佳峰;熊钦;王工艺 -专利权人：华为技术有限公司
申请日： 2021-01-28 - 公布日： 2022-07-29 - 主分类号： G06N20/20 文献下载
摘要：一种集成学习模型的训练方法，该方法应用于包括控制节点以及工作节点的模型训练系统中，在训练集成学习模型时，控制节点可以获取集成学习模型的训练请求，并根据该训练请求生成包括多个训练任务的训练任务集合，然后，控制节点向工作节点集合中的多个工作节点分别发送训练任务集合中的训练任务，其中，每个训练任务被由一个工作节点执行，每个训练任务用于训练集成学习模型中的至少一个子学习模型，不同训练任务用于训练不同的子学习模型由于每个子学习模型的训练结果可以由一个工作节点处理，从而可以有效减少训练子学习模型过程中各个工作节点之间所需通信的数据量，提高对于集成学习模型的训练效率以及成功率。
集成学习模型训练方法装置系统相关设备

[发明专利]联合学习训练方法及装置-CN202210601486.9在审
发明人：王莹;李同治 -专利权人：新奥新智科技有限公司
申请日： 2022-05-30 - 公布日： 2022-08-12 - 主分类号： G06N20/00 文献下载
摘要：本公开涉及联合学习技术领域，提供了一种联合学习训练方法及装置。该方法包括：发起联合学习训练任务，响应服务端反馈信号；根据反馈信息，对联合学习训练模型进行联合学习训练任务的模型效果监控；当启动模型效果监控时，加载联合学习训练任务中的数据贡献方提供的审计模型对联合学习训练模型进行审计；根据审计的处理结果，对联合学习训练模型进行调整，以得到可信联合学习模型。采用上述技术手段，解决现有技术中，无法对联合学习训练中参与方数据的使用进行监控，存在数据安全隐患和无法保证联合学习训练的可靠度的问题。
联合学习训练方法装置

[发明专利]一种针对学习障碍儿童的分级训练系统-CN202310796207.3在审
发明人：范慧敏;李悦;游月 -专利权人：四川大学华西医院
申请日： 2023-07-02 - 公布日： 2023-09-19 - 主分类号： G06F16/2457 文献下载
摘要：本发明公开了一种针对学习障碍儿童的分级训练系统，涉及儿童学习障碍康复及教育训练技术领域，其技术要点为：包括筛查模块、评估模块、训练模块和中央控制处理模块。本发明的该系统应用于学习障碍儿童的学习训练中，能够对学习障碍儿童的各方面水平进行全面且精准的评估分析，并根据评估结果划分相适应的层次进行训练，实现针对学习障碍儿童的分级训练，便于确保训练效果及质量；本发明的该系统能够达到针对性的学习训练，提升学习障碍儿童的学习训练效率及效果。
一种针对学习障碍儿童分级训练系统

[发明专利]机器学习模型的训练方法、装置、系统、设备及存储介质-CN202011255038.5在审
发明人：黄安埠;刘洋 -专利权人：深圳前海微众银行股份有限公司
申请日： 2020-11-11 - 公布日： 2021-01-22 - 主分类号： G06N20/00 文献下载
摘要：本申请提供了一种机器学习模型的训练方法、装置、系统、电子设备及计算机可读存储介质；方法包括：服务方设备将机器学习模型发送给多个训练参与方设备，以使多个训练参与方设备基于各自所存储的训练样本独立训练机器学习模型；其中，训练参与方设备训练机器学习模型所使用的第一损失函数用于：均衡多个训练参与方设备训练后的所述机器学习模型的参数的分布；接收多个训练参与方设备分别返回的训练结果；对多个训练参与方设备分别返回的训练结果进行聚合处理，得到全局机器学习模型；根据服务方设备存储的训练样本训练全局机器学习模型。通过本申请，能够在实现训练机器学习模型的资源集约利用的基础上，实现分布式学习的预测稳定性。
机器学习模型训练方法装置系统设备存储介质

[发明专利]一种锅炉积灰状态预测方法、系统、设备和介质-CN202310850482.9在审
发明人：李德波;陈兆立;陈智豪;宋景慧;金凤雏;王广雷;陈拓;陈刚;张宏亮;冯永新 -专利权人：南方电网电力科技股份有限公司
申请日： 2023-07-11 - 公布日： 2023-10-13 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种锅炉积灰状态预测方法、系统、设备和介质，通过在获取锅炉燃烧数据集后，采用锅炉燃烧数据集，生成训练集和测试集。然后采用训练集对初始初级学习器集进行训练，生成目标初级学习器集和多个初始训练集预测数据。并基于初始训练集预测数据对应的权重和训练集，构建次级学习器训练集。接着采用测试集对目标初级学习器集进行测试并结合测试集，构建次级学习器测试集。最后采用次级学习器训练集和次级学习器测试集对次级学习器进行训练和测试，生成锅炉积灰状态预测数据。将原始数据集也作为次级学习器训练的一部分，使得次级学习器学习到原始训练集与新训练集之间的隐含关系，从而提升模型预测效果。
一种锅炉状态预测方法系统设备介质

[发明专利]一种增量式学习目标检测网络模型构建及权重更新方法-CN202011073711.3有效
发明人：沈凯;庄羽;朱毅晓;邓明涛 -专利权人：北京理工大学
申请日： 2020-09-30 - 公布日： 2023-06-02 - 主分类号： G06V10/774 文献下载
摘要：本公开的增量式学习目标检测网络模型构建及权重更新方法，训练目标检测的深度学习网络模型；利用Slimming算法对深度学习网络模型进行剪枝处理；提取深度学习网络模型的卷积层训练集数据的输出特征及训练标签；选取第m层卷积层训练集数据的输出特征及其训练标签分别作为宽度学习网络模型的训练样本标签，训练宽度学习增量式学习模型；将宽度学习增量式学习模型替换深度学习网络模型的第m层及第m层后的卷积层，或将训练好的宽度学习网络模型作为深度学习网络模型的辅助学习网络模型，完成增量式学习网络模型的构建。通过增量式学习模型快速更新增量式学习网络权重的能力，改善增量式学习网络的性能，提升增量式学习网络的鲁棒性。
一种增量学习目标检测网络模型构建权重更新方法

[发明专利]一种机器学习模型的实现方法及装置-CN201811081558.1有效
发明人：张旭;王健;张弥弘;王建华 -专利权人：浪潮软件股份有限公司
申请日： 2018-09-17 - 公布日： 2022-04-26 - 主分类号： G06N20/00 文献下载
摘要：本发明提供了一种机器学习模型的实现方法及装置，该方法，包括：预先设置机器学习模型的至少一个训练模板和机器学习模型的至少一个服务模板；确定目标训练模板；确定目标服务模板；接收至少一个训练模板参数；接收至少一个发布模板参数；根据目标训练模板和训练模板参数，生成目标机器学习模型的训练代码；运行训练代码，实现：生成目标机器学习模型，对目标机器学习模型进行训练，生成训练后的目标机器学习模型；根据目标服务模板和发布模板参数，生成服务代码；运行服务代码，实现：对训练后的目标机器学习模型进行封装，生成机器学习模型服务。本发明提供的一种机器学习模型的实现方法及装置，能够更加方便地实现机器学习模型。
一种机器学习模型实现方法装置

[发明专利]机器学习模型训练加速方法、系统、电子设备及存储介质-CN202210904929.1在审
发明人：杨波;陆刚 -专利权人：携程计算机技术（上海）有限公司
申请日： 2022-07-29 - 公布日： 2022-10-11 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种机器学习模型训练加速方法、系统、电子设备及存储介质，其中，机器学习模型训练加速方法包括：确定机器学习模型的本轮迭代训练的样本过滤条件，样本过滤条件根据机器学习模型的输出结果和/或本轮迭代训练的损失函数值确定；过滤掉训练样本集中符合样本过滤条件的训练样本；采用经过过滤的训练样本集对机器学习模型进行下一轮迭代训练。本发明根据样本过滤条件，通过过滤对机器学习模型训练贡献度小的样本，减少机器学习模型训练依赖的样本量，从而提高机器学习模型的训练的效率。
机器学习模型训练加速方法系统电子设备存储介质

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