“训练样本集”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478497个，建议您升级VIP下载更多相关专利

[发明专利]一种神经网络模型的训练方法及装置-CN201911327639.X在审
发明人：李宁;罗茜;张斯尧;王思远;蒋杰;张诚;李乾;谢喜林;黄晋 -专利权人：湖南千视通信息科技有限公司
申请日： 2019-12-20 - 公布日： 2020-05-08 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种神经网络模型的训练方法及装置，所述方法包括：获取步骤，获取第一训练样本集和第二训练样本集，所述第一训练样本集为未标注的图像样本集，所述第二训练样本集为已标注的图像样本集；预训练步骤，采用所述第一训练样本集对神经网络模型进行预训练，获得初始神经网络模型；微调步骤，采用所述第二训练样本集对所述初始神经网络模型进行进一步训练，获得微调后的神经网络模型；以及判断步骤。本发明能够在标注样本较少的情况下实现对神经网络的训练，有效提高了神经网络识别的准确性。
一种神经网络模型训练方法装置

[发明专利]模型的训练方法、实体关系抽取方法、装置、介质、设备-CN202111670566.1在审
发明人：王伟 -专利权人：天津开心生活科技有限公司
申请日： 2021-12-31 - 公布日： 2022-04-08 - 主分类号： G06F40/295 文献下载
摘要：本公开涉及医疗数据挖掘技术领域，提供了医学实体关系抽取模型的训练方法及装置、医学实体关系抽取方法及装置、计算机存储介质和电子设备。其中，上述的模型的训练方法包括：获取训练样本集，所述训练样本集包括有标签训练样本集和全局无标签训练样本集；根据有标签训练样本集对一预设自注意力模型进行有监督学习训练，以得到初始自注意力模型；基于所述全局无标签训练样本集，更新可靠训练样本集，在无标签训练样本集中的无标签样本数据的数量满足预设条件时，基于当前更新后的可靠样本训练集，确定出用于医学实体关系模型抽取的目标自注意力模型。本方案基于半监督学习的思想，可以提高医学实体关系模型训练效率和医学实体关系的抽取效率。
模型训练方法实体关系抽取装置介质设备

[发明专利]生成模型训练方法和装置、样本生成方法和计算设备-CN202110784674.5在审
发明人：林永业;王珺;苏丹 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-07-12 - 公布日： 2021-12-21 - 主分类号： G06K9/62 文献下载
摘要：公开了生成模型训练方法和装置、样本生成方法和计算设备。训练方法包括：获取已经训练的、所述生成模型中的噪声去除网络的参数，作为参考参数，所述第一训练样本集包括独立同分布的多个第一训练样本；获取第二训练样本集,第二训练样本集与第一训练样本集为同一训练样本集或者具有相同的分布；从第二训练样本集中随机选择一个第二训练样本，并确定所述第二训练样本对应的噪声水平；以及利用随机选择的每个第二训练样本以及对应的噪声水平，对生成模型中的噪声调度网络进行训练；其中，所述噪声去除网络的参数在训练所述噪声调度网络期间保持在所述参考参数不变
生成模型训练方法装置样本计算设备

[发明专利]文档分类模型的训练方法、文档分类方法、装置及设备-CN202010215642.9在审
发明人：汪硕芃;毛晓曦;范长杰;张聪;胡志鹏 -专利权人：网易(杭州)网络有限公司
申请日： 2020-03-24 - 公布日： 2020-07-10 - 主分类号： G06F16/35 文献下载
摘要：本申请提供一种文档分类模型的训练方法、文档分类方法、装置及设备，涉及文档分类技术领域。其中，该训练方法包括：获取训练样本集，训练样本集包括多个样本文档；若存在目标文档类别对应的样本文档数量不满足预设分布条件，根据预设重构算法对训练样本集中的目标文档类别对应的样本文档进行重构，获取重构后的样本文档；采用重构后的样本文档增强训练样本集，获取满足预设分布条件的重构训练样本集，由于重构训练样本集中各文档类别下的样本文档分布更为均匀，进而根据重构训练样本集，训练获取文档分类模型时，文档分类模型可以学习到更多的目标文档类别对应的样本文档的特征
文档分类模型训练方法装置设备

[发明专利]一种基于交叉小波特征的模拟电路故障诊断方法-CN201711097153.2有效
发明人：何怡刚;何威;李志刚;佐磊;李兵;何鎏璐 -专利权人：合肥工业大学
申请日： 2017-11-09 - 公布日： 2020-02-18 - 主分类号： G01R31/316 文献下载
摘要：一种基于交叉小波特征的模拟电路故障诊断方法，包括以下步骤：向被测模拟电路输入激励信号,采集时域响应输出信号，构成原始数据样本集；将原始数据样本集分成训练样本集和测试样本集；将训练样本集和测试样本集，均进行交叉小波分解，分别获取训练样本集和测试样本集的小波交叉谱；应用双向二维线性判别分析对训练样本集和测试样本集的小波交叉谱进行处理，提取训练样本集和测试样本集的故障特征向量；将训练样本集的故障特征向量提交给支持向量机用于训练SVM分类器，构建支持向量机故障诊断模型；向该模型输入测试样本集的故障特征向量，进行故障分类。
一种基于交叉波特模拟电路故障诊断方法

[发明专利]血糖预测模型训练方法、装置以及设备-CN202211414245.X在审
发明人：郭佳昌;陈俊;代小亚 -专利权人：北京百度网讯科技有限公司
申请日： 2022-11-11 - 公布日： 2023-03-28 - 主分类号： G06F18/214 文献下载
摘要：本公开提供了一种血糖预测模型训练方法、装置以及设备，涉及人工智能技术领域，具体涉及机器学习等技术领域。该方法的一具体实施方式包括：获取第一有标签训练样本集合和无标签训练样本集合；将第一有标签训练样本集合中的第一有标签训练样本的第一电化学数据作为输入，将对应的第一血糖值作为输出，训练得到第一辅助模型；利用第一辅助模型对无标签训练样本集合进行标签标注和样本筛选，得到第二有标签训练样本集合；利用第一有标签训练样本集合和第二有标签训练样本集合，训练得到血糖预测模型。该实施方式训练出的血糖预测模型具有较准确的血糖预测能力。
血糖预测模型训练方法装置以及设备

[发明专利]基于半监督学习的异常流量检测模型训练方法及装置-CN202111412298.3在审
发明人：吴斌 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2019-12-11 - 公布日： 2022-02-11 - 主分类号： H04L9/40 文献下载
摘要：本说明书的实施例提供了一种基于半监督学习的异常流量检测模型训练方法及装置。在该方法中，获取异常流量检测模型的训练样本集，训练样本集包括有标记训练样本集和无标记训练样本集；通过使用当前训练样本集来对当前异常流量检测模型进行半监督学习训练，直到满足训练结束条件，该训练结束条件包括：当前模型训练过程中针对当前无标记训练样本集的异常预测率相对于上一模型训练过程中针对当前无标记训练样本集的异常预测率的变化率不大于预定阈值。利用该方法，可以在保护数据隐私的情况下实现模型训练。
基于监督学习异常流量检测模型训练方法装置

[发明专利]基于半监督学习的异常流量检测模型训练方法及装置-CN201911264853.5有效
发明人：吴斌 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2019-12-11 - 公布日： 2021-10-26 - 主分类号： H04L29/06 文献下载
摘要：本说明书的实施例提供了一种基于半监督学习的异常流量检测模型训练方法及装置。在该方法中，获取异常流量检测模型的训练样本集，训练样本集包括有标记训练样本集和无标记训练样本集；通过使用当前训练样本集来对当前异常流量检测模型进行半监督学习训练，直到满足训练结束条件，该训练结束条件包括：当前模型训练过程中针对当前无标记训练样本集的异常预测率相对于上一模型训练过程中针对当前无标记训练样本集的异常预测率的变化率不大于预定阈值。利用该方法，可以在保护数据隐私的情况下实现模型训练。
基于监督学习异常流量检测模型训练方法装置

[发明专利]基于支持向量机的空中飞机目标分类在线学习方法-CN202110589088.5在审
发明人：王鹏辉;司景元;刘宏伟;丁军;陈渤 -专利权人：西安电子科技大学
申请日： 2021-05-28 - 公布日： 2021-08-27 - 主分类号： G01S7/41 文献下载
摘要：本发明公开了一种基于支持向量机的空中飞机目标分类在线学习方法，主要解决现有技术无法利用新样本快速提升SVM模型的分类性能，浪费人力物力资源的问题。其实现方案是：生成初始训练样本集、新增训练样本集、测试样本集，并分别对其进行特征提取，获得初始训练样本集的特征矩阵、新增训练样本集的特征矩阵、测试样本集的特征矩阵；将初始训练样本集的特征矩阵作为原保留集，输入到SVM分类器进行训练，得到预训练模型；利用原保留集和新增训练样本集的特征矩阵，获得新模型；将测试样本集的特征矩阵输入到新模型，得到测试样本集的分类结果。本发明利用新样本高效地提升了SVM模型对空中飞机目标的分类正确率，可用于目标识别。
基于支持向量空中飞机目标分类在线学习方法

[发明专利]生成模型训练方法和装置、噪声尺度生成方法和计算设备-CN202110785953.3在审
发明人：林永业;王珺 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-07-12 - 公布日： 2021-12-21 - 主分类号： G06K9/62 文献下载
摘要：公开了生成模型训练方法和装置、噪声尺度生成方法和计算设备。训练方法包括：获取训练样本集，所述训练样本集包括多个训练样本，所述多个训练样本为独立同分布的样本；从所述训练样本集中每次随机选择一个训练样本，并确定所述训练样本对应的噪声水平；利用随机选择的每个训练样本以及对应的噪声水平，对噪声去除网络和噪声调度网络进行训练，所述噪声去除网络与从噪声输入到期望输出的反向过程相对应，并且所述噪声调度网络与从来自所述训练样本集的训练样本到输出带有噪声的输出的正向过程相对应。
生成模型训练方法装置噪声尺度计算设备

[发明专利]手写体数据分类方法、模型训练方法、装置、设备及介质-CN201810461229.3有效
发明人：张莉;徐志强;王邦军;张召;李凡长 -专利权人：苏州大学
申请日： 2018-05-15 - 公布日： 2022-05-17 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种手写体数据分类方法、模型训练方法、装置、设备及介质，包括：获取包含手写体数据样本和相应的手写体类别标签的原始训练样本集；对所述原始训练样本集进行数据预处理，以从所述原始训练样本集中选取出能够保持流形结构的非噪声数据，得到处理后训练样本集；利用所述处理后训练样本集进行稀疏支持向量机模型的训练，得到训练后模型。本申请在获取到原始训练样本集之后，会对原始训练样本集进行去噪处理，并且只保留能够保持流形结构的非噪声数据，从而降低了用于训练模型的样本数据的冗余度，减少样本数据量的同时还提升了样本数据的准确度，由此使得后续训练得到的模型具有非常出色的分类精度
手写体数据分类方法模型训练装置设备介质

[发明专利]基于鉴别线性表示的模式分类方法-CN201310060437.X有效
发明人：刘茜;王丽娜;马杰良 -专利权人：南京信息工程大学
申请日： 2013-02-26 - 公布日： 2013-07-31 - 主分类号： G06K9/62 文献下载
摘要：本发明将训练样本集按照样本类别划分为子训练样本集，计算测试样本在各子训练样本集内的线性表示系数，然后计算测试样本在每一个子训练样本集内的重构误差，当测试样本在某类子训练样本集内的重构误差最小时，将测试样本归为这一类本发明确定测试样本在每一类子训练样本集中的线性表示系数，通过减少训练样本数目，降低了计算难度；在提高识别率的同时缩减了计算时间。
基于鉴别线性表示模式分类方法

[发明专利]一种商品信息召回方法、装置、设备和计算机存储介质-CN202210519134.9在审
发明人：秋义明;王松林 -专利权人：北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2022-05-12 - 公布日： 2022-07-29 - 主分类号： G06Q30/06 文献下载
摘要：本申请实施例提出了一种商品信息召回方法、装置、电子设备和计算机存储介质，该方法包括：获取第一训练样本集和第二训练样本集；第一训练样本集中每个训练样本包括商品信息和伪造搜索关键词query；伪造query是对商品信息包括的商品标题进行伪造得到的；第二训练样本集中每个训练样本是从用户点击日志数据中获取的，每个训练样本包括真实query及对应的被点击商品信息；根据第一训练样本集对预先构建的双塔模型进行预训练，得到初始双塔模型；根据第二训练样本集对初始双塔模型进行微调训练，得到训练完成的双塔模型；获取用户针对当前query的检索请求；根据训练完成的双塔模型，得到当前query的召回结果。
一种商品信息召回方法装置设备计算机存储介质

[发明专利]书籍排序推送模型的训练方法、电子设备及存储介质-CN202011373709.8在审
发明人：王海璐 -专利权人：掌阅科技股份有限公司
申请日： 2020-11-30 - 公布日： 2021-02-26 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种书籍排序推送模型的训练方法、电子设备及存储介质，该方法包括：获取阅读用户对应于交互时段的交互书籍列表，对各个交互书籍进行正负标注以得到第一训练样本集；根据第一训练样本集生成预训练模型以及对应于预训练模型的样本向量和样本权重；根据第一训练样本集中的各个交互书籍的交互深度信息，将各个交互书籍组合为多个训练样本组，根据各个训练样本组中包含的训练样本的交互深度信息的比较结果标注各个训练样本组，得到第二训练样本集；通过第二训练样本集以及对应于预训练模型的样本向量和样本权重，对预训练模型进行微调，得到书籍排序推送模型。
书籍排序推送模型训练方法电子设备存储介质

[发明专利]模型迭代优化方法、装置、电子设备和可读存储介质-CN202111135976.6在审
发明人：谢文刚 -专利权人：重庆紫光华山智安科技有限公司
申请日： 2021-09-27 - 公布日： 2021-12-10 - 主分类号： G06K9/62 文献下载
摘要：本申请提供一种模型迭代优化方法、装置、电子设备和可读存储介质，基于采集的训练样本集对构建的模型进行训练得到初步模型，再将初步模型部署至目标应用环境中，基于初步模型对目标应用环境中采集到的数据进行处理得到处理结果，并从数据中筛选出目标数据，将目标数据加入至训练样本集以对训练样本集进行更新，利用更新后的训练样本集对初步模型进行迭代优化训练，直至满足预设要求。该方案，在初步训练的基础上，部署至目标应用环境以筛选目标数据加入到训练样本集中继续训练，利用的训练样本可与实际应用环境相符，且采用从中筛选出目标数据加入到训练样本集的方式，可有效地提高训练样本集的质量，从而提升模型训练效果。
模型优化方法装置电子设备可读存储介质