“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]一种手写体数字识别方法及装置-CN201310272564.6有效
发明人：张莉;丁春涛;仝霄;王邦军;何书萍;李凡长 -专利权人：苏州大学
申请日： 2013-07-01 - 公布日： 2017-03-01 - 主分类号： G06K9/00 文献下载
摘要：本申请公开了一种手写体数字识别方法及装置，所述方法包括分别将第一空间中的训练样本集合和手写体数字的待测样本映射至第二空间中；其中，所述训练样本集合包括至少两个训练样本，每个所述训练样本分别具有一个数字类别标识，所述训练样本集合中的训练样本包含至少两种数字类别；依据所述第二空间中的训练样本集合，确定测度变换矩阵；利用所述测度变换矩阵，分别获取所述待测样本与每个所述训练样本之间的距离值；依据每个所述距离值及其各自对应的数字类别标识，确定所述待测样本的数字类别。
一种手写体数字识别方法装置

[发明专利]基于核鉴别线性表示的分类方法-CN201410026937.6在审
发明人：刘茜 -专利权人：南京信息工程大学
申请日： 2014-01-21 - 公布日： 2014-04-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于核鉴别线性表示的分类方法，利用训练样本集识别测试样本所属的类别。首先对训练样本集和测试样本中的所有样本分别进行预处理，得到新的训练样本集和新的测试样本，各个样本类别的新的训练样本构成新的子训练样本集，然后计算新的测试样本在各个新的子训练样本集内的重构误差，最后将测试样本归为重构误差最小的新的子训练样本集所对应的那一类，所述预处理为采用核主成分分析方法对待处理样本做降维运算，再对降维后的所有样本做归一化运算。
基于鉴别线性表示分类方法

[发明专利]医疗影像分类模型的训练方法和装置、预测方法和装置-CN202211148611.1在审
发明人：胡玉兰;张振中;姜晓天 -专利权人：京东方科技集团股份有限公司
申请日： 2022-09-21 - 公布日： 2022-12-09 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种医疗影像分类模型的训练方法和装置、预测方法和装置，其中一实施例的训练方法包括：使用包括多个已标注样本的第一训练样本集训练医疗影像分类模型，使用医疗影像分类模型对包括未标注样本的第二训练样本集进行特征提取并选择第一数量的未标注样本作为待标注样本，响应于医疗专家对待标注样本的标注更新第一训练样本集和第二训练样本集；使用更新的第一训练样本集训练医疗影像分类模型，响应于医疗影像分类模型不满足预设置的性能指标对第二训练样本集进行特征提取并生成特征向量本发明提供的训练方法能够在标注样本较少的情况下训练并提高医疗影像分类模型的预测准确度。
医疗影像分类模型训练方法装置预测

[发明专利]基于多个样本集的模型训练的方法、装置、设备及介质-CN202210252233.5在审
发明人：姜禹;戴磊;刘玉宇;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2022-03-15 - 公布日： 2022-05-24 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例提供了基于多个样本集的模型训练的方法、装置、设备及介质，涉及计算机技术领域；方法包括：将通用样本集中的通用数据、特定样本集中的特定数据分别按预设的第一样本比例、第二样本比例组合，得到第一训练样本集、第二训练样本集；基于第一训练样本集对第一神经网络进行多轮通用训练，得到第二神经网络；在至少一轮通用训练中，调整第一训练样本集中通用数据、特定数据的相对占比；基于特定样本集对第二神经网络进行至少一轮特定场景训练，得到第三神经网络；分别基于第二训练样本集、特定样本集对第三神经网络进行至少一轮的收敛训练，得到目标神经网络分类模型。
基于样本模型训练方法装置设备介质

[发明专利]用于数据增强的方法和装置-CN201811360022.3有效
发明人：易灿;袁锦程;许辽萨;王维强 -专利权人：创新先进技术有限公司
申请日： 2018-11-15 - 公布日： 2023-06-06 - 主分类号： G06F18/24 文献下载
摘要：本发明涉及一种用于数据增强的方法和装置，该方法包括：利用指定训练样本集中的各个训练样本所包含的属性值，计算所述指定训练样本集的特征值；根据所计算的特征值，确定所述指定训练样本集所属的特征类型；至少根据所确定的特征类型和用于指示各个数据增强模型适用于对属于不同特征类型的训练样本进行数据增强处理的信息，获得适用于对所述指定训练样本集进行数据增强处理的数据增强模型；利用所获得的数据增强模型，对所述指定训练样本集进行数据增强处理。
用于数据增强方法装置

[发明专利]翻译模型的训练方法、文本处理方法、装置及存储介质-CN201910901021.3在审
发明人：伍海江;袁松岭;王晓利 -专利权人：腾讯科技(深圳)有限公司
申请日： 2019-09-23 - 公布日： 2019-12-20 - 主分类号： G06F17/28 文献下载
摘要：本发明提供了一种翻译模型的训练方法包括：获取第一训练样本集合；对第一训练样本集合进行去噪处理，以形成相应的第二训练样本集合；通过翻译模型对第一训练样本集合进行处理，以确定翻译模型的初始参数；响应于翻译模型的初始参数，通过翻译模型对第二训练样本集合进行处理，确定翻译模型的更新参数；根据翻译模型的更新参数，通过第一训练样本集合和第二训练样本集合对翻译模型的编码器参数和解码器参数进行迭代更新。本发明能够使得翻译模型的泛化能力更强，提升翻译模型的训练精度与训练速度，同时还可以有效充分利用已有的噪声语句对模型训练的增益，使得翻译模型能够适应不同的使用场景。
训练样本集合翻译初始参数更新参数编码器参数解码器参数存储介质迭代更新模型训练使用场景文本处理去噪语句噪声响应

[发明专利]一种基于模型自训练的地基云图像云检测方法-CN202011637512.0在审
发明人：叶亮;闵华松;林云汉 -专利权人：武汉科技大学
申请日： 2020-12-31 - 公布日： 2021-04-16 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于模型自训练的地基云图像云检测方法，具体公开了通过获取地基云样本图像，确定已标注超像素样本和未标注超像素样本，根据已标注超像素样本，确定训练样本集，根据所述训练样本集，对预设的分类器模型进行训练，得到分类模型，循环选取部分所述未标注超像素样本更新至所述训练样本集，并对所述分类模型重复迭代训练，在检测到所述未标注超像素样本全部更新至所述训练样本集，确定训练后的分类模型为目标分类模型。
一种基于模型训练地基云图检测方法

[发明专利]训练样本的筛选方法、装置、设备及存储介质-CN202211212823.1在审
发明人：王现瑞 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2022-09-30 - 公布日： 2023-01-03 - 主分类号： G06V10/774 文献下载
摘要：本申请提供一种训练样本的筛选方法、装置、设备及存储介质，涉及深度学习领域。该筛选方法包括：获取待处理的训练样本集；待处理的训练样本集用于训练深度学习模型；利用属性分类模型对待处理的训练样本集进行层次聚类，构建分类树；属性分类模型用于识别待处理的训练样本的目标属性；目标属性用于表征待处理的训练样本对深度学习模型的特征学习的影响种类；根据分类树将待处理的训练样本集划分为N个类别；从N个类别中的每个类别选取出一个样本子集，得到N个样本子集；样本子集是对一个类别中的困难样本进行主动学习得到的；将N个样本子集合并得到第一训练样本集。
训练样本筛选方法装置设备存储介质

[发明专利]分类模型训练的方法、设备、计算机可读介质-CN202010928518.7在审
发明人：何世明 -专利权人：中兴通讯股份有限公司
申请日： 2020-09-07 - 公布日： 2022-03-25 - 主分类号： G06K9/62 文献下载
摘要：本公开实施例提供了一种分类模型训练的方法，该方法包括：通过粒子群算法处理训练样本集，得到分类模型的初始参数；用训练样本集训练具有初始参数的初始分类模型，得到分类模型；其中，所述训练样本集包括多个训练样本，每个训练样本包括一个小区的多个通信参数，每个小区具有确定的类型，所述训练样本集的多个训练样本对应的多个小区具有至少两种不同的类型；所述分类模型为机器学习模型，其用于通过小区的多个通信参数确定小区的类型
分类模型训练方法设备计算机可读介质

[发明专利]基于图像增强获取油井参数调控训练样本集的方法及系统-CN202211137131.5在审
发明人：王相;丁阳阳 -专利权人：常州大学
申请日： 2022-09-19 - 公布日： 2022-12-23 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于图像增强获取油井参数调控训练样本集的方法及系统包括，获取现有油藏模型中整个区块的地质数据；通过图像增强技术对所述地质数据以每口油井和水井所在位置为中心进行剪切，得到第一油水井参数调控训练样本集；通过对第一油水井参数调控训练样本集进行旋转得到第二油水井参数调控训练样本集；通过对第二油水井参数调控训练样本集进行翻转得到第三油水井参数调控训练样本集。本发明通过图像增强技术对仿真油藏模型中所提取的油藏数据进行剪切、填充、旋转、翻转等操作获取获取油水井参数调控训练样本并扩充样本数量高效、省时省力，降低训练得到的模型对某些属性的依赖，使得模型的泛化能力得到提高
基于图像增强获取油井参数调控训练样本方法系统

[发明专利]场景分类模型的训练方法、装置、电子设备及存储介质-CN202111496702.X在审
发明人：吕铮;吕颖;韩佳琪;董小瑜 -专利权人：中国第一汽车股份有限公司
申请日： 2021-12-09 - 公布日： 2022-03-15 - 主分类号： G06V20/40 文献下载
摘要：本申请实施例公开了场景分类模型的训练方法、装置、电子设备及存储介质。其中，该方法包括：若初始训练样本集的特征分布和初始测试样本集的特征分布不一致，则采用迁移成分分析算法对训练样本集和测试样本集进行处理，得到目标训练样本集和目标测试样本集；根据目标训练样本集，对初始场景分类模型进行训练，得到中间场景分类模型；根据目标测试样本集，对中间场景分类模型进行测试，得到目标场景分类模型。
场景分类模型训练方法装置电子设备存储介质

[发明专利]配网绝缘子老化检测模型的训练和检测方法、装置及设备-CN202211143600.4在审
发明人：吴杰辉;郑风雷;夏云峰;涂智豪;张健榕;周晋多;刘贯科;苏华锋;熊浩南;翟润辉;喻天;黄靖欣;李俊鹏;李中宇;彭毅杰;李健中;何志彬;吴栩欣;吴浩儿;胡诗敏 -专利权人：广东电网有限责任公司;广东电网有限责任公司东莞供电局
申请日： 2022-09-20 - 公布日： 2022-12-06 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种配网绝缘子老化检测模型的训练和检测方法、装置及设备，训练方法包括：获取初始训练样本集；将初始训练样本集中的输电绝缘子图像样本和配网绝缘子图像样本输入风格迁移网络进行风格迁移，得到风格迁移图像样本；根据风格迁移图像样本确定目标域训练样本集，根据初始训练样本集和目标域训练样本集确定样本迁移损失函数值；将目标域训练样本集输入源域检测模型得到模型训练损失函数值；根据样本迁移损失函数值和模型训练损失函数值确定目标损失函数值；基于目标损失函数值对源域检测模型中的网络参数进行调整，得到目标域检测模型，减轻了标注配网绝缘子图像的工作量，降低了模型训练成本，提升了目标域检测模型的鲁棒性和泛化能力。
绝缘子老化检测模型训练方法装置设备

[发明专利]减少训练时间与支持向量的方法-CN200710171869.2无效
发明人：陈玉坤 -专利权人：上海交通大学
申请日： 2007-12-06 - 公布日： 2008-06-25 - 主分类号： G06F17/30 文献下载
摘要：一种智能信息处理技术领域的减少训练时间与支持向量的方法，包括如下具体步骤：步骤一，从训练样本中抽取邻界样本得到邻界样本集，得到空间分布的边界信息；步骤二，在步骤一抽取邻界样本后，抽取训练样本中的非邻界样本，得到精简样本集；步骤三，合并邻界样本集与精简样本集得到最终训练样本集。本发明由于保留样本分布的边界特征，又保留非边界样本，用得到的最终样本集进行支持向量机的训练，得到最终的分类器，本发明可大幅度精简训练样本，泛化能力几乎没有改变。
减少训练时间支持向量方法

[发明专利]训练模型的方法、位置确定方法、装置、电子设备及介质-CN202110759574.7在审
发明人：孟靖祥;雷志亮;李策凡;范维 -专利权人：中国工商银行股份有限公司
申请日： 2021-07-05 - 公布日： 2021-09-28 - 主分类号： G06K9/62 文献下载
摘要：本公开实施例提供了训练模型的方法、位置确定方法、装置、电子设备及介质。可应用于人工智能技术领域。训练模型的方法包括：获取与源区域对应的源网点选址模型，其中，源网点选址模型是利用与源区域对应的训练样本集训练得到的；以及利用与目标区域对应的训练样本集对源网点选址模型进行训练，得到与目标区域对应的目标网点选址模型，其中，与源区域对应的训练样本集所包括的训练样本的样本量大于与目标区域对应的训练样本集所包括的训练样本的样本量。
训练模型方法位置确定装置电子设备介质

[发明专利]样本识别模型的生成方法、装置、计算机设备和存储介质-CN202010213547.5在审
发明人：李超;孙艺芙;蓝利君;郭清宇;赵雪尧;卢笑;王翔 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-03-24 - 公布日： 2020-07-24 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及一种样本识别模型的生成方法、装置、计算机设备和存储介质。所述方法包括：获取至少两个源域训练样本集和一个目标域训练样本集；根据样本集，对各个待训练的元分类网络模型进行一一预训练，得到各个预训练后的元分类网络模型；分别根据目标域训练样本集，对各个预训练后的元分类网络模型进行再次训练，得到各个训练完成的目标域分类网络模型；根据源域训练样本集和目标域训练样本集，确定各个训练完成的目标域分类网络模型对应的分类权重；根据各个训练完成的目标域分类网络模型以及各个训练完成的目标域分类网络模型对应的分类权重，生成训练完成的样本识别模型。采用本方法能够提高模型的样本识别准确率。
样本识别模型生成方法装置计算机设备存储介质