“迭代训练”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396437个，建议您升级VIP下载更多相关专利

[发明专利]模型训练、图像处理方法、装置、设备及存储介质-CN202310352200.2在审
发明人：杨昭;徐海华;魏溪含;陈伟璇 -专利权人：阿里巴巴达摩院（杭州）科技有限公司
申请日： 2023-03-29 - 公布日： 2023-08-11 - 主分类号： G06V10/774 文献下载
摘要：本公开涉及一种模型训练、图像处理方法、装置、设备及存储介质。本公开通过包含有多模态信息如图像信息和文本信息的第一数据集进行模型训练，得到第一轮迭代训练后的模型。以第一轮迭代训练后的模型为基准进行多轮迭代训练，得到预训练模型，并且在每一轮迭代训练之前，对上一轮迭代训练采用的目标数据集进行更新。根据更新后的目标数据集，对上一轮迭代训练后的模型进行本轮迭代训练后，可使得本轮迭代训练后的模型相比于上一轮迭代训练后的模型更加精准。将该预训练模型作为下游任务例如废钢等级判定任务的起始模型，并根据下游任务中的样本数据对该预训练模型进行微调后，使得微调后的预训练模型精准的判定废钢等级，从而有效节约了废钢资源。
模型训练图像处理方法装置设备存储介质

[发明专利]一种面向归类模型训练的迭代自适应终止方法-CN201910540222.5在审
发明人：刘浩;黄荣;闵雄阔;李德敏;张义红;邓开连;孙韶媛;李晓丽;魏国林;黄震 -专利权人：东华大学
申请日： 2019-06-21 - 公布日： 2019-11-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种面向归类模型训练的迭代自适应终止方法，其特征在于，通过拟合归类精度与迭代次数的关系函数，自适应地控制归类模型训练的迭代次数。本发明针对图像归类模型的训练，设计了一种迭代次数自适应的终止方法。所提方法适合于目前通用的归类模型，通过在迭代训练中拟合迭代次数与归类精度之间的关系函数，实现了归类精度约束下的迭代次数控制。基于样本点的函数拟合有助于消除在迭代训练中归类精度的大幅波动问题，所提迭代终止方法成功地引入了模式识别应用所需要的归类精度条件。本发明能够自适应地确定归类模型训练的迭代次数，减少迭代训练所需的时间，在确保归类精度合乎预期的前提下降低了迭代训练的复杂度。
迭代归类模型归类自适应迭代训练关系函数拟合模式识别应用波动问题次数控制迭代终止方法适合函数拟合精度条件精度约束复杂度通用的样本点预期的图像引入成功

[发明专利]用于加速神经网络训练的信息处理的方法、电子设备和计算机可读介质-CN202010517306.X在审
发明人：程治宇;李宝普;包英泽 -专利权人：百度（美国）有限责任公司
申请日： 2020-06-09 - 公布日： 2021-04-23 - 主分类号： G06N3/04 文献下载
摘要：本公开的实施方式公开了用于加速神经网络训练的信息处理方法，该方法包括：获取对应于深度学习任务的神经网络；以及基于训练数据集对神经网络执行迭代训练的多次迭代，其中，训练数据集包括对应于深度学习任务的任务数据；以及迭代训练包括：利用当前神经网络处理训练数据集中的任务数据，并基于当前迭代训练中神经网络对任务数据的处理结果，确定当前迭代训练的预测损失；基于预设学习速率函数、预设动量函数和当前迭代次数，确定当前迭代训练中的学习速率和动量；以及基于预设的梯度下降、当前迭代训练中的学习速率、动量和预测损失，通过梯度下降更新当前神经网络的权重参数。该方法实现了高效，低成本的基于深度学习的神经网络训练。
用于加速神经网络训练信息处理方法电子设备计算机可读介质

[发明专利]一种图像归类模型训练中的迭代自适应终止方法-CN201910103431.3在审
发明人：刘浩;黄荣;闵雄阔;李德敏;张义红;邓开连;孙韶媛;李晓丽;魏国林;黄震 -专利权人：东华大学
申请日： 2019-02-01 - 公布日： 2019-06-21 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种图像归类模型训练中的迭代自适应终止方法，逐一对不同迭代次数下的归类模型进行图像识别测试，获得当前归类模型的归类精度；通过拟合归类精度与迭代次数的关系函数，自适应地控制归类模型训练的迭代次数；归类模型首先处于初始波动阶段，若当前归类精度满足持续上升的条件，迭代训练进入上升拟合阶段，并开始收集归类精度与迭代次数的样本点；若当前归类精度满足样本拟合的条件，则利用上升拟合阶段获得的样本点进行归类精度与迭代次数的关系函数拟合，确定后期迭代次数，迭代训练进入后期迭代阶段，执行设定次数的迭代训练后结束。本发明能减少迭代训练的时间，在确保归类精度合乎预期的前提下降低了迭代训练的复杂度。
迭代归类归类模型迭代训练拟合自适应关系函数样本点图像图像识别复杂度预期的样本测试

[发明专利]一种基于自我迭代的深度子空间训练方法及装置-CN202310632067.6在审
发明人：杨帆;周依涛;余忠平;赖永炫 -专利权人：厦门大学;厦门大学深圳研究院
申请日： 2023-05-31 - 公布日： 2023-08-11 - 主分类号： G06N3/08 文献下载
摘要：本发明公开一种基于自我迭代的深度子空间训练方法及装置，方法包括：预训练步骤，最小化第一优化函数来训练深度子空间网络，以初始化相似度矩阵；训练步骤，在迭代次数t小于第一迭代次数时，固定自我表达系数矩阵，迭代第二迭代次数，通过最小化第二优化函数来更新深度子空间网络参数；固定深度子空间网络参数，迭代第三迭代次数，通过最小化第三优化函数，来更新自我表达系数矩阵，根据更新自我表达系数矩阵来更新第t次迭代生成的相似度矩阵，最终实现前t次迭代的相似度矩阵的更新；令迭代次数t增1，重复训练步骤。本发明引入自我迭代的思想，通过先训练的结果来监督模型的训练，同时可以丢弃先前的训练结果，以实现节省内存和计算资源。
一种基于自我深度空间训练方法装置

[发明专利]神经网络的训练方法及其装置、计算机设备、存储介质-CN202110124725.1在审
发明人：周卫民;李亿;戴宗宏 -专利权人：华为云计算技术有限公司
申请日： 2021-01-29 - 公布日： 2022-07-29 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了一种神经网络的训练方法及其装置、计算机设备、存储介质，属于人工智能AI技术领域。该方法包括：获取训练数据集和待训练神经网络，其中，训练数据集中包括多个训练样本；利用训练数据集中的多个训练样本对待训练神经网络进行迭代训练，在迭代训练的过程中：获取第N次迭代过程中向待训练神经网络输入的训练样本，及待训练神经网络在第N次迭代过程中针对训练样本的输出结果，其中，N为正整数；基于第N次迭代过程中的训练样本和输出结果，确定第N次迭代过程中使用的动量系数；基于动量系数，在第N次迭代过程中对待训练神经网络的参数进行更新本申请提高了对神经网络进行训练的训练效率。
神经网络训练方法及其装置计算机设备存储介质

[发明专利]一种英语写作评测系统的训练方法-CN201810680012.1在审
发明人：姜龙 -专利权人：上海意仕腾教育科技有限公司
申请日： 2018-06-27 - 公布日： 2020-01-03 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种英语写作评测系统的训练方法，服务器包括单词训练模块、语法训练模块、语法与单词关联训练模块，单词训练模块包括单词规则库、单词迭代训练模块，语法训练模块包括语法规则库、语法迭代训练模块，包括导入训练数据、单词迭代训练、语法迭代训练、生成模型等过程。本发明采用数据导向的模块化方法根据动态规则实现对于不同语境、语法生成不同的基础数据，并根据基础数据依次不断调用不同规则迭代生成最终结果，具有高效、智能自动的特点。
单词迭代训练语法训练模块基础数据语法训练语法规则库单词规则动态规则评测系统生成模型数据导向训练数据最终结果模块化迭代语境调用服务器关联写作英语智能

[发明专利]一种数据自适应神经网络模型训练方法及装置-CN202211742137.5在审
发明人：乔少华;李汉玢;尹玉成;李亮;刘奋 -专利权人：武汉中海庭数据技术有限公司
申请日： 2022-12-29 - 公布日： 2023-04-18 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及一种数据自适应神经网络模型训练方法及装置，其方法包括：获取待训练神经网络模型的多个训练样本，并确定待训练神经网络模型的第一目标损失函数及其学习率、实时迭代次数、最大迭代次数和扰动学习率；基于实时迭代次数和最大迭代次数，确定扰动数据迭代次数；根据一个或多个训练样本、扰动数据迭代次数和扰动学习率，计算每次迭代的训练数据扰动量；基于所述训练数据扰动量和第一目标损失函数，确定并计算第二目标损失函数；根据最大迭代次数和第二目标损失函数，训练待训练神经网络模型至预设的最优条件。本发明通过估计扰动的方式对训练数据进行平滑处理，持续引导模型梯度变化趋于全局最优，避免局部最优解问题。
一种数据自适应神经网络模型训练方法装置

[发明专利]基于域自适应的检测模型的训练和检测方法、及相关设备-CN202310850158.7在审
发明人：李虹杰 -专利权人：南京芯驰半导体科技有限公司
申请日： 2023-07-11 - 公布日： 2023-10-20 - 主分类号： G06F18/214 文献下载
摘要：本申请公开了一种基于域自适应的检测模型的训练和检测方法、及相关设备，其中所述方法包括：获得每次迭代下的训练样本，每次迭代下的训练样本包括源域样本和/或目标域样本；获得每次迭代下的训练样本的特征图；基于特征图，得到对每次迭代下的训练样本的各区域的分类结果；获得对特征图的各区域的编码结果；获得对每次迭代下的训练样本的各区域的编码结果；基于对每次迭代下的训练样本的各区域的分类结果和编码结果、以及对特征图的各区域的编码结果，对待训练模型进行迭代运算，以训练出目标检测模型，所述目标检测模型用于对待检测图像进行目标检测。
基于自适应检测模型训练方法相关设备

[发明专利]分类模型构建方法及装置、存储介质及电子设备-CN202111667583.X在审
发明人：王红凯;冯珺;潘司晨;江樱;琚小明;黄海潮;张烨华;彭梁英;赵帅;冯泳铭;陈可;谢裕清 -专利权人：国网浙江省电力有限公司信息通信分公司;浙江捷瑞电力科技有限公司
申请日： 2021-12-30 - 公布日： 2022-04-12 - 主分类号： G06F30/27 文献下载
摘要：本发明提供了一种分类模型构建方法及装置、存储介质及电子设备，该方法包括：确定预设样本集合和每个预设特征维度对应的特征权重，基于预设的集成学习算法进行预测模型的迭代训练，在当前迭代周期中，确定该迭代周期对应的初始模型，和该迭代周期对应的各个训练特征维度所对应的训练样本集合。通过该训练样本集合对该初始模型进行训练，得到该迭代周期对应的预测模型，并更新当前训练特征维度对应的特征权重，以调整下个迭代周期对应的各个训练特征维度。当结束迭代训练过程后，对训练得到的各个预测模型进行组合，得到分类模型。应用本发明的方法，可对用于训练的特征进行调整，采用对分类影响较大的特征进行训练，可提高模型的分类准确度。
分类模型构建方法装置存储介质电子设备

[发明专利]声纹识别模型训练方法、声纹识别方法及相关设备-CN202110527175.8在审
发明人：孟庆林;吴海英;蒋宁;王洪斌;陈燕丽 -专利权人：马上消费金融股份有限公司
申请日： 2021-05-14 - 公布日： 2022-11-15 - 主分类号： G10L17/04 文献下载
摘要：本申请提供一种声纹识别模型训练方法、声纹识别方法及相关设备，方法包括：将有标注的第一样本数据输入至待训练模型包括的编码网络，进行第N次迭代训练；通过第N次迭代训练后的编码网络将无标注的第二样本数据输入至解码网络，进行第N+1次迭代训练；将第二样本数据输入至前馈网络，进行第N+1次迭代训练；在第一向量和第二向量的均方误差小于第一阈值的情况下，得到声纹识别模型；第一向量是进行第N+1次迭代训练后的解码网络输出的，第二向量是进行第N+1次迭代训练后的前馈网络输出的，声纹识别模型包括进行第N次迭代训练后的编码网络、进行第N+1次迭代训练后的解码网络、以及进行第N+1次迭代训练后的前馈网络。这样可以降低模型训练的难度。
声纹识别模型训练方法相关设备

[发明专利]深度学习优化迭代过程及其在低密度奇偶校验解码的分层置信度传播优化中的应用-CN202180062128.9在审
发明人： A·克莱因;V·朗克;B·唐 -专利权人：高通股份有限公司
申请日： 2021-09-17 - 公布日： 2023-06-30 - 主分类号： H04L1/00 文献下载
摘要：一种优化迭代过程的方法定义了可训练参数集合，以及将应用于该可训练参数集合中的每个参数的可微分门函数。构建了迭代过程的可训练模型，其中通过使用应用于参数的可微分门函数的值来修改该迭代过程，以计算每次迭代之前和之后该迭代过程的内部变量的加权和。迭代过程的可训练模型的基于机器学习的优化确定将执行的迭代过程的迭代子集。该迭代子集被确定为使得迭代过程的精度和活动迭代次数被联合优化。该方法仅处理迭代子集以执行迭代过程。
深度学习优化过程及其密度奇偶校验解码分层置信传播中的应用

[发明专利]训练模型的训练时长预测方法及装置-CN201910782983.1在审
发明人：张书博 -专利权人：广东浪潮大数据研究有限公司
申请日： 2019-08-23 - 公布日： 2019-11-29 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种训练模型的训练时长预测方法及装置，包括：当训练模型进行迭代训练时，确定训练模型的当前迭代训练的训练时长；获取与当前迭代训练对应的第一预测训练时长；将训练时长输入预先训练完成的LSTM模型中，得到LSTM模型输出的第二预测训练时长；依据第一预测训练时长，和预设的卡尔曼滤波算法对第二预测训练时长进行修正，得到修正后的修正预测训练时长，将修正预测训练时长保存至预设的数据表中；将修正预测训练时长确定为训练模型的下一次迭代训练的预测训练时长本发明应用LSTM模型得到训练模型进行下一次迭代训练的预测训练时长，并应用卡尔曼滤波算法对预测训练时长进行修正，以得到更加准确的预测训练时长。
时长预测训练模型修正迭代训练卡尔曼滤波算法一次迭代预设时长确定时长预测应用输出保存

[发明专利]模型训练方法、文本处理方法和装置、电子设备、介质-CN202110802192.8在审
发明人：黄书剑;浦通;陈家骏;张洋铭;屠要峰;高洪;黄震江;周祥生 -专利权人：中兴通讯股份有限公司;南京大学
申请日： 2021-07-15 - 公布日： 2021-08-13 - 主分类号： G06F40/295 文献下载
摘要：本申请提供了一种模型训练方法、文本处理方法和装置、电子设备、介质，模型训练方法包括：将第（a‑1）轮迭代对应的学生模型作为第a轮迭代对应的老师模型；根据第a轮迭代对应的第一训练样本和第a轮迭代对应的老师模型对第a轮迭代对应的基础模型进行训练得到第a轮迭代对应的学生模型；其中，在训练过程中根据第一概率分布向量和第二概率分布向量确定损失函数，第一概率分布向量为将第a轮迭代对应的第一训练样本输入到第a轮迭代对应的基础模型中得到的概率分布向量，第二概率分布向量为将第a轮迭代对应的第一训练样本输入到第a轮迭代对应的老师模型中得到的概率分布向量；在满足收敛条件的情况下，输出对应的学生模型。
模型训练方法文本处理装置电子设备介质

[发明专利]基于VR设备的认知训练方法、装置及介质-CN202210484277.0在审
发明人：王思伦;张健 -专利权人：深圳市铱硙医疗科技有限公司
申请日： 2022-05-05 - 公布日： 2022-08-05 - 主分类号： G16H20/30 文献下载
摘要：本发明涉及VR训练技术领域，揭露了一种基于VR设备的认知训练方法，包括：根据情景训练反馈，评估原始指标测评分值；判断原始指标测评分值是否符合认知测评标准；若符合，则停止训练；若不符合，则根据原始指标测评分值调整原始认知训练项目，得到迭代认知训练项目；利用迭代认知训练项目评估认知水平，得到迭代指标测评分值；判断迭代指标测评分值是否符合认知测评标准；若符合，则停止训练；若不符合，则根据迭代指标测评分值调整迭代认知训练项目，直至符合认知测评标准，则停止训练。本发明还提出一种基于VR设备的认知训练装置、电子设备以及计算机可读存储介质。本发明可以解决认知训练方式存在认知训练针对性弱，效率低的问题。
基于 vr 设备认知训练方法装置介质

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