“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]点云3D检测模型的训练方法和点云检测方法-CN202310340658.6在审
发明人：鞠波;邹智康;叶晓青;谭啸 -专利权人：北京百度网讯科技有限公司
申请日： 2023-03-31 - 公布日： 2023-07-04 - 主分类号： G06V20/64 文献下载
摘要：本公开提供了一种点云3D检测模型的训练方法和点云检测方法，涉及人工智能技术领域，尤其涉及深度学习、点云检测、自动驾驶技术领域。具体实现方案为：获取第一训练数据和第二训练数据，第一训练数据为从标注的3D检测框中获取的点云数据，第二训练数据为雷达采集的点云数据；获取每一迭代轮次下需输入所述点云3D检测模型的所述第一训练数据的目标数量，所述目标数量与所述点云3D检测模型的迭代轮次相关联；针对所述点云3D检测模型训练过程中的任一迭代轮次，将第二训练数据及该迭代轮次对应的目标数量的第一训练数据输入所述点云3D检测模型，以对所述点云3D检测模型进行训练
检测模型训练方法

[发明专利]基于联邦学习的模型训练方法、装置、设备及存储介质-CN202110924484.9有效
发明人：张玉君;张卫军;钱勇;黎奉薪 -专利权人：深圳平安智汇企业信息管理有限公司
申请日： 2021-08-12 - 公布日： 2023-08-18 - 主分类号： G06N3/0464 文献下载
摘要：本申请涉及人工智能技术领域，揭示了一种基于联邦学习的模型训练方法、装置、设备及存储介质，其中方法包括：获取第m轮联邦学习的第i次迭代的各个目标客户端发送的单模型训练样本数量和单模型参数矩阵；将目标客户端的数量作为参与训练机构数量；根据所有单模型训练样本数量得到训练样本总数；根据参与训练机构数量、所有单模型参数矩阵、所有单模型训练样本数量和第i‑1次迭代的模型参数汇总矩阵计算第i次迭代的模型参数汇总矩阵；根据参与训练机构数量确定待更新的学习率；将训练样本总数、待更新的学习率和第i次迭代的模型参数汇总矩阵发送给各个目标客户端。提高了模型训练的效果，适用于数据受保密限制的应用场景。
基于联邦学习模型训练方法装置设备存储介质

[发明专利]一种基于协同表示分类的迭代优化方法-CN201611196694.6在审
发明人：陈才扣;王蓉;王禹 -专利权人：扬州大学
申请日： 2016-12-22 - 公布日： 2018-06-29 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种基于协同表示分类的迭代优化方法。将某个训练样本从训练集中剔除，用剩余训练样本线性表示该样本，计算表示系数；根据表示系数，计算类内散布矩阵和类间散布矩阵，从而得到投影轴；利用投影轴将原始训练样本做投影，并重复迭代直至获得最优投影轴；将原始训练样本和原始测试样本向最优投影轴做投影本发明方法使投影轴不断循环迭代，得到最优投影轴。
投影轴原始训练样本矩阵迭代优化训练样本投影样本协同最近邻分类器散布分类识别线性表示循环迭代原始测试分类迭代剔除重复

[发明专利]卷积神经网络的训练方法、装置、设备和存储介质-CN202110527601.8在审
发明人：王章君沛;李功燕;许绍云 -专利权人：中国科学院微电子研究所
申请日： 2021-05-14 - 公布日： 2022-11-15 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及人工智能技术领域，尤其涉及一种卷积神经网络的训练方法，该方法包括：通过第一训练数据集进行模型训练，得到教学模型，其中，第一训练数据集为携带人工标注的图像；利用教学模型对第二训练数据集中每个训练数据进行标注，得到目标训练数据集，其中，第二训练数据集中每个训练数据为待识别图像，目标训练数据集中每个训练数据携带有预测标签；将第一训练数据集和目标训练数据集进行增强处理，获得增强后的第三训练数据集；根据第三训练数据集对初始检测器模型进行迭代训练，直至迭代的检测器模型满足训练约束条件时，将满足训练约束条件时的迭代检测器模型确定为目标检测器模型。该方法提高卷积神经网络的泛化能力和训练效率。
卷积神经网络训练方法装置设备存储介质

[发明专利]一种交互式的迭代建模系统及方法-CN201911185505.9在审
发明人：柴磊;许靖;李永辉 -专利权人：深圳市魔数智擎人工智能有限公司
申请日： 2019-11-27 - 公布日： 2020-04-03 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种交互式的迭代建模系统及方法，方法包括以下步骤：步骤1：导入数据；步骤2：数据预处理；步骤3：选择模型参数；步骤4：自动化配置；步骤5：训练模型，步骤6：迭代建模；步骤7：结束建模。该方法通过对模型本身的分析，把训练模型的过程变得是可以交互的，可以不断地基于现有模型快速优化的过程，这使得每一次模型训练不再独立，而是变成一种迭代过程，每一次的迭代，模型的效果都可以更优，从而提高了训练模型的效率，在更短的时间内训练出更好的模型。
一种交互式建模系统方法

[发明专利]用于语音识别的训练方法和设备-CN201711064668.2在审
发明人：闵允泓 -专利权人：三星电子株式会社
申请日： 2017-11-02 - 公布日： 2018-10-09 - 主分类号： G10L15/06 文献下载
摘要：公开一种用于语音识别的训练方法和设备，其中，所述训练方法的示例包括：确定是否通过使用经验回放集的经验回放迭代执行用于训练神经网络的当前迭代；基于确定的结果从经验回放集和训练集中的至少一个选择样本；基于选择的样本训练神经网络
回放方法和设备语音识别训练神经网络迭代执行神经网络样本训练迭代样本

[发明专利]基于虚拟现实的自适应式应激训练方法及系统-CN202210050483.0在审
发明人：陈品红;周瑾;王常勇 -专利权人：中国人民解放军军事科学院军事医学研究院
申请日： 2022-01-17 - 公布日： 2022-04-19 - 主分类号： G09B9/00 文献下载
摘要：本申请涉及一种基于虚拟现实的自适应式应激训练方法及系统，方法包括：获取被试对象的基础信息，根据被试对象的基础信息生成初始训练场景参数。获取被试对象在初始训练场景参数下的生理信号，以预设的目标生理信号为进化目标，执行迭代循环；迭代循环包括：通过自适应调整训练场景参数使被试对象的生理信号向着目标生理信号的方向进行进化，直到被试对象的生理信号与目标生理信号的差值在预设范围内为止在迭代循环结束时，输出当前训练场景参数。本申请中，基于迭代算法，使得应激训练的场景参数可以根据被试对象的生理信号进行自适应性调整，效率更高且节省人力。
基于虚拟现实自适应应激训练方法系统

[发明专利]一种模型训练的联合数据处理方法、装置与系统-CN202010249329.7有效
发明人：周胜平;吴栋;林俊杰;吴敏;梁乔忠;仲景武 -专利权人：阿尔法云计算（深圳）有限公司
申请日： 2020-04-01 - 公布日： 2020-08-25 - 主分类号： G06N3/04 文献下载
摘要：本发明提出一种模型训练的联合数据处理方法，所述方法适用于AI模型训练过程，所述方法包括：配置AI算法、样本数据集，将数据集划分成训练集与验证集；对训练集中的各数据作拆解与联合，将拟联合数据集使用遗传算法迭代；每轮迭代完成后选择模型效果评估值集的优先半区进入下一轮迭代，进入下一轮迭代前将优先拟融合数据进行交叉互换；最后得到最优的融合数据集，并确定数据的最优融合方式，以此训练生成最优AI模型。这种模型训练的数据处理方法可以使得AI算法具有更高灵活度与可定制化特性，进而使得AI应用更容易部署、加速AI应用的普及。
一种模型训练联合数据处理方法装置系统

[发明专利]一种模型训练的数据处理方法、装置与系统-CN202010249389.9有效
发明人：周胜平;吴栋;林俊杰;吴敏;梁乔忠;仲景武 -专利权人：阿尔法云计算（深圳）有限公司
申请日： 2020-04-01 - 公布日： 2020-09-29 - 主分类号： G06N3/08 文献下载
摘要：本发明提出一种模型训练的数据处理方法，所述方法适用于AI模型训练过程，所述方法包括：配置AI算法、样本主数据与辅助数据集，将主数据与辅助数据集划分成训练集与验证集；对训练集作融合，将拟融合数据集使用遗传算法迭代；每轮迭代完成后选择模型效果评估值集的优先半区进入下一轮迭代，进入下一轮迭代前将优先拟融合数据进行交叉互换；最后得到最优的融合数据集，并确定数据的最优融合方式，以此训练生成最优AI模型。这种模型训练的数据处理方法可以使得AI算法具有更高灵活度与可定制化特性，进而使得AI应用更容易部署、加速AI应用的普及。
一种模型训练数据处理方法装置系统

[发明专利]联邦推荐模型训练方法以及系统-CN202210642466.6有效
发明人：郑小林;葛阳;陈超超;李岩;谢鲁;张建勇;朱明杰 -专利权人：杭州金智塔科技有限公司
申请日： 2022-06-08 - 公布日： 2022-10-14 - 主分类号： G06F16/9535 文献下载
摘要：本说明书实施例提供联邦推荐模型训练方法以及系统，其中所述联邦推荐模型训练方法包括：响应于至少两个客户端的联邦推荐模型训练任务的处理请求，确定每个客户端的训练迭代次数，并将所述联邦推荐模型的初始化参数及所述训练迭代次数分别对应发送至所述每个客户端，接收所述每个客户端加密上传的梯度信息及模型精度，其中，所述梯度信息及所述模型精度由每个客户端基于所述训练迭代次数及本地的历史对象推荐数据，对所述初始化参数进行迭代更新生成的更新结果确定，根据所述梯度信息及所述模型精度确定所述联邦推荐模型的目标参数
联邦推荐模型训练方法以及系统

[发明专利]一种预测深度学习模型单轮迭代时间的方法和系统-CN201811578363.8有效
发明人：孙军欢;张骏雪 -专利权人：深圳致星科技有限公司
申请日： 2018-12-21 - 公布日： 2021-08-10 - 主分类号： G06N20/00 文献下载
摘要：本发明提供一种预测深度学习模型单轮迭代时间的方法和系统，通过利用深度学习模型的分层结构，逐层估算/测量，获得每层的计算时间和传输时间，并累加得到该模型的单轮迭代时间。上述的预测深度学习模型单轮迭代时间的方法和系统，虽不能直接预测模型多轮迭代总的训练时间，但采用本发明提供的方法、系统，预测获得模型单轮迭代时间，并据此推测模型的训练时间，在一定程度上达成了预测模型训练时间的目标
一种预测深度学习模型单轮迭代时间方法系统

[发明专利]身份识别模型训练方法、身份识别方法及装置-CN202110681339.2在审
发明人：孟庆林;蒋宁;吴海英;王洪斌;刘敏;陈燕丽 -专利权人：马上消费金融股份有限公司
申请日： 2021-06-18 - 公布日： 2021-09-21 - 主分类号： G10L17/04 文献下载
摘要：本申请实施例提供了一种身份识别模型训练方法、身份识别方法及装置，所述身份识别模型训练方法包括：获取训练音频数据集，以及对训练音频数据集进行特征提取，得到训练特征集，将训练特征集输入待训练模型包括的内容识别模型中进行迭代训练，以及将训练特征集输入训练完成后的内容识别模型输出内容向量；以及将训练特征集输入待训练模型包括的声纹识别模型中进行迭代训练，以及将训练特征集输入训练完成后的声纹识别模型输出声纹向量，将内容向量和声纹向量输入至待训练模型包括的分类器中进行迭代训练
身份识别模型训练方法装置

[发明专利]模型训练方法、终端设备和服务器-CN202111402685.9在审
发明人：申书恒;傅欣艺;王维强 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2021-11-24 - 公布日： 2022-02-25 - 主分类号： G06F21/62 文献下载
摘要：本说明书实施例提供了模型训练方法、终端设备和服务器。根据实施例的方法，首先确定当前通信周期的迭代次数阈值，然后获取模型训练的模型参数。进一步，利用该模型参数和设备数据进行模型迭代运算，并对随机梯度所产生的额外方差进行约减。如此，当迭代次数达到迭代次数阈值时将得到的第一子模型发送给服务器，以由服务器根据该第一子模型确定训练模型。如此通过在每个通信周期确定迭代次数阈值的方式，避免每进行一次迭代运算后都与服务器进行通信，从而能够降低由于通信所带来的用户隐私数据泄露的风险。此外，本说明书实施例通过在每次迭代运算时对额外方差进行了约减，保证了优化的收敛路径中扰动较小，从而能够提升模型训练的效率。
模型训练方法终端设备服务器

[发明专利]网络模型的方法及装置、数据处理方法及装置、电子设备-CN202310064173.9在审
发明人：许光辉;杜倩云;沙晶 -专利权人：科大讯飞华南人工智能研究院（广州）有限公司
申请日： 2023-01-29 - 公布日： 2023-04-18 - 主分类号： G06N3/0464 文献下载
摘要：该训练方法包括：根据第i‑1次迭代的伪数据，通过第i‑1网络模型，预测第i‑1次迭代的伪数据的第i‑1预测结果，并根据第i‑1次迭代的伪数据的第i‑1预测结果与伪造的目标结果之间的差异性，更新第i‑1网络模型，得到更新的第i‑1网络模型；根据真实训练数据，通过更新的第i‑1网络模型，预测真实训练数据的第i‑1预测结果，并根据真实训练数据的第i‑1预测结果与真实的目标结果之间的差异性，更新更新的第i‑1网络模型和第i‑1次迭代的伪数据，得到第i网络模型和第i次迭代的伪数据；迭代执行上述步骤至第j次迭代，得到第j+1网络模型和第j+1次迭代的伪数据。
网络模型方法装置数据处理电子设备

[发明专利]基于联邦学习的人工智能模型训练方法、装置及系统-CN202210297072.1在审
发明人：李道兴;王晓辉;郭鹏天;季知祥;杨会峰;陈连栋 -专利权人：中国电力科学研究院有限公司;国网河北省电力有限公司信息通信分公司
申请日： 2022-03-24 - 公布日： 2022-07-01 - 主分类号： G06N3/08 文献下载
摘要：本发明属于电力自动化领域，公开了一种基于联邦学习的人工智能模型训练方法、装置及系统，包括：获取初始人工智能模型并发送至各计算节点；接收中心节点发送的初始人工智能模型，作为本地人工智能模型；迭代进行更新步骤，至预设更新迭代阈值或当前人工智能模型满足预设条件时，将当前人工智能模型作为训练完成人工智能模型，并发送至各计算节点；迭代进行梯度计算步骤至预设梯度计算迭代阈值，并接收中心节点发送的训练完成人工智能模型，或者，迭代进行梯度计算步骤至接收到中心节点发送的训练完成人工智能模型，采用训练完成人工智能模型更新本地人工智能模型。通过异步模型参数更新方法提升高性能计算节点的算力利用率，提升模型训练速度。
基于联邦学习人工智能模型训练方法装置系统

首页
«上一页
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
下一页»
尾页
共 100000 条