“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_专利查询网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

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]融合先验分布与同态混沌加密的多用户模型联合迭代方法-CN202211554437.0有效
发明人：谢怡宁;王孝东;康庚;刘九庆;周维 -专利权人：东北林业大学
申请日： 2022-12-06 - 公布日： 2023-09-08 - 主分类号： G06F18/241 文献下载
摘要：融合先验分布与同态混沌加密的多用户模型联合迭代方法，本发明涉及深度学习模型联合迭代技术中，用户本地数据分布差异较大以及隐私保护的问题。训练深度学习模型应用于各行各业中的不同任务处理已愈发广泛。然而模型训练依赖于足够数量与质量的数据集。然而数据经常难以采集以及隐私保护愈发重要，导致模型泛化性与准确性难以达到要求，本发明提出一种多用户模型联合迭代方法，其主要思想是利用先验分布弥合多用户本地数据分布差异，并混合两种加密技术保护数据隐私，从而实现模型联合迭代该方法能有效降低模型训练难度，提升模型的泛化性能以及准确度。本发明应用于深度学习模型训练中的多用户模型联合迭代。
融合先验分布同态混沌加密多用户模型联合方法

[发明专利]分布式并行的深度学习方法及系统-CN201910577968.3在审
发明人：刘若鹏;栾琳;季春霖;陈峰 -专利权人：杭州光启人工智能研究院
申请日： 2019-06-28 - 公布日： 2020-12-29 - 主分类号： G06N3/08 文献下载
摘要：本发明提供一种分布式并行的深度学习方法、处理器及系统，该方法适用于由N个处理器构成的分布式并行的深度学习系统，具体内容为：每个处理器将用于训练神经网络模型的训练数据划分为N个第一梯度块。每个处理器对N个第一梯度块进行N‑1次迭代累积处理，得到每个处理器对应的N个第二梯度块。每个处理器对N个第二梯度块进行N‑1次迭代覆盖处理，得到每个处理器对应的N个第三梯度块，完成对神经网络模型的训练。本方案中，预先将训练数据划分为N个梯度块，并利用每个处理器分别对N个梯度块进行N‑1次迭代累积和迭代覆盖处理，完成对神经网络模型的训练，降低训练周期、训练成本和提高训练效率。
分布式并行深度学习方法系统

[发明专利]一种模型训练方法和相关装置-CN201911251338.3有效
发明人：黄羿衡;田晋川 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-12-09 - 公布日： 2023-03-10 - 主分类号： G06N3/09 文献下载
摘要：本申请实施例公开了一种模型训练方法和相关装置，在第i次训练迭代结束时，处理设备根据多个处理节点所训练的网络模型的模型参数确定模型参数均值，然后针对多个处理节点中的目标处理节点，处理设备确定目标处理节点对应的第一参数变化信息，该第一参数变化信息用于标识目标处理节点所训练的网络模型的模型参数基于第i次训练迭代产生的变化，最后处理设备根据模型参数均值和第一参数变化信息，确定在第i+1次训练迭代开始时目标处理节点所训练的网络模型的初始模型参数由于在体现整体训练特点的模型均值的基础上，增加了体现各处理节点自身训练特点的参数变化信息，从而降低了最终完成训练时网络模型的性能损失问题。
一种模型训练方法相关装置

[发明专利]激活值量化训练方法及装置-CN201810218963.7在审
发明人：许震;谢波;张如高 -专利权人：新智认知数据服务有限公司
申请日： 2018-03-16 - 公布日： 2018-09-07 - 主分类号： G06K9/62 文献下载
摘要：一种激活值量化训练方法及装置，其中，所述方法包括：获取用于训练神经网络的第一样本；获取各个聚类中心的初始化值；采用距离函数基于各个聚类中心的初始化值对第一样本进行距离迭代，以确定各个聚类中心的第一量化值采用距离函数进行距离迭代，相对于现有技术的卷积层复杂的迭代量化过程，能够有效地降低神经网络激活值量化训练复杂度，从而提高了训练效率。
聚类中心量化距离函数初始化激活迭代样本训练神经网络迭代量化神经网络训练效率复杂度有效地卷积

[发明专利]一种针对去雨图像的多级迭代协同表示的后处理方法-CN201910688638.1有效
发明人：曾焕强;林向伟;倪张凯;曹九稳;朱建清;马凯光 -专利权人：华侨大学
申请日： 2019-07-29 - 公布日： 2022-11-01 - 主分类号： G06T5/00 文献下载
摘要：本发明涉及一种针对去雨图像的多级迭代协同表示的后处理方法，基于训练图像对，即去雨图像和对应的无雨图像，使得在去雨过程中丢失的部分细节，可以通过训练图像对组成的训练集学习其回归关系来恢复。本发明提出迭代协同的表示方法，即在训练阶段系统的学习去雨图像与对应的无雨图像特征对之间的多层次映射模型，随后利用多级映射模型，在相应的迭代中不断优化去雨图像，有效地提高去雨图像的视觉质量。
一种针对图像多级协同表示处理方法

[发明专利]基于迭代的图像弱监督分割方法-CN202110683693.9有效
发明人：郭翌;刘若韵;汪源源;周世崇;常才 -专利权人：复旦大学
申请日： 2021-06-21 - 公布日： 2022-11-29 - 主分类号： G06T7/00 文献下载
摘要：一种基于迭代的图像弱监督分割方法，将包含定位边界框的甲状腺超声图像作为弱监督信息，利用概率梯度标注方式获得训练标注，以迭代训练的方式不断更新深度学习弱监督分割网络参数和训练标签，最后采用训练后的网络对待处理图像进行分割本发明通过迭代网络的优化，在无需人工干预的弱监督条件下将初始定位标签转化为最终的分割结果，可以在无需人工标注的弱监督条件下实现甲状腺超声图像中特定区域的准确分割。
基于图像监督分割方法

[发明专利]一种自动调节网络模型超参数的方法和装置-CN201810671612.1在审
发明人：段国栋 -专利权人：郑州云海信息技术有限公司
申请日： 2018-06-26 - 公布日： 2018-11-27 - 主分类号： G06N3/08 文献下载
摘要：本发明实施例公开了一种自动调节网络模型超参数的方法和装置，该方法包括：将待测试的数据集划分为训练集、测试集和验证集；根据训练集对网络模型进行迭代训练，以获取超参数模型；在迭代训练过程中，通过测试集对当前获得的超参数进行测试，以确定根据该超参数是否能够获得预设的测试结果；在迭代训练结束后，对获得的超参数模型进行验证，以确定根据该超参数模型是否能够获得预设的验证结果。
参数模型迭代训练网络模型方法和装置测试集训练集预设测试验证结果数据集验证集费力验证优化

[发明专利]一种更新参数的方法、装置及存储介质-CN202010455591.7在审
发明人：王紫东;陈梦云;于璠;陈雷 -专利权人：华为技术有限公司
申请日： 2020-05-26 - 公布日： 2021-11-30 - 主分类号： G06N3/08 文献下载
摘要：该方法通过多次迭代来多次更新神经网络模型的参数，多次迭代包括第一迭代范围和第二迭代范围，该方法包括：在第一迭代范围内，每第一更新步长所指示的迭代次数更新一次神经网络模型的附加矩阵的逆矩阵，在第二迭代范围内，每第二更新步长所指示的迭代次数更新一次神经网络模型的附加矩阵的逆矩阵，在迭代顺序上，第二迭代范围的第一次迭代在第一迭代范围的最后一次迭代之后，第二更新步长大于第一更新步长。这样，随着迭代次数的增多，更新步长越来越大，可以减少逆矩阵更新的次数，减少了神经网络模型训练的时间，提高了神经网络模型训练的速度。
一种更新参数方法装置存储介质

[发明专利]一种信息分类方法及装置、信息分类模型训练方法及装置-CN202110461596.5有效
发明人：朱秋实;吴明辉;方昕;刘俊华 -专利权人：科大讯飞股份有限公司
申请日： 2021-04-27 - 公布日： 2023-10-27 - 主分类号： G10L15/02 文献下载
摘要：本发明提供了一种信息分类方法和装置、信息分类模型的训练方法和装置。首先对第一模型进行训练。在训练过程中，对第一模型的第一参数进行迭代的第一调整和迭代的第二调整。其中，第一调整的每次迭代包括该迭代的第二调整，第二调整的每次迭代基于第一模型对第一样本集的处理，第一调整的每次迭代基于经迭代的第二调整的第一模型对第二样本集的处理。然后，调用已训练的第一模型处理待分类样本得到其第一特征，调用第二模型处理第一特征，以得到待分类样本的第一标签。
一种信息分类方法装置模型训练

[发明专利]基于增量更新的推荐方法、装置、计算机设备及存储介质-CN201911077749.5在审
发明人：苏映滨 -专利权人：深圳墨世科技有限公司
申请日： 2019-11-06 - 公布日： 2020-02-18 - 主分类号： G06F16/9535 文献下载
摘要：该方法包括：将用户对物品的评分矩阵进行分解，得到用户向量和物品向量；将用户对物品的评分表示为一个有向边的三元组；在进行本次训练时，迭代计算出三元组中源节点和目标节点的迭代更新值，将迭代更新值累积到对应节点，完成本次训练；在进行下一次训练时，已训练过的用户向量和物品向量在初始状态下复用上一次训练的当前值，对于未训练过的用户向量和物品向量，则采用随机初始化方式填充对应向量；基于训练后的用户向量和物品向量向用户推荐物品
基于增量更新推荐方法装置计算机设备存储介质

[发明专利]一种TCT涂片自动检测方法-CN202210625757.4在审
发明人：陈婷梅;刘然;姚梦俐;陈鑫;李放;佟璇;王征;易琳 -专利权人：重庆医科大学;重庆大学
申请日： 2022-06-02 - 公布日： 2022-09-02 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种TCT涂片自动检测方法，其包括构建DeepTCT；对DeepTCT进行迭代训练：搜索测试集的每一张图像中被DeepTCT检测到的宫颈细胞，如果宫颈细胞对应的分类分数大于设定阈值，则保留该宫颈细胞的标注，否则舍弃该标注；将达到设定阈值的样本放入到训练集，与训练集已有的图像一起用于DeepTCT的训练；将训练好的DeepTCT应用到测试集，输出宫颈细胞的分类和定位结果；重复迭代训练达到设定次数；将最终的本发明通过多次迭代训练，显著的提高了DeepTCT对宫颈细胞形态学特征的检测性能，本发明方法与现有方法相比具有更高的mAP和mAR。
一种 tct 涂片自动检测方法

[发明专利]量子处理器以及用于训练量子处理器的方法-CN202210637239.4在审
发明人： M.摩瑟尼;H.内文 -专利权人：谷歌有限责任公司
申请日： 2016-12-22 - 公布日： 2022-10-18 - 主分类号： G06N10/40 文献下载
摘要：其中，量子处理器已经在训练数据上被训练来处理表示计算任务的输入以输出计算任务的解。训练量子处理器包括通过以下方式确定系统参数的训练值：准备初始量子状态，其中，初始量子状态是包括多个逻辑量子节点和控制量子节点的量子处理器的初始状态与浴的状态的张量积；以及迭代地确定是进入隐藏节点训练阶段还是控制节点训练阶段，并且对于其中确定进入隐藏节点训练阶段的每次迭代，将控制节点设置为非交互状态并迭代地改变量子节点的学习和非学习阶段。
量子处理器以及用于训练方法

[发明专利]一种图像重建方法、终端设备及计算机可读存储介质-CN201810413204.6有效
发明人：张弓 -专利权人： OPPO广东移动通信有限公司
申请日： 2018-05-03 - 公布日： 2020-08-28 - 主分类号： G06K9/62 文献下载
摘要：本申请适用于图像处理技术领域，提供了一种图像重建方法、终端设备及计算机可读存储介质，所述图像重建方法包括：构建生成网络模型和判别网络模型，对所述生成网络模型和所述判别网络模型进行交替迭代训练获得交替迭代训练后的生成网络模型，在第N次交替训练过程中，训练判别网络模型时，从历史交替训练时所述生成网络模型的输出中选择一组样本加入所述判别网络模型本次交替训练过程的输入样本中，N为大于1的整数，获取待重建的图像，并通过交替迭代训练后的生成网络模型对所述待重建的图像进行重建
一种图像重建方法终端设备计算机可读存储介质

[发明专利]用于训练人工神经网络的系统和方法-CN201980092228.9在审
发明人：米哈伊尔·佐夫拉斯;马辛·加耶克 -专利权人：芯成半导体(开曼)有限公司
申请日： 2019-12-17 - 公布日： 2021-12-24 - 主分类号： G06N3/08 文献下载
摘要：计算设备接收在其上训练人工神经网络(ANN)的第一数据并且通过使用包括MRAM的第一RAM，执行第一训练迭代集以使用第一数据训练ANN，并且在执行第一训练迭代集之后，使用不同于MRAM的类型的第二RAM执行第二训练迭代集以使用第一数据训练ANN来训练ANN。计算设备存储所训练的ANN的值。所训练的ANN被配置为基于所存储的值对第二数据进行分类。
用于训练人工神经网络系统方法

[发明专利]标记模型的训练、标记方法、装置、系统、存储介质及设备-CN202010884221.5在审
发明人：不公告发明人 -专利权人：曰轮法寺
申请日： 2020-08-28 - 公布日： 2022-03-18 - 主分类号： G06V10/774 文献下载
摘要：本申请涉及标记模型的训练方法、标记方法、装置、系统、存储介质及设备。其中，标记模型的训练方法包括获取标记模型的初始模型；执行迭代操作；迭代操作包括：基于初始训练样本训练初始模型，得到预处理模型；将当前待标记图输入预处理模型，输出当前预处理标记结果；将预处理模型作为新的初始模型，将初始训练样本和当前训练样本作为新的初始训练样本，返回执行迭代操作，直到满足预设条件为止，将满足预设条件时的预处理模型作为标记模型；其中，当前训练样本为当前待标记图及其符合预设标准的当前预处理标记结果采用本申请的技术方案在不额外增加过多训练样本的标记成本下，可以提高标记模型的泛化能力和/或鲁棒性。
标记模型训练方法装置系统存储介质设备

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top