“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]查询改写方法、装置、电子设备-CN202010100144.X在审
发明人：王宗宇;杨俭;万峻辰;王金刚;谢睿;张富峥;王仲远 -专利权人：北京三快在线科技有限公司
申请日： 2020-02-18 - 公布日： 2020-07-17 - 主分类号： G06F16/9532 文献下载
摘要：所述方法包括：基于预设第一数据集合分别训练准入模型和改写模型，所述预设第一数据集合中包括若干查询输入对；通过所述改写模型对所述第一数据集合中的部分所述若干查询输入对进行改写预测，根据改写预测结果迭代训练所述准入模型；通过迭代训练后的所述准入模型对所述第一数据集合中的所述若干查询输入对进行筛选，根据筛选结果迭代训练所述改写模型；并重复迭代训练过程，直至训练过程满足预设训练条件，通过迭代训练后的改写模型进行查询改写预测
查询改写方法装置电子设备

[发明专利]变压器质量检测方法及装置-CN202211046772.X在审
发明人：田霖;张达;刘振;董国振;刘良帅;吴宏波;鄢晶 -专利权人：国网河北省电力有限公司电力科学研究院;国家电网有限公司;武汉大学
申请日： 2022-08-30 - 公布日： 2022-12-23 - 主分类号： G06Q10/06 文献下载
摘要：该方法包括：获取变压器的DGA数据构成的训练样本和待检测的DGA数据；基于训练样本，进行迭代训练，得到变压器质量检测模型，在每次迭代训练过程中，基于算术优化算法对模型训练时迭代寻解过程进行优化；算术优化算法包括全局探索阶段和局部开发阶段，在全局探索阶段，基于乘除搜索法确定下一次迭代过程的训练样本；在局部开发阶段，基于加减搜索法确定下一次迭代过程的训练样本；将待检测的DGA数据，输入到变压器质量检测模型，输出质量检测结果。本发明能够提高变压器质量检测模型训练过程中确定全局最优解的准确度，进而提高对变压器质量检测的准确度。
变压器质量检测方法装置

[发明专利]模型训练方法、装置、存储介质及电子设备-CN202310642439.3在审
发明人：王斐 -专利权人：深圳依时货拉拉科技有限公司
申请日： 2023-06-01 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：本申请实施例公开了一种模型训练方法、装置、存储介质及电子设备。该方法包括：构建训练数据集，并基于训练数据集对初始化的样本模型进行训练，得到预训练模型；基于验证数据集对所述预训练模型进行迭代微调训练。当关键指标在经过预设次数的迭代后未得到优化，停止迭代微调训练，对调整后模型的所有参数添加噪声信号，并重新进行迭代微调训练。本方案在模型微调早停时，向模型参数添加矩阵式的噪声来帮助更好地微调下游任务，根据标准差向不同的参数矩阵添加不同的均匀噪声，使模型摆脱对于训练数据某些特征的过分关注，寻找更加广泛通用的特征，提升了最终输出模型的性能
模型训练方法装置存储介质电子设备

[发明专利]调参方法、装置及存储介质-CN201810473912.9在审
发明人：徐茜;屠要峰;高洪;陈小强;李忠良 -专利权人：南京中兴软件有限责任公司
申请日： 2018-05-17 - 公布日： 2018-11-06 - 主分类号： G06N3/02 文献下载
摘要：本发明公开了一种调参方法、装置及存储介质，所述方法包括：根据预设的迭代训练次数n，对超参数的取值进行卷积神经网络模型的迭代训练；确定所述超参数的取值在每次迭代训练中的超参数价值；将所述n次迭代训练得到的超参数价值中的最大超参数价值所对应的取值作为所述超参数的最优取值
迭代训练卷积神经网络存储介质有效地预设决策

[发明专利]一种数据训练方法及装置-CN201510958392.7在审
发明人：程龙龙;姚振杰;常耀斌;张志鹏;许利群 -专利权人：中国移动通信集团公司
申请日： 2015-12-18 - 公布日： 2017-06-27 - 主分类号： G06N5/00 文献下载
摘要：本发明提供了一种数据训练方法，在第i次迭代训练下，对训练数据进行第i次数据分割，得到第i分割结果；通过与所述集群节点相对应的N个训练器对所述第i分割结果进行第i次迭代训练，得到第i训练结果；将所述第i训练结果传递至所述N个训练器，以使所述N个训练器在第i+1次迭代训练下将所述第i训练结果作为新的网络系数；其中，所述i小于等于预设值M；所述i、N及M均为正整数。
一种数据训练方法装置

[发明专利]一种确定学习率的方法和装置-CN201910175381.X在审
发明人：周胜凯;徐华;周明耀 -专利权人：华为技术有限公司
申请日： 2019-03-08 - 公布日： 2019-07-19 - 主分类号： G06N3/04 文献下载
摘要：本申请提供了一种确定学习率的方法和装置，所述方法包括：获取用于间隔地计算深度学习模型中的目标层的学习率的间隔次数；在当前迭代次数小于所述间隔次数时，在对所述深度学习模型中的所述目标层进行当前次迭代的学习训练的过程中，继续使用前次迭代过程中的第一学习率进行所述目标层的学习训练。本申请提供的技术方案可以减小计算学习率的迭代次数，从而可以避免现有技术中每一次迭代训练中均需要对目标层计算一次学习率所造成的较长的训练迭代时间。
目标层迭代学习方法和装置学习训练迭代过程一次迭代减小申请

[发明专利]神经网络的训练方法和装置-CN202010601427.2在审
发明人：希滕;张刚;温圣召 -专利权人：北京百度网讯科技有限公司
申请日： 2020-06-29 - 公布日： 2020-10-13 - 主分类号： G06N3/04 文献下载
摘要：本申请公开了神经网络的训练方法和装置，涉及人工智能、深度学习技术领域，可用于图像处理。具体实施方式包括：获取待训练的神经网络，启动对所述神经网络的训练，其中，对所述神经网络的训练以分布式的方式在不同主体执行，且包括至少两轮次迭代；响应于达到训练中的任一预设迭代轮次，在所述不同主体，以至少两个衰减速度进行一轮次学习率的衰减过程，并以衰减得到的学习率进行迭代；响应于完成对所述神经网络的所述至少两轮次迭代，基于所述至少两轮次迭代后的神经网络，得到训练后的神经网络。本申请可以采用不同的衰减速度，实现了学习率的异步衰减，从而促进了训练过程中神经网络的收敛。并且，采用分布式的训练方式，提升了训练速度。
神经网络训练方法装置

[发明专利]一种基于海量单类单幅图像的图像分类网络训练方法-CN201810867642.X有效
发明人：章东平;郑寅;陶禹诺;陈思瑶;毕崇圆 -专利权人：中国计量大学
申请日： 2018-08-01 - 公布日： 2021-06-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于海量单类单幅图像的图像分类网络训练方法，采用单类单幅和单类多幅的双数据形式的训练数据集交替循环训练海量单类单幅图像的图像分类网络，将训练数据输入层替换为训练数据集1输入层和训练数据集2输入层两个网络层，当训练的迭代次数为奇数时，将训练数据集1作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用类间距离损失函数，对网络进行训练，当迭代次数为偶数时，将训练数据集2作为基于海量单类单幅图像的图像分类网络的输入数据，基于迭代次数的动态损失函数采用center loss和Soft‑max损失函数相结合作为训练网络的损失函数对网络进行训练，得到图像分类模型。
一种基于海量单幅图像分类网络训练方法

[发明专利]唤醒模型的优化方法、装置、设备及存储介质-CN201910569405.X有效
发明人：张永超 -专利权人：百度在线网络技术（北京）有限公司;上海小度技术有限公司
申请日： 2019-06-27 - 公布日： 2022-05-20 - 主分类号： G10L15/06 文献下载
摘要：本发明实施例提供一种唤醒模型的优化方法、装置、设备及存储介质，通过获取训练集和验证集；根据所述训练集和所述验证集对唤醒模型进行迭代训练；在迭代训练过程中，周期性的根据所述唤醒模型和预设语料库更新所述训练集和所述验证集，并根据更新后的训练集和验证集继续对所述唤醒模型进行迭代训练；当达到预设中止条件时，输出所述唤醒模型。本发明实施例通过在迭代过程中周期性的根据唤醒模型和预设语料库更新训练集和验证集，可提高对唤醒模型的优化效率和效果，能够提高唤醒模型的稳定性和适应性，避免过拟合。
唤醒模型优化方法装置设备存储介质

[发明专利]使用交替方向乘子法的深度学习-CN201480037824.4有效
发明人： Q·霍;Z·严;K·陈 -专利权人：微软技术许可有限责任公司
申请日： 2014-04-08 - 公布日： 2018-01-19 - 主分类号： G06N3/08 文献下载
摘要：使用交替方向乘子法(ADMM)算法来训练分类器可以降低分类器训练时间量而分类器准确性的降级很小。该训练涉及将用于训练该分类器的训练数据划分成多个数据块。该划分可以保留训练数据的输入特征与输出类的联合分布。该训练可以进一步包括使用多个工作者节点按照初始次序对该多个数据块执行ADMM迭代。随后，若继ADMM迭代之后满足停止准则，则确定对该分类器的训练被完成。否则，若继ADMM迭代之后确定不满足停止准则，那么可以按照该多个数据块的不同次序来执行一轮或多轮附加的ADMM迭代，直到满足停止准则。
使用交替方向乘子法深度学习

[发明专利]具有约束的分布式随机优化模型训练方法、装置及终端-CN202210486474.6有效
发明人：侯洁;孙涛;崔金强;丁玉隆;尉越 -专利权人：鹏城实验室
申请日： 2022-05-06 - 公布日： 2022-08-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种具有约束的分布式随机优化模型训练方法、装置及终端，上述方法包括：循环获取所述智能体集合中的每一个智能体，对所述智能体进行迭代训练并在所述智能体中保存生成的迭代数据，直至所述模型的迭代次数达到设定次数；其中，对智能体进行迭代训练时获取随机训练样本，在每次迭代中通过随机选择的无偏随机局部梯度来计算局部目标函数的全局梯度。
具有约束分布式随机优化模型训练方法装置终端

[发明专利]目标数据迁移迭代学习方法及目标数据迁移迭代学习系统-CN202011568270.4有效
发明人：张立箎;李彤;钱大宏;宣锴;薛忠;沈定刚;陈磊 -专利权人：上海交通大学
申请日： 2020-12-25 - 公布日： 2023-04-18 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种目标数据迁移迭代学习方法及目标数据迁移迭代学习系统。目标数据迁移迭代学习方法包括源视图及目标视图获取、源视图分割训练、目标视图识别分割标注、目标视图分割训练、目标视图分割标注更新、第一卷积神经网络模型迭代训练以及第二卷积神经网络模型迭代训练等步骤。
目标数据迁移学习方法学习系统

[发明专利]神经网络加水印-CN202080099159.7在审
发明人： J·施特恩比;B·约翰逊 -专利权人：瑞典爱立信有限公司
申请日： 2020-04-01 - 公布日： 2022-11-25 - 主分类号： G06F21/16 文献下载
摘要：本文公开了一种用于训练神经网络并在神经网络中嵌入水印的方法。水印用于证明神经网络的所有权。神经网络包括与多个网络节点相关的多个可训练参数。该方法包括：将多个可训练参数分成第一可训练参数集和第二可训练参数集；将第一训练样本集输入到神经网络；通过迭代第一训练样本集经过神经自学习网络以更新第一可训练参数集来训练神经网络，并在第一训练样本集的迭代期间阻止第二可训练参数集被更新；将第二训练样本集输入到神经网络；以及通过迭代第二训练样本集经过神经网络以更新第二可训练参数集来嵌入水印，并在第二训练样本集的迭代期间阻止第一可训练参数集被更新。
神经网络水印

[发明专利]深度学习模型迭代方法、装置、设备及存储介质-CN202210119889.X在审
发明人：黄耀;张辉 -专利权人：北京阿丘科技有限公司
申请日： 2022-02-09 - 公布日： 2022-03-08 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种深度学习模型迭代方法、装置、设备及存储介质，属于模型迭代技术领域。本发明通过自动对获取的PCB图像数据进行自动标注，并将标注的可靠度与预设可靠度阈值进行比较，提高标注准确性，得到目标标注结果对应的待训练PCB图像样本数据并训练，得到参考模型，通过对参考模型进行测试得到目标模型，并通过待训练PCB图像样本数据对目标模型进行迭代，自动完成模型迭代，不需要人工主动参与，提高迭代效率且迭代结果准确。
深度学习模型方法装置设备存储介质

[发明专利]一种基于RBF神经网络改进牛顿迭代算法的正向运动学分析方法-CN202210876632.9在审
发明人：宋孝宗;付海涛;王笑荣;包振良;贺亚洲 -专利权人：兰州理工大学
申请日： 2022-07-25 - 公布日： 2022-09-23 - 主分类号： G06F30/17 文献下载
摘要：本发明提供了一种基于RBF神经网络改进牛顿迭代算法的正向运动学分析方法，包括以下步骤：S1、通过闭环矢量法在绝对坐标系下建立混联抛光机构的杆长公式，求得运动学逆解方程和非线性方程组；S2、选取RBF神经网络中心，随机选取采样点作为训练数据；S3、将神经网络训练得到的估计值作为迭代初值通过正运动学方程进行迭代计算，直至精度满足输出结果。本发明利用RBF神经网络训练的预测值作为牛顿迭代的迭代初值进行迭代求解，既可以避免RBF神经网络因为训练样本数量不够而导致的精度不足，又可以避免牛顿迭代法对迭代初值的依赖性。
一种基于 rbf 神经网络改进牛顿算法正向运动学分析方法