“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]一种基于多层迭代的软件维护规模预测方法-CN202111491975.5在审
发明人：俞东进;叶佳萍;陈信;陈宇廷;翁乐辉 -专利权人：杭州电子科技大学
申请日： 2021-12-08 - 公布日： 2022-03-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于多层迭代的软件维护规模预测方法，首先进行数据获取：获取一个现有公开软件系统中所有可用的类，记为训练数据集，然后度量因子选择：获取训练数据集中的各类的原始度量值；采样度量归一化处理训练数据集，再进行训练数据采样：将归一化后的训练数据集分为验证集和训练集；之后构建并训练多层迭代的预测模型：最后通过训练好的多层迭代的预测模型完成软件维护规模的预测。本发明通过设计多层迭代模型不断排除预测效果不好的中间层模型，最终获得比较精确的软件维护规模的预测模型。使用本发明提出的方法预测软件维护规模，最终得到了较好结果，能够准确地预测软件的维护规模。
一种基于多层软件维护规模预测方法

[发明专利]动态百分比特征裁剪AdaBoost人脸检测算法-CN201510391351.4有效
发明人：李东新;左卜 -专利权人：河海大学
申请日： 2015-07-06 - 公布日： 2018-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种动态百分比特征裁剪AdaBoost人脸检测算法，具体为：在每次迭代开始的时候，首先确定所需裁剪特征个数的百分比f，然后选用分类性能较好的特征参与下一轮训练；当训练得到的本次迭代的最佳弱分类器错误率大于随机抽取值，通过减小本次迭代的裁剪系数，扩大参与训练的特征个数；如果当采用全部特征进行训练时，错误率仍然超过0.5，则停止迭代。本发明适用于参与训练的特征个数过多时，通过选取上一轮中错误率较低的特征参与下一轮的训练，来达到节省训练时间的目的。
动态百分比特征裁剪 adaboost 检测算法

[发明专利]智能体的多样性行为强化学习方法、装置、智能体及介质-CN202211434504.5在审
发明人：傅炜;吴翼 -专利权人：清华大学
申请日： 2022-11-16 - 公布日： 2023-01-24 - 主分类号： G06N3/006 文献下载
摘要：本申请涉及机器学习技术领域，特别涉及一种智能体的多样性行为强化学习方法、装置、智能体及介质，其中，方法包括：通过获取智能体的引导多样性行为的训练策略和多样性度量对智能体进行迭代训练，并检测是否满足迭代训练的预设条件，其中，在每次训练中固定当前训练之前所有训练得到的行为策略，并约束当前训练的行为策略特征与固定的所有行为策略均不相同，以训练的一个行为策略；若检测到满足迭代训练的预设条件，则停止迭代训练，得到智能体的多种行为策略由此，解决了相关技术基于种群的训练方式同时优化多个智能体，计算成本和训练难度高，且在强化学习任务本身难度较大时存在训练不稳定等问题。
智能多样性行为强化学习方法装置介质

[发明专利]用于训练深度神经网络的技术-CN201810722332.9在审
发明人：陈理;R·L·萨希塔 -专利权人：英特尔公司
申请日： 2018-06-29 - 公布日： 2019-01-18 - 主分类号： G06N3/08 文献下载
摘要：公开了用于训练深度神经网络的技术。例如，各种实施例总体上涉及用于训练深度神经网络的技术，诸如利用迭代方法。一些实施例特别涉及通过用由深度神经网络(DNN)的先前迭代误分类的图像迭代地训练DNN来生成强化的DNN的DNN训练系统。例如，一个或多个实施例可包括逻辑以生成由先前用一组样本图像训练的第一DNN误分类的对抗图像。在一些实施例中，该逻辑可以确定第二训练集，该第二训练集包括由第一DNN误分类的对抗图像和一个或多个样本图像的第一训练集。第二训练集可用于训练第二DNN。在各种实施例中，上述过程可以重复达预定数量的迭代以产生强化的DNN。
神经网络训练集迭代样本图像分类图像图像迭代训练系统对抗可用重复

[发明专利]一种训练自然语言处理模型的方法和系统-CN202010794536.0在审
发明人：程浩;杨晓庆;李奘 -专利权人：北京嘀嘀无限科技发展有限公司
申请日： 2020-08-10 - 公布日： 2020-11-17 - 主分类号： G06F40/30 文献下载
摘要：本申请实施例公开了一种训练自然语言处理模型方法及系统。所述方法包括：获取语言训练样本以及初始模型，所述初始模型包括第一模型以及第二模型，所述第一模型至少包含编码器，所述第二模型至少包含所述第一模型的编码器；以及利用所述语言训练样本，经过迭代训练过程训练所述初始模型以生成自然语言处理模型，其中，所述迭代训练过程包括一次或以上的迭代，所述编码器在每一次迭代中被更新两次。本申请在训练执行具体自然语言处理任务的第二模型时，先通过训练编码器的方式对语言训练样本进行预处理，可以解决自然语言处理过程中数据集较大的问题，提高训练效率以及准确率。
一种训练自然语言处理模型方法系统

[发明专利]数据分类模型训练的方法、装置、电子设备和存储介质-CN201910105031.6有效
发明人：申世伟 -专利权人：北京达佳互联信息技术有限公司
申请日： 2019-02-01 - 公布日： 2020-11-24 - 主分类号： G06K9/62 文献下载
摘要：本公开涉及深度学习领域，尤其涉及一种数据分类模型训练的方法、装置、电子设备和存储介质。所述方法包括：获取多个第一样本数据、多个第二样本数据以及第一迭代次数和第二迭代次数；在第一迭代次数内，基于多个第一样本数据，使用环形训练方式对第一数据分类模型进行训练，得到第二数据分类模型；在第二迭代次数内，基于多个第二样本数据，使用树形训练方式对第二数据分类模型进行训练，得到第三数据分类模型，在进行数据分类训练时，将环形训练方式和树形训练方式结合，相较于单独使用树形训练方式能够节约大量的时间，同时还能够保证数据分类模型的精确度，提高了数据分类模型的训练效率。
数据分类模型训练方法装置电子设备存储介质

[发明专利]一种深度神经网络的训练方法-CN201810045818.3在审
发明人：黎明;夏昌盛;张韵东;邱嵩 -专利权人：北京中星微人工智能芯片技术有限公司
申请日： 2018-01-17 - 公布日： 2018-06-01 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种深度神经网络的训练方法。该训练方法包括：利用训练集对深度神经网络进行迭代训练；利用训练集和测试集对训练中的深度神经网络进行评估，得到评估结果；根据评估结果对训练中的深度神经网络中神经元的丢弃率进行调整，并对调整后的深度神经网络进行迭代训练通过根据评估结果对训练中的深度神经网络中神经元的丢弃率进行动态调整，并对调整后的深度神经网络进行迭代训练，从而减少传统深度神经网络中“过拟合”现象的发生。
神经网络迭代训练评估结果神经元训练集丢弃动态调整测试集拟合评估

[发明专利]强化学习模型的训练方法、装置、电子设备以及介质-CN202210152305.9在审
发明人：牛雅哲;赵梁煊;刘宇;王晓刚 -专利权人：深圳市商汤科技有限公司
申请日： 2022-02-18 - 公布日： 2022-05-20 - 主分类号： G06K9/62 文献下载
摘要：本公开提供了一种强化学习模型的训练方法、装置、电子设备以及介质，其中，该方法包括：获取待训练的强化学习模型；确定样本数据库中各训练样本的样本筛选参数；其中，所述样本筛选参数用于表征训练样本与所述待训练的强化学习模型的训练匹配度，所述训练样本由所述待训练的强化学习模型在历史迭代训练阶段生成；基于所述样本筛选参数在样本数据库中筛选满足训练匹配度要求的目标训练样本；基于所述目标训练样本对所述待训练的强化学习模型执行当前迭代阶段的迭代训练任务
强化学习模型训练方法装置电子设备以及介质

[发明专利]一种模型训练方法、模型训练装置及电子设备-CN202210286944.4在审
发明人：王涵柳;庞建新 -专利权人：深圳市优必选科技股份有限公司
申请日： 2022-03-23 - 公布日： 2022-07-19 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种模型训练方法、模型训练装置、电子设备及计算机可读存储介质。其中，该方法包括：在待训练的多任务模型的训练过程中，分别确定所述待训练的多任务模型中的每个任务在当前的迭代周期内的损失权重；根据所述损失权重构建所述待训练的多任务模型在所述当前的迭代周期的损失函数；基于所述损失函数在所述当前的迭代周期内对所述待训练的多任务模型进行训练
一种模型训练方法装置电子设备

[发明专利]一种多损失模型获取方法以及装置-CN202010754299.5在审
发明人：徐航;张耕维;李震国;梁小丹;黎嘉伟;陈翼翼 -专利权人：华为技术有限公司
申请日： 2020-07-30 - 公布日： 2020-12-11 - 主分类号： G06N3/04 文献下载
摘要：本申请实施例涉及人工智能领域，提供了一种多损失模型获取方法以及装置，用于实现在多损失模型训练过程中动态调整损失加权值，从而使得多损失模型得到更好的训练结果。在该多损失模型训练过程中，在第一迭代周期，获取该子网络输出的第一损失值；然后根据该第一损失值生成备选权重；将该第一损失值以及该备选权重输入权重预测模型，输出该子网络的第一权重参数，其中，该第一权重参数用于该多损失模型训练过程中的第二迭代周期的训练，该第二迭代周期为该第一迭代周期的下一下迭代周期；最后根据该第一权重参数更新该多损失模型的参数。
一种损失模型获取方法以及装置

[发明专利]一种基于分段损失的生成对抗网络方法-CN201810321286.1有效
发明人：姜代红;刘其开;黄轲 -专利权人：徐州工程学院
申请日： 2018-04-11 - 公布日： 2021-01-05 - 主分类号： G06N3/04 文献下载
摘要：一种基于分段损失的生成对抗网络方法，步骤如下：1、参数初始化：设批大小m＝100，超参数k＝1，用Xavier方法进行参数初始化，确定最大迭代次数和损失切换迭代次数参数T，令迭代次数epoch＝0；2、训练判别器参数：令i＝1，i为循环变量；3、训练生成器参数；epoch＝epoch+1，判断epoch是否大于最大迭代次数，如小于最大迭代次数，则重复步骤2和3，如满足，则训练结束。该方法能实现生成器在不同的训练阶段采用不同形式的损失函数，一定程度上弥补了单一损失形式下GAN理论的不足，使网络训练更加稳定；通过引入真实样本与生成样本之间特征级损失，使判别器提取的特征更加鲁棒。
一种基于分段损失生成对抗网络方法

[发明专利]模型生成方法和装置-CN202010025290.0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： 2020-01-10 - 公布日： 2021-07-16 - 主分类号： G06N3/08 文献下载
摘要：该方法包括：通过依次执行多次迭代操作生成用于执行深度学习任务的神经网络模型；迭代操作包括：基于当前的奖励反馈值以及预设的中间监督策略搜索空间确定出预设的神经网络模型在当前迭代操作中的中间监督策略；基于在当前的迭代操作中确定出的中间监督策略对预设的神经网络模型进行训练，并根据训练后的神经网络模型的性能更新奖励反馈值；响应于确定奖励反馈值达到预设的收敛条件或迭代操作的次数达到预设的阈值，停止迭代操作，基于当前迭代操作中训练后的神经网络模型的参数生成用于执行深度学习任务的神经网络模型该方法可以加快神经网络的训练速度。
模型生成方法装置

[发明专利]图像数据生成方法、模型训练方法、装置、设备及介质-CN202111278700.3在审
发明人：朱克峰;阚宏伟;王彦伟 -专利权人：浪潮电子信息产业股份有限公司
申请日： 2021-10-31 - 公布日： 2022-03-04 - 主分类号： G06V10/44 文献下载
摘要：本申请公开了一种图像数据生成方法、模型训练方法、装置、设备及介质，该方法包括：构建包含第一正则项和第二正则项的目标函数；获取预先经过训练的初始神经网络模型，然后从初始神经网络模型的归一化层中提取出预保存特征图信息；创建噪声图像，并将噪声图像作为初次迭代图像，然后提取出初次迭代图像的特征图；以初次迭代图像的特征图、预保存特征图信息和初次迭代图像作为初次迭代参数，并基于预设迭代次数针对目标函数展开多次迭代运算，以生成相应的图像数据，以便将图像数据作为训练数据对初始神经网络模型进行重新训练。
图像数据生成方法模型训练装置设备介质

[发明专利]组件化的强化学习模型处理方法、系统、设备和存储介质-CN202110171433.3在审
发明人：朱恒满;周正;张正生;刘永升 -专利权人：超参数科技（深圳）有限公司
申请日： 2021-02-07 - 公布日： 2021-05-28 - 主分类号： G06N20/00 文献下载
摘要：包括：获取虚拟对象在与交互环境进行交互过程中所产生的交互数据；虚拟对象是由部署于云端的强化学习系统中的运行组件所控制；强化学习系统还包括学习组件和评估组件；通过学习组件，基于交互数据对强化学习模型进行迭代训练；在迭代训练的过程中，通过评估组件对迭代训练所得的强化学习模型进行评估，根据评估所得的结果判断迭代训练所得的强化学习模型是否满足交互条件；若否，则根据迭代训练所得的强化学习模型对运行组件关联的模型进行更新采用本方法能够降低在不同业务中复用强化学习模型训练框架的复杂度。
组件强化学习模型处理方法系统设备存储介质

[发明专利]一种目标检测模型学习率的设置方法和装置-CN201910919042.8在审
发明人：罗壮;何云龙;赵亚滨;郭晓辉;张志强 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2019-09-26 - 公布日： 2021-03-26 - 主分类号： G06K9/62 文献下载
摘要：该方法的一具体实施方式包括设置训练集总图片数量和每轮迭代训练的图片数量，以计算步长；初始化学习率，以在训练集上进行目标检测模型的训练，且每迭代一个步长将学习率增大预设数值，同时计算一次验证集的平均精度均值，进而获得最小学习率和最大学习率；再以预设数量个步长为一个周期循环训练目标检测模型，直到完成预设的最大迭代次数；其中，基于最小学习率和最大学习率，根据步长内当前迭代的次数，计算每次迭代的学习率。从而，本发明的实施方式能够解决现有技术训练目标检测模型的学习率设置效率低的问题。
一种目标检测模型学习设置方法装置

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