有监督学习的标注异常处理方法、装置、存储介质及设备

发明专利有效专利

申请号：
CN202110234096.8
IPC分类号：G06N3/04;G06N3/08;G06K9/62
申请日期：
2021-03-03
申请人：
成都晓多科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	有监督学习的标注异常处理方法、装置、存储介质及设备
申请号	CN202110234096.8	申请日期	2021-03-03
法律状态	授权	申报国家	中国
公开/公告日	2021-04-02	公开/公告号	CN112598118A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;K;9;/;6;2查看分类表>
申请人	成都晓多科技有限公司	申请人地址	四川省成都市天府新区兴隆街道湖畔路西段123号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	成都晓多科技有限公司	当前权利人	成都晓多科技有限公司
发明人	张翀;江岭;黄鹏
代理机构	成都睿道专利代理事务所（普通合伙）	代理人	薛波

摘要

本申请提供一种有监督学习的标注异常处理方法、装置、存储介质及设备，方法应用于深度学习的训练系统，方法包括：S11：基于样本集中的第一样本子集构建的第一元训练装置分别计算当前N个分类模型中每个分类模型对应的第一下降梯度；其中，N为大于0的整数；S12:基于当前N个第一下降梯度确定出的综合梯度对当前第一元模型朝着梯度下降的方向更新参数，并将更新后获得的元模型确定为第二元模型；其中，第一样本子集与第二样本子集在样本集的基础上采用不同的采样方式分别获得；S13：判断综合梯度的值是否不再下降，若是，将当前的第二元模型确定为目标模型；若否，基于所述样本集中的新的第一样本子集重复S11和S12，以提高目标模型的通用性和准确性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供