Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中科云谷科技有限公司孙灿获国家专利权

恭喜中科云谷科技有限公司孙灿获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜中科云谷科技有限公司申请的专利一种机器学习模型构建方法、装置、电子设备及存储介质获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119476407B

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510053970.6,技术领域涉及:G06N3/094;该发明授权一种机器学习模型构建方法、装置、电子设备及存储介质是由孙灿设计研发完成,并于2025-01-14向国家知识产权局提交的专利申请。

一种机器学习模型构建方法、装置、电子设备及存储介质在说明书摘要公布了:本申请公开了一种机器学习模型构建方法、装置、电子设备及存储介质,涉及人工智能技术领域。该方法包括:对原始样本集中包含的多个原始样本执行聚类操作,得到N个簇样本,对N个簇样本分别进行特征增强,得到N个簇样本各自对应的簇增强样本,并基于N个簇样本与N个簇样本各自对应的簇增强样本分别构成N个样本对,采用卷积神经网络对N个样本对分别进行特征提取;针对每个样本对,将卷积神经网络中多个卷积层各自输出的特征进行融合,得到每个样本对的融合特征;根据正样本集、负样本集、N个融合特征,生成符合损失函数要求的机器学习模型,用以提高机器学习模型的适用性与准确性。

本发明授权一种机器学习模型构建方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种机器学习模型构建方法,其特征在于,包括:对原始样本集中包含的多个原始样本执行聚类操作,得到N个簇样本;其中,所述N为大于1的整数;采用生成式对抗网络对所述N个簇样本分别进行特征增强,得到所述N个簇样本各自对应的增强样本,并基于所述N个簇样本与N个簇样本各自对应的簇增强样本分别构成N个样本对;其中,所述生成式对抗网络中包括一个生成器与N个簇判别器,一个簇判别器对应一个簇样本,用于判别所述生成器生成的增强样本与原始样本之间的差异;采用卷积神经网络对所述N个样本对分别进行特征提取;其中,所述卷积神经网络中包括依次连接的多个卷积层;针对每个样本对,将所述多个卷积层各自输出的特征进行融合,得到所述每个样本对的融合特征,以使在训练过程中平衡图像的全局信息与细节信息;根据正样本集、负样本集、N个融合特征,构建符合损失函数值的机器学习模型;其中,所述正样本集中包含的正样本对是基于同一簇中的原始样本、增强样本构建的,所述负样本集中包含的负样本对是基于不同簇中的原始样本、增强样本构建的;其中,所述采用生成式对抗网络对所述N个簇样本分别进行特征增强,得到所述N个簇样本各自对应的增强样本,包括:将第一簇样本中任意的第一原始样本输入所述生成器,得到所述第一原始样本的第一增强样本;其中,所述第一簇样本为所述N个簇样本中的任意一个;将所述第一增强样本输入至与所述第一簇样本关联的第一簇判别器,若所述第一簇判别器判别出所述第一增强样本为所述第一原始样本的概率不满足概率阈值,则调整所述第一簇判别器与所述生成器各自的参数,直至所述概率满足所述概率阈值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中科云谷科技有限公司,其通讯地址为:410205 湖南省长沙市长沙高新开发区尖山路39号中电软件园一期10栋厂房401;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。