申请/专利权人：清华大学

申请日：2024-01-23

公开（公告）日：2024-04-30

公开（公告）号：CN117951592A

主分类号：G06F18/2413

分类号：G06F18/2413;G06F18/214;G06F18/2431;G06F18/243;G06N5/01

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本申请提出了一种风险协变量区域识别方法，涉及鲁棒学习和域泛化学习技术领域，其中，该方法包括：获取训练数据集和测试验证数据集，并确定数据集对应的权重；构建识别模型，并基于数据集对应的权重，通过训练数据集和测试验证数据集分别对构建的识别模型进行加权模型训练，得到第一识别模型和第二识别模型；利用第一识别模型和第二识别模型计算全部数据的预测差异，并基于计算出的预测差异确定新的数据集和对应的标签，通过学习模型预测新的数据集的标签，并输出风险协变量区域。采用上述方案的本发明实现了对受分布偏移影响最剧烈的协变量区域的准确识别。

主权项：1.一种风险协变量区域识别方法，其特征在于，包括以下步骤：获取训练数据集和测试验证数据集，并确定数据集对应的权重；构建识别模型，并基于数据集对应的权重，通过训练数据集和测试验证数据集分别对构建的识别模型进行加权模型训练，得到第一识别模型和第二识别模型；利用第一识别模型和第二识别模型计算全部数据的预测差异，并基于计算出的预测差异确定新的数据集和对应的标签，通过学习模型预测所述新的数据集的标签，并输出风险协变量区域。

全文数据：

权利要求：

百度查询： 清华大学 风险协变量区域识别方法和装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD