Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 科大讯飞华南人工智能研究院(广州)有限公司许光辉获国家专利权

科大讯飞华南人工智能研究院(广州)有限公司许光辉获国家专利权

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!

龙图腾网获悉科大讯飞华南人工智能研究院(广州)有限公司申请的专利模型训练方法、装置、设备以及计算机可读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:CN116167459B

龙图腾网通过国家知识产权局官网在2026-03-31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:202310203038.8,技术领域涉及:G06N20/00;该发明授权模型训练方法、装置、设备以及计算机可读介质是由许光辉;杜倩云;沙晶设计研发完成,并于2023-03-06向国家知识产权局提交的专利申请。

模型训练方法、装置、设备以及计算机可读介质在说明书摘要公布了:本申请公开了一种模型训练方法、装置、设备以及计算机可读介质,该方法通过将训练集中的多个训练样本、以及每一个训练样本对应的伪样本分别输入到初始模型中,得到并输出每一个训练样本的第一隐层特征向量、以及每一个伪样本的第二隐层特征向量;针对每一个训练样本,将训练样本的目标隐层特征向量从训练样本的第一隐层特征向量中移除,得到训练样本的无偏特征向量;将训练样本的无偏特征向量输入到初始模型中,得到并输出训练样本的第二预测标签;根据初始模型的总损失值对初始模型的参数进行调整,得到目标模型。由于无偏特征向量中不含有伪样本的虚假特征,因此使用无偏特征向量去训练出的目标模型,不会具有因数据偏向而导致的捷径问题。

本发明授权模型训练方法、装置、设备以及计算机可读介质在权利要求书中公布了:1.一种模型训练方法,其特征在于,包括: 将训练集中的多个训练样本、以及每一个所述训练样本对应的伪样本分别输入到初始模型中,由所述初始模型的特征表示模型得到并输出每一个所述训练样本的第一隐层特征向量、以及每一个所述伪样本的第二隐层特征向量;其中,所述训练样本对应的伪样本与所述训练样本中的部分数据不同; 针对每一个所述训练样本,将所述训练样本的目标隐层特征向量从所述训练样本的第一隐层特征向量中移除,得到所述训练样本的无偏特征向量;其中,所述训练样本的目标隐层特征向量至少通过所述训练样本的目标伪样本的第二隐层特征向量融合得到;所述训练样本的目标伪样本用于指代所述训练样本对应的所有伪样本中,第一预测标签与所述训练样本的真实标签相同的伪样本;所述伪样本的第一预测标签通过所述初始模型的分类器对所述伪样本的第二隐层特征向量处理得到; 将所述训练样本的无偏特征向量输入到所述初始模型中,由所述初始模型的分类器得到并输出所述训练样本的第二预测标签; 根据所述初始模型的总损失值对所述初始模型的参数进行调整,直至调整后的初始模型的总损失值满足预设的收敛条件时,将所述调整后的初始模型确定为目标模型;其中,所述初始模型的总损失值至少根据每一个所述训练样本的第二预测标签和所述训练样本的真实标签之间的损失值计算得到;所述目标模型用于对特定应用场景下的待预测数据进行处理,得到所述待预测数据的目标预测标签;其中,所述特定应用场景包括自动批改作业场景和问答场景。

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科大讯飞华南人工智能研究院(广州)有限公司,其通讯地址为:511458 广东省广州市南沙区丰泽东路106号(自编1号楼)X1301-G5145;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”。

以上内容由龙图腾AI智能生成。

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。