一种基础模型训练方法、装置、设备及介质

    公开(公告)号:CN116822654A

    公开(公告)日:2023-09-29

    申请号:CN202310930650.5

    申请日:2023-07-27

    Abstract: 本申请实施例提供了一种基础模型训练方法、装置、设备及介质,用以解决现有技术中对基础模型进行训练的各区域训练数据的数据量不均衡,导致基础模型无法准确预测的问题。在该方法中,获取针对各区域对应保存的子训练集;根据每个子训练集中包含的训练样本的数量,确定等量抽样对应的目标数量;基于每个子训练集中包含的训练样本,获取各区域对应目标数量的目标训练样本;根据各区域对应的目标训练样本,对基础模型进行训练。基于等量抽样确定的对应目标数量的目标训练样本对基础模型进行训练,保证了对基础模型进行训练时的各区域的数据量均衡,从而使基础模型可以学习到各区域通信数据的信息,提高了训练完成的基础模型的预测准确性。

    一种数据预测方法、装置、设备及介质

    公开(公告)号:CN117669789A

    公开(公告)日:2024-03-08

    申请号:CN202311353920.7

    申请日:2023-10-18

    Abstract: 本申请实施例提供了一种数据预测方法、装置、设备及介质,包括:获取预测任务对应的目标数据序列、预测步长以及预先配置的该预测任务对应的目标时间的目标时间特征向量;将该目标时间特征向量、该目标数据序列以及该预测步长,输入到回归模型中;获取该回归模型输出的该预测步长之后对应的预测数据。在本申请实施例中,通过设计目标数据序列对应的时间特征向量,将时序预测问题转换为了回归问题,并添加预测步长作为输入,从而降低了对于数据的要求,扩增了数据集,简化了模型,并使得模型能够单次预测多步后的数据,提高了预测效果。

    数据分析方法、装置、计算机设备和存储介质

    公开(公告)号:CN116886768A

    公开(公告)日:2023-10-13

    申请号:CN202310875672.6

    申请日:2023-07-17

    Abstract: 本申请涉及一种数据分析方法、装置、计算机设备、存储介质和计算机程序产品。应用于网络数据分析网元,所述方法包括:所述方法包括:获取订阅事件与原始数据;根据所述订阅事件,获取机器学习模型与所述机器学习模型的数据预处理方案;将所述原始数据按照所述数据预处理方案进行转换,得到特征数据;将所述特征数据输入到所述机器学习模型进行预测,得到所述订阅事件的分析结果。采用本方法能够通过订阅事件所指示的预处理方案进行转换,使得一份原始数据可转化为多个模型适配的输入数据,并进行推理分析,实现原始数据的复用。由此,针对各订阅事件进行推理的过程,获取原始数据的频率相对较少,数据源网元等设备的压力较小。

    模型订阅转移方法、装置、计算机设备和存储介质

    公开(公告)号:CN117336369A

    公开(公告)日:2024-01-02

    申请号:CN202311286301.0

    申请日:2023-10-07

    Abstract: 本申请涉及一种模型订阅转移方法、装置、计算机设备和存储介质。属于网络服务技术领域,方法包括:检测第一模型训练逻辑功能是否满足模型订阅转移条件,第一模型训练逻辑功能用于向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型;在满足模型订阅转移条件的情况下,向第二模型训练逻辑功能发送订阅转移请求;其中,订阅转移请求用于指示第二模型训练逻辑功能代替第一模型训练逻辑功能向订阅目标机器学习模型的分析逻辑功能提供目标机器学习模型。本申请可实现订阅服务的自动转移,无需分析逻辑功能重新寻找新的模型训练逻辑功能,也节省了分析逻辑功能重新订阅新的机器学习模型后的重训练时间。

    用户设备行为预测方法、装置、设备及介质

    公开(公告)号:CN117648641A

    公开(公告)日:2024-03-05

    申请号:CN202311658106.6

    申请日:2023-12-05

    Abstract: 本公开提供了一种用户设备行为预测方法、装置、设备及介质,该方法应用于NWDAF网元,包括:接收物联网用户设备的第一行为数据和预测请求,基于预测请求,将第一行为数据输入至已训练的识别器中,得到第一预测概率,将第一行为数据分别输入至多个已训练的专家模型中,得到多组第一预测行为数据,以及每组第一预测行为数据的置信度,根据每组第一预测行为数据的置信度和第一预测概率,确定第一行为数据的目标预测结果,并进行反馈。提供了一种通用算法进行预测的方案,减少人为的操作过程,充分利用不同模型之间的特点,弥补单一模型的局限性,提高整体的预测性能,从而提高预测的准确性,减少由于行为模式数据量分布不均导致的预测偏差。

    时序数据模型的重训练方法、装置及计算机设备

    公开(公告)号:CN117131384A

    公开(公告)日:2023-11-28

    申请号:CN202310973817.6

    申请日:2023-08-03

    Abstract: 本申请涉及一种时序数据模型的重训练方法、装置及计算机设备。所述方法包括:基于时序数据序列和预测数据序列,确定时序数据序列对应的损失参数序列;时序数据序列包含按照时间顺序排列的多个时序数据,预测数据序列是将时序数据序列输入至初始时序数据模型得到的;基于字符串匹配算法,对损失参数序列中各损失参数进行字符串匹配,得到各损失参数分别对应的匹配结果;基于各损失参数分别对应的匹配结果,调整初始时序数据模型对应的初始损失函数,得到目标损失函数;基于时序数据包含的各时序数据以及目标损失函数,对初始时序数据模型进行重训练,得到重训练完成的目标时序数据模型。采用本方法能够提升时序数据模型重训练的预测准确率。

Patent Agency Ranking