-
公开(公告)号：CN113222100A
公开(公告)日：2021-08-06
申请号：CN202010080441.2
申请日：2020-02-05
Applicant: 北京三星通信技术研究有限公司 , 三星电子株式会社
Abstract: 本公开涉及一种一种用于图像识别的神经网络模型的训练方法，包括：第一训练阶段，计算对应于第一组输入图像样本的第一损失函数，并利用所述第一损失函数训练所述神经网络模型，其中，所述第一损失函数的计算包括：(1)针对所述第一组输入图像样本中的每一个输入图像样本，计算对应于所述输入图像样本的预测分类标签与真实分类标签之间的差异的分类项；以及(2)针对所述第一组输入图像样本中的每一个输入图像样本，计算对应于所述输入图像样本与其重构图像样本之间的差异的重构误差项。
-
公开(公告)号：CN113221065A
公开(公告)日：2021-08-06
申请号：CN202010525621.7
申请日：2020-06-10
Applicant: 北京三星通信技术研究有限公司 , 三星电子株式会社
Abstract: 本申请提供一种大数据密度估计及大规模回归方法、大数据密度估计及大规模回归装置、电子设备、介质。该数据密度估计方法包括步骤：对数据集生成若干次自适应随机划分；在每次划分中，分别使用每个划分格子中的样本构造局部密度估计模型；将局部密度估计模型拼在一起，得到随机划分下的整体密度估计模型；以及将多次划分下整体密度估计模型进行集成。
-
公开(公告)号：CN113222103A
公开(公告)日：2021-08-06
申请号：CN202011350485.9
申请日：2020-11-26
Applicant: 北京三星通信技术研究有限公司 , 三星电子株式会社
Abstract: 本公开涉及人工智能领域。本公开提供一种神经网络的更新方法、一种分类方法以及一种电子设备。在所述神经网络的更新方法中，所述神经网络包括多层网络层，所述多层网络层中的至少一层包含多个神经元，所述方法包括：获取所述神经网络的输入数据；基于所述输入数据，确定所述神经网络中至少一个神经元的激活状态。
-
公开(公告)号：CN113139651A
公开(公告)日：2021-07-20
申请号：CN202010067820.8
申请日：2020-01-20
Applicant: 北京三星通信技术研究有限公司 , 三星电子株式会社
Abstract: 由于弱监督学习中的监督信息太少，所以直接通过少量监督信息训练的分类器很难在性能上与基于监督信息构建的分类器的性能相当。本公开旨在提出通过基于自监督的方式来增强弱监督机器学习算法的分类性能的方法。弱监督学习的具体体现之一为标签比例学习。一种标签比例学习模型的训练方法，包括：接收用于标签比例学习的弱监督训练数据；基于弱监督训练数据来构建监督信息；以及通过基于多任务构建的损失函数、采用弱监督训练数据和自监督训练数据来训练标签比例学习模型，其中，基于多任务构建的损失函数为对应于弱监督训练数据的弱监督损失函数与对应于监督信息的自监督损失函数的加权和。
-
-
-
Search Results
4
records
(took 0.049 seconds)
