-
公开(公告)号：CN113282747B
公开(公告)日：2023-07-18
申请号：CN202110465097.3
申请日：2021-04-28
Applicant: 南京大学
Abstract: 本发明公开一种基于自动机器学习算法选择的文本分类方法，基于级联式自动机器学习的思想，从多种机器学习算法中为文本分类任务配置最优算法，包括：(1)采用文本向量嵌入方法将文本语料数据编码成向量表示，生成文本分类数据集；(2)利用多摇臂赌博机算法从多个机器学习分类算法中选择一个算法；(3)利用超参优化方法自动为所选择的算法搜索一组超参数；(4)基于搜索到的超参数初始化相应算法的超参，并在文本分类数据集上训练模型；(5)重复步骤(2)到步骤(4)，直到达到设定的迭代次数，将训练得到的多个分类模型中预测性能最好的模型用于文本分类任务。本方法能自动的为任务文本训练一个鲁棒的分类模型。
-
Patent Agency Ranking
公开(公告)号：CN113282747A
公开(公告)日：2021-08-20
申请号：CN202110465097.3
申请日：2021-04-28
Applicant: 南京大学
Abstract: 本发明公开一种基于自动机器学习算法选择的文本分类方法，基于级联式自动机器学习的思想，从多种机器学习算法中为文本分类任务配置最优算法，包括：(1)采用文本向量嵌入方法将文本语料数据编码成向量表示，生成文本分类数据集；(2)利用多摇臂赌博机算法从多个机器学习分类算法中选择一个算法；(3)利用超参优化方法自动为所选择的算法搜索一组超参数；(4)基于搜索到的超参数初始化相应算法的超参，并在文本分类数据集上训练模型；(5)重复步骤(2)到步骤(4)，直到达到设定的迭代次数，将训练得到的多个分类模型中预测性能最好的模型用于文本分类任务。本方法能自动的为任务文本训练一个鲁棒的分类模型。
-
公开(公告)号：CN113283426A
公开(公告)日：2021-08-20
申请号：CN202110478018.2
申请日：2021-04-30
Applicant: 南京大学
Abstract: 本发明公开一种基于多目标神经网络搜索的嵌入式目标检测模型生成方法，选择嵌入式目标检测模型的基础检测结构并设定搜索空间；构建包含搜索空间中所有子网络的超网络；将训练好的超网络联合设定好的检测头在目标检测数据集上进行微调；在搜索前通过批量枚举搜索空间中的子网络，自动构建可推理的模型，并将模型部署到嵌入式设备上进行运行时间的测试，建立搜索空间中子网络结构编码与运行时延之间的速查表；使用强化学习的方法展开搜索；搜索过程使得网络结构朝着多个目标的方向优化；维护一个帕累托最优解集来获得符合多目标要求的目标检测模型；选择帕累托最优解集中的元素，将其对应的检测网络在嵌入式平台上进行编译部署。
-
公开(公告)号：CN113283426B
公开(公告)日：2024-07-26
申请号：CN202110478018.2
申请日：2021-04-30
Applicant: 南京大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于多目标神经网络搜索的嵌入式目标检测模型生成方法，选择嵌入式目标检测模型的基础检测结构并设定搜索空间；构建包含搜索空间中所有子网络的超网络；将训练好的超网络联合设定好的检测头在目标检测数据集上进行微调；在搜索前通过批量枚举搜索空间中的子网络，自动构建可推理的模型，并将模型部署到嵌入式设备上进行运行时间的测试，建立搜索空间中子网络结构编码与运行时延之间的速查表；使用强化学习的方法展开搜索；搜索过程使得网络结构朝着多个目标的方向优化；维护一个帕累托最优解集来获得符合多目标要求的目标检测模型；选择帕累托最优解集中的元素，将其对应的检测网络在嵌入式平台上进行编译部署。
-
公开(公告)号：CN113282721B
公开(公告)日：2023-07-21
申请号：CN202110464526.5
申请日：2021-04-28
Applicant: 南京大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06N3/045
Abstract: 本申请提供了一种基于网络结构搜索的视觉问答方法，包括如下步骤：采用第一人工神经网络模型对原始图片进行特征提取；采用第二人工神经网络模型对文本信息进行特征提取；待搜索的网络结构框架为编码‑解码器框架，定义三种搜索算子供框架网络搜索，所述搜索算子的输入为基于所述原始图片或/和所述文本信息所提取的图像特征或文本特征；使用基于梯度交替优化策略搜索网络结构的架构权重和算子的操作权重；使搜索网络按照多分类的方法输出候选词向量，并选择概率最大的词向量作为答案输出。本申请的有益之处在于提供了一种能在更大的空间搜索出更好的效果的基于网络结构搜索的视觉问答方法。
-
公开(公告)号：CN113282721A
公开(公告)日：2021-08-20
申请号：CN202110464526.5
申请日：2021-04-28
Applicant: 南京大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06N3/04
Abstract: 本申请提供了一种基于网络结构搜索的视觉问答方法，包括如下步骤：采用第一人工神经网络模型对原始图片进行特征提取；采用第二人工神经网络模型对文本信息进行特征提取；待搜索的网络结构框架为编码‑解码器框架，定义三种搜索算子供框架网络搜索，所述搜索算子的输入为基于所述原始图片或/和所述文本信息所提取的图像特征或文本特征；使用基于梯度交替优化策略搜索网络结构的架构权重和算子的操作权重；使搜索网络按照多分类的方法输出候选词向量，并选择概率最大的词向量作为答案输出。本申请的有益之处在于提供了一种能在更大的空间搜索出更好的效果的基于网络结构搜索的视觉问答方法。
-
-
-
-
-
Search Results
6
records
(took 0.013 seconds)
