-
公开(公告)号：CN116975690A
公开(公告)日：2023-10-31
申请号：CN202310957777.6
申请日：2023-07-31
申请人： 江南大学
IPC分类号： G06F18/24 , G06F18/214 , G06F18/10
摘要： 本发明涉及一种分类模型的输出校准方法、装置及可读存储介质，属于计算机技术领域。包括：基于输出到概率映射后分类决策不变性原则构建校准模型；获取训练集并将训练集划分为多个训练子集，将训练子集输入至分类模型，基于分类结果计算分类模型的平均准确度；将分类结果输入至校准模型，计算分类模型的平均置信度；以分类模型的平均准确度和平均置信度的均方期望误差最小为目标构建优化函数，使用随机梯度下降法调整校准模型的参数，利用训练集中的训练子集不断进行迭代直到优化函数最小，得到训练好的校准模型。本发明提供的方法能够有效调整分类模型的输出概率，提高分类模型的置信度，使校准后的分类模型能够更好地应用于高风险决策领域。
-
公开(公告)号：CN111881990B
公开(公告)日：2024-03-08
申请号：CN202010766549.7
申请日：2020-08-03
申请人： 江南大学
IPC分类号： G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06F17/16
-
公开(公告)号：CN116975690B
公开(公告)日：2024-06-07
申请号：CN202310957777.6
申请日：2023-07-31
申请人： 江南大学
IPC分类号： G06F18/24 , G06F18/214 , G06F18/10
摘要： 本发明涉及一种分类模型的输出校准方法、装置及可读存储介质，属于计算机技术领域。包括：基于输出到概率映射后分类决策不变性原则构建校准模型；获取训练集并将训练集划分为多个训练子集，将训练子集输入至分类模型，基于分类结果计算分类模型的平均准确度；将分类结果输入至校准模型，计算分类模型的平均置信度；以分类模型的平均准确度和平均置信度的均方期望误差最小为目标构建优化函数，使用随机梯度下降法调整校准模型的参数，利用训练集中的训练子集不断进行迭代直到优化函数最小，得到训练好的校准模型。本发明提供的方法能够有效调整分类模型的输出概率，提高分类模型的置信度，使校准后的分类模型能够更好地应用于高风险决策领域。
-
公开(公告)号：CN111881990A
公开(公告)日：2020-11-03
申请号：CN202010766549.7
申请日：2020-08-03
申请人： 江南大学
摘要： 一种用于数字图像识别的构建型神经网络参数融合优化方法，属于人工智能数字图像识别领域。本方法包括：构建融合优化性能指标；融合优化算法；利用构建的神经网络进行数字图像识别。本发明还通过收敛性分析验证了本发明的有效性，其中第一部分为准备环节，第二部分的IOM算法为本发明的关键技术和实现步骤，第三个部分为理论保证。本发明提供一种隐含层节点参数和输出层参数的同步联合优化方法，在理论上相比于现有方法具有更小的保守性。本方法生成的构建型神经网络模型比现有方法产生的模型结构更紧凑，冗余节点更少，计算速度更快。相比于现有方法产生的模型在学习阶段的后期，误差收敛的速度更快，收敛精度更高，泛化性能更好。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
