基于特征编码器的训练方法及装置、分类方法及装置.pdf
睿德****找我
亲,该文档总共21页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于特征编码器的训练方法及装置、分类方法及装置.pdf
本说明书实施例提供了一种基于特征编码器的训练方法及装置、分类方法及装置。在该方法中,获取当前训练样本,将当前训练样本以及用于分类的多个文本类别分别输入特征编码器,输出各个当前训练样本对应的样本特征向量以及多个文本类别对应的分类矩阵;基于输出的样本特征向量以及分类矩阵得到当前训练样本针对各个文本类别的预测值;以及在不满足循环结束条件时,根据所得到的预测值和当前训练样本的真实分类类别对特征编码器的编码器参数进行调整,调整后的特征编码器作为下一次循环的特征编码器。
基于特征融合的分类模型训练方法、装置、设备及介质.pdf
本发明涉及人工智能技术领域,尤其涉及一种基于特征融合的分类模型训练方法、装置、设备及介质。该基于特征融合的分类模型训练方法包括获取目标客户的静态特征以及根据全量历史行为数据提取的动态特征;基于当前时间与每一目标触发行为的触发时间,获取目标触发行为的间隔时间特征;对间隔时间特征以及动态特征进行特征融合,得到目标触发行为的融合特征;基于静态特征以及目标触发行为的融合特征,构建目标客户的客户画像特征;将多个客户画像特征作为目标样本集,以基于目标样本集训练原始客群分类模型,得到目标客群分类模型。该方法可在保证采用
分类模型训练方法、装置及分类方法及装置.pdf
本发明提供了一种分类模型训练方法、装置以及分类方法及装置,其中,该分类模型训练方法包括:使用第一神经网络对源域数据和目标域数据进行共有特征捕捉,使第一目标域特征向量学习源域数据和目标域数据的共有特征;使用第二神经网络对源域数据和目标域数据进行差异性特征捕捉,使第二目标域特征向量学习源域数据和目标域数据的差异特征;分别对第一目标域特征向量以及第二目标域特征向量进行聚类;根据聚类的结果及第一分类结果,对第一神经网络以及第一分类器进行本轮训练。该方法既能够将源域和目标域之间的相同特征利用起来,也能够将源域和目标
图像分类方法及装置、分类网络训练方法及装置.pdf
本公开涉及一种图像分类方法及装置、分类网络训练方法及装置,所述图像分类方法,包括:提取待处理图像的第一特征图;根据分割系数对第一特征图进行分割,获取分割后的第二特征图组;对第二特征图进行融合处理,获得第一特征向量;将第一特征向量输入至分类网络,得到分类结果,根据分类结果对待处理图像进行分类。根据本公开的实施例的图像分类方法,可通过分割系数和待处理图像的第一特征图,获得第二特征图,并对第二特征图进行融合,获得第一特征向量,可获取到更多特征信息,从而根据特征分类时能够提高分类准确度,且经过融合处理,既可保留各
基于特征对比的多模块动态模型训练方法、装置.pdf
本发明提供基于特征对比的多模块动态模型训练方法、装置,包括第一步,输入图像至一基于CNN的编码器网络,以生成高级隐藏向量;第二步,使用高级隐藏向量作为查询依据对内存表执行查找,得到输出查找结果;第三步,结合内存表的输出查找结果和编码器网络的多级跳过特征,生成对未来框架的预测。本发明提出采用集成神经网络方法,建立具备长期记忆的模型框架,从而构建出一个由众多子模型组成的世界模型,从而解决各种世界模型的兼容性问题,具备在丰富子模型的同时,解决大量不同类型问题的优点。