分类模型及其训练方法、分类方法、设备及介质.pdf
含平****ng
亲,该文档总共15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
分类模型及其训练方法、分类方法、设备及介质.pdf
本发明提供了一种分类模型及其训练方法、分类方法、设备及介质,所述分类模型的训练方法,包括:获取新空口校准参数,对所述校准参数进行特征提取;构建关于所述校准参数的故障特征向量,将所述故障特征向量随机分为训练样本集和测试样本集;对所述训练样本集进行处理,并以所述训练样本集所对应的故障状态为目标生成对象,以得到训练好的分类模型。本发明通过对NR故障类型进行分类,便于快速定位不同频段的故障位置。
分类模型的训练方法、分类方法、装置、介质及设备.pdf
本发明公开了分类模型的训练方法、分类方法、装置、介质及设备。其中分类模型的训练方法包括:获取未设置分类标签的第一样本数据,将所述第一样本数据输入至预先训练的基础分类模型中,确定所述第一样本数据设置预设分类标签的概率,其中,所述基础分类模型基于设置预设分类标签的第二样本数据训练得到;基于所述第一样本数据设置分类标签的概率确定所述第一样本数据的权重;基于第二样本数据、所述第一样本数据以及所述第一样本数据的权重对待训练的分类模型进行训练,得到目标分类模型。实现对未设置标签的样本数据的标签处理,替代了人工对样本设
分类模型训练方法、分类方法、装置、设备以及介质.pdf
本发明实施例公开了一种分类模型训练方法、分类方法、装置、设备以及介质。该方法包括:在初始样本数据中确定当前次迭代的第一抽样样本数据和第二抽样样本数据,其中,所述第一抽样样本数据为首次迭代中预设数量的随机抽样数据或上一次迭代中第一抽样样本数据和第二抽样样本数据的合集,各次迭代中的第二抽样样本数据的分类结果基于对应的第一抽样样本数据的分类结果确定;基于所述第一抽样样本数据和第二抽样样本数据,以及各样本数据的分类结果对当前分类模型进行训练,并得到当前次迭代更新后的分类模型,得到训练后的目标分类模型。通过本发明实
分类预测模型训练方法、分类预测方法、设备及存储介质.pdf
本发明公开了一种分类预测模型训练方法、分类预测方法、设备及存储介质,该训练方法包括每个客户端利用本地训练数据集对本地分类预测模型进行训练,计算出本地训练数据集中各类数据的原型,计算出公共数据集的软决策;中央服务器端将所有原型和所有软决策进行聚合,利用聚合后的原型和聚合后的软决策构建优化目标函数,并对全局分类预测模型进行训练,计算出公共数据集的软决策;每个客户端利用接收到的软决策和公共数据集对本地分类预测模型进行训练;当循环轮次等于设定轮次时,得到训练好的各本地分类预测模型和全局分类预测模型。本发明可以减少
语义分类模型的训练方法、装置、设备及存储介质.pdf
本申请涉及数据处理技术领域,揭示了一种语义分类模型的训练方法、装置、设备及存储介质,其中方法包括:将训练样本输入第一分类训练模型中,得到第一语义分类结果,并通过损失函数计算第一语义分类结果的第一损失值;将扰动元素项与稀疏矩阵进行叠加,得到扰动矩阵;将不同的扰动矩阵添加至第一分类训练模型的词嵌入向量中,得到若干个第二分类训练模型;采用每一个第二分类训练模型分别对训练样本进行语义分类,得到若干组不同的第二语义分类结果,通过损失函数计算每一组第二语义分类结果的第二损失值,并根据第二损失值在第二分类训练模型中选取