对象预测模型的训练方法、装置、电子设备及存储介质.pdf
星菱****23
亲,该文档总共23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
对象预测模型的训练方法、装置、电子设备及存储介质.pdf
本申请提出了一种对象预测模型的训练方法、装置、电子设备及存储介质,其中,方法包括:获取样本对象的描述信息和历史目标数量,其中,目标数量用于表征样本对象的热度;从描述信息中获取样本对象的图像的分类特征表示和文本信息的文本特征表示,以及历史目标数量的第一编码表示;根据分类特征表示、文本特征表示和第一编码表示,对待训练的对象预测模型进行训练,以生成目标对象预测模型。本申请中,通过融合图像信息和文本信息实现对象预测模型的训练,使得训练后的目标对象预测模型可以结合对象的图像和文本中的信息,实现对象的目标数量进行预测
对象识别模型训练方法、装置、电子设备及存储介质.pdf
本公开关于一种对象识别模型训练方法、装置、电子设备及存储介质,该方法包括:基于待训练的对象识别模型提取样本图像在目标语义深度的语义特征得到目标语义深度的初始语义特征图;对初始语义特征图进行尺度压缩处理得到第一语义特征图;基于教师识别模型提取样本图像在目标语义深度的语义特征得到第二语义特征图;基于第一语义特征图对应的频域特征进行频域增强处理得到第一频域增强特征图,基于第二语义特征图对应的频域特征进行频域增强处理得到第二频域增强特征图;基于第一频域增强特征图和第二频域增强特征图之间的差异训练对象识别模型直至达
流量预测、模型训练方法及装置、电子设备、存储介质.pdf
本申请的实施例揭示了一种流量预测、模型训练方法及装置、电子设备、存储介质,该方法包括:获取测试流量数据集,其中测试流量数据集包括目标对象在第一预设历史时间段内的流量数据,将测试流量数据集输入至预先训练好的流量预测模型中,输出得到目标对象在指定时间段内的目标流量预测结果,其中流量预测模型是基于训练流量数据集对预测网络进行训练得到,预测网络是将卷积神经网络的全连接层与卷积循环神经网络的全连接层进行整合并构建得到。本申请实施例的技术方案极大地优化了流量预测方案,提升了流量预测的准确性。
数据预测模型的训练方法及装置、电子设备、存储介质.pdf
本申请提供了一种数据预测模型的训练方法及电子设备、存储介质,该方法包括:获取第一时间序列,第一时间序列中包括多个时间段和时间段对应的历史数据。获取指定的时间间隔和训练变量数N,N为正整数且N≥2。从第一时间序列中获取参考时间段,并根据时间间隔确定排列在参考时间段之后的N?1个第一时间段。从第一时间序列中取参考时间段对应的历史数据以及所有第一时间段对应的历史数据作为训练数据。利用训练数据对预构建的数据预测模型进行训练,得到训练好的数据预测模型,从而在训练数据量有限的情况下,改善了数据预测模型的准确性。
模型训练方法、装置、电子设备及存储介质.pdf
本申请提供一种模型训练方法、装置、电子设备及存储介质,涉及信息处理技术领域,用于提高神经网络模型预测多个出行指标的预测准确度。该方法包括:获取目标用户的样本数据;将样本数据输入预设神经网络模型中,预测目标用户在第二时间段的多个出行指标中每个出行指标的预测准确度;第二时间段为第一时间段后的时间段;根据每个出行指标的预测准确度,以及每个出行指标的预测准确度对应的第一权重值,确定预设神经网络模型的预测准确度;根据预设神经网络模型的预测准确度,确定用户出行预测模型。这样,依据每个出行指标的预测准确度和权重值调整神