内容提供者
分类模型训练方法、分类方法、装置、设备以及介质.pdf
2023-07-25
10金币
550KB
16页
高格****gu
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共16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
2023-07-25
10
550KB
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
2023-06-14
10
827KB
分类模型的训练方法、装置、电子设备以及存储介质.pdf
本发明公开了一种分类模型的训练方法、装置、电子设备以及存储介质，属于人工智能技术领域。该方法包括：通过初始模型的目标分类分支，对样本图像进行处理得到分类损失值；所述目标分类分支用于预测样本图像中目标对象的目标分类结果；通过初始模型的样本识别分支，对所述样本图像进行处理得到识别损失值；所述样本识别分支用于预测样本图像中目标对象的样本识别结果；通过初始模型的权重调节分支，对所述样本图像进行处理，得到对所述目标分类分支和所述样本识别分支进行权重调节的损失权重；根据所述分类损失值、所述识别损失值和所述损失权重，对
2023-06-04
10
1KB
分类模型训练方法以及装置.pdf
本说明书实施例提供分类模型训练方法以及装置,其中所述分类模型训练方法包括:获取训练样本数据以及目标样本标签,并根据所述训练样本数据以及所述目标样本标签训练获得中间分类器,其中,所述训练样本数据包括目标项目的历史待审核项目数据,将所述训练样本数据及所述目标样本标签输入所述中间分类器,获得所述训练样本数据对应的样本测试结果,根据所述样本测试结果,确定所述训练样本数据的训练样本标签,根据所述训练样本数据以及所述训练样本标签,训练获得目标分类模型,其中,所述目标分类模型用于对所述目标项目的待审核项目数据进行分类,
2023-06-06
10
944KB
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。
2023-07-21
10
710KB