应用续航时长预测、模型训练方法及装置、设备及介质.pdf
邻家****mk
亲,该文档总共20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
应用续航时长预测、模型训练方法及装置、设备及介质.pdf
本发明提供一种应用续航时长预测、模型训练方法及装置、设备及介质,其中应用续航时长预测方法包括:获取服务器下发的应用续航时长预测模型并安装至目标应用;获取终端在运行目标应用时对应的数据记录,数据记录包括终端消耗N个百分比电量对应的终端状态信息、目标应用状态信息以及N个百分比电量对应的初始百分比电量,N为大于或者等于1的整数,数据记录对应的终止时刻与初始时刻的差值为终端消耗N个百分比电量对应的实际续航时长;根据数据记录和应用续航时长预测模型,预测目标应用对应的目标续航时长。本发明可预测在当前使用状态下目标应用
模型训练方法、模型预测方法、装置、设备及介质.pdf
本公开提供了一种模型训练方法,可以应用于人工智能技术领域。该模型训练方法包括:获取在第一时间区间内产生的第一目标历史数据,其中,第一目标历史数据包括用户的属性数据和与用户关联的多类产品的使用数据;利用预设条件从第一目标历史数据中确定第二目标历史数据;获取在第二时间区间内产生的与用户关联的多类产品的使用标签,其中,第一时间区间在第二时间区间之前;利用分类模型和使用标签从第二目标历史数据中确定训练数据;以及基于训练数据与使用标签,训练用于预测产品对用户的适配性的模型。本公开还提供了一种模型预测方法、装置、设备
流量预测模型、训练方法、预测方法、装置、设备及介质.pdf
本申请提供一种流量预测模型、训练方法、预测方法、装置、设备及介质,方法包括:获取流量数据集,通过滑动窗口操作对流量数据集进行截取,得到滑动窗口大小的流量的样本数据特征,以及流量的样本数据特征对应的样本标签;样本标签流量的样本数据特征后的下一流量值;获取样本标签对应的样本属性特征;使用模型的门控循环神经网络对流量的样本数据特征进行处理,并将输出的记忆状态与样本属性特征一起输入至模型的全连接网络进行回归预测;根据样本标签和预测结果,通过反向传播算法更新参数权重,得到训练好的流量预测模型。这样使得预测结果与不同
目标预测方法、模型训练方法、装置、设备、介质.pdf
本公开公开了一种目标预测方法、模型训练方法、装置、设备、介质和产品,涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域,可应用于图像处理和图像识别等场景。具体实现方案为:通过目标预测模型中的分类分支对图像进行前向预测,以确定被预测目标的类别;找出所述目标预测模型中与所述类别关联的回归分支;以及利用所述目标预测模型中与所述类别关联的回归分支,对所述被预测目标进行后向预测。
模型训练方法、信息预测方法、装置、设备及介质.pdf
本发明公开了一种模型训练方法、信息预测方法、装置、设备及介质。该方法包括:获取第一数据集中每个数据包括的特征的权重,其中,所述第一数据集为车辆历史数据集;根据所述每个数据包括的特征的权重对所述第一数据集中的数据包括的特征进行筛选,得到第二数据集;根据所述第一数据集和所述第二数据集的权重之比确定至少一个组合参数;根据所述至少一个组合参数对应的损失值从所述至少一个组合参数中选取目标组合参数,并基于所述目标组合参数生成目标模型,其中,所述目标模型基于车辆当前数据确定预测信息。通过本发明的技术方案,能够训练更为准