-
公开(公告)号:CN109359239A
公开(公告)日:2019-02-19
申请号:CN201811038833.1
申请日:2018-09-06
Applicant: 安徽华米信息科技有限公司
IPC: G06F16/9535 , G06N3/08
CPC classification number: G06N3/08
Abstract: 本申请提供一种图片推荐方法及装置,方法包括:接收来自客户端的页面请求,该页面请求包含用户所进入的主题社区对应的主题社区标识;根据接收到页面请求中的主题社区标识,匹配与主题社区标识对应的推荐列表;将与页面请求中的主题社区标识对应的推荐列表中的图片标签对应的图片发送至客户端。当用户刷新页面时,服务器可以优先向用户推送推荐列表中的图片,由于推荐列表包含有值得推荐的图片,从而所有用户在刷新页面时,都能够优先看到比较受欢迎的图片,尤其是对于新注册的用户,可以实现有效的图片推荐。
-
公开(公告)号:CN109359120A
公开(公告)日:2019-02-19
申请号:CN201811331869.9
申请日:2018-11-09
Applicant: 阿里巴巴集团控股有限公司
Inventor: 宋孟楠
CPC classification number: G06N3/08
Abstract: 本说明书实施例公开了一种模型训练中的数据更新方法、装置及设备,所述方法包括:获取进行模型训练的目标深度网络模型;将预定的输入数据输入到所述目标深度网络模型中得到相应的输出结果,并确定所述输出结果对应的误差;如果所述误差大于预定的误差阈值,则根据所述目标深度网络模型的模型参数和模型训练信息,确定所述目标深度网络模型中待更新权值的目标网络层;停止更新所述目标深度网络模型中除所述目标网络层外的其它网络层的权值,并更新所述目标网络层的权值。
-
公开(公告)号:CN109345302A
公开(公告)日:2019-02-15
申请号:CN201811133216.X
申请日:2018-09-27
Applicant: 腾讯科技(深圳)有限公司
CPC classification number: G06Q30/0255 , G06K9/627 , G06N3/0454 , G06N3/08 , G06Q30/0271
Abstract: 本申请涉及一种机器学习模型训练方法、装置、存储介质和计算机设备,所述方法包括:获取模型训练数据和相对应的标签;所述模型训练数据包括用户样本的特征数据和推荐对象样本的特征数据;根据所述模型训练数据的产生时间确定所述模型训练数据的权重;将所述模型训练数据输入机器学习模型,得到与所述用户样本及所述推荐对象样本对应的用户行为预测结果;根据所述用户行为预测结果和所述标签的差异及所述权重确定训练目标;按照优化所述训练目标的方向,调整所述机器学习模型的模型参数并继续训练,直至满足训练停止条件时结束训练。本申请提供的方案训练出的机器学习模型预测效果好。
-
公开(公告)号:CN109287021A
公开(公告)日:2019-01-29
申请号:CN201811197619.0
申请日:2018-10-15
Applicant: 南京航空航天大学
Abstract: 一种基于在线学习的微波加热温度场智能监控方法,采用神经网络模型实时学习零件微波加热过程中加热模式与控制策略间的动态关联关系,并基于上述模型根据加热模式互补的思想实时预测补偿当前温度分布的控制策略,对不均匀的温度分布进行精确、智能补偿,实现对加热过程中零件温度均匀性的精确控制。
-
公开(公告)号:CN109255440A
公开(公告)日:2019-01-22
申请号:CN201710567980.7
申请日:2017-07-11
Applicant: 上海有孚网络股份有限公司 , 赵继胜
Inventor: 赵继胜
Abstract: 本发明提供了一种基于递归神经网络(RNN)的对电力生产设备进行预测性维护的方法,包括:建立基于Spark的数据建模平台,支持并行化的数据预处理和RNN建模;预定义的RNN结构;支持多种数据输入接口(HDFS,NFS,S3);数据预处理可以根据用户定义的数据清洗逻辑,将电力生产的燃煤机,泵系统,风机等几个主要功能模块的历史数据进行标准化;迭代式行建模和模型调优,建模过程通过以RNN方式进行数据特征提取并结合用户标记的故障状态进行诊断模型建模,调优过程通过验证数据集检测预判成功率并以用户定义的神经网络修正策略进行RNN重构。上述的技术方案提供一种基于递归神经网络(RNN)电力生产设备的时序数据进行迭代式建模,通过对故障发生模式的识别,为电力生产的运管人员提供故障预判以进行预测性维护。
-
公开(公告)号:CN109246048A
公开(公告)日:2019-01-18
申请号:CN201811277852.X
申请日:2018-10-30
Applicant: 广州海格通信集团股份有限公司
CPC classification number: H04L27/3483 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的物理层安全通信方法,包括:选择静态星座图;选择跟所述静态星座图相对应的训练序列,发送端的多层神经网络根据训练序列进行训练,得到比特信息到星座点的映射关系;发送端的多层神经网络接收待传输的原始信息;发送端的多层神经网络根据比特信息到星座点的映射关系将待传输的原始信息映射成星座点,完成物理层的调制,得到调制信息;接收端的多层神经网络根据比特信息到星座点的映射关系将畸变信息还原成恢复信息。这样使得信号在调制解调时,无需再按照固定的星座图样进行,星座点分布更加离散、随机,从而掩盖通信信号特征,使得第三方无法获取通信信息,保证物理层通信的安全性,彻底避免通信信息的泄露。
-
公开(公告)号:CN109214193A
公开(公告)日:2019-01-15
申请号:CN201710542807.1
申请日:2017-07-05
Applicant: 阿里巴巴集团控股有限公司
CPC classification number: G06F21/602 , G06N3/08
Abstract: 本说明书实施例公开了数据加密、机器学习模型训练方法、装置以及电子设备。所述数据加密方法包括:将待加密数据输入自编码器进行处理,提取自编码器对应生成的隐层数据,作为该待加密数据对应的加密数据。
-
公开(公告)号:CN109213831A
公开(公告)日:2019-01-15
申请号:CN201810924270.X
申请日:2018-08-14
Applicant: 阿里巴巴集团控股有限公司
Inventor: 王经宇
IPC: G06F16/28 , G06F16/2458 , G06K9/62 , G06N3/08 , G06Q10/06
CPC classification number: G06K9/6256 , G06N3/08 , G06Q10/0635
Abstract: 本说明书提供一种事件检测方法和装置、计算设备及存储介质,其中所述事件检测方法包括:获取事件文本,从所述事件文本中提取至少两个类别字段;构建所述事件文本的类别字段关系图,所述类别字段关系图的每个节点表征所述事件文本的一个类别字段;基于预设的嵌入学习模型对所述类别字段关系图的节点进行嵌入得到每个节点对应的特征向量;对所述每个节点对应的特征向量进行两两交叉得到所述至少两个类别字段的距离关系特征;根据预先训练的事件检测模型确定所述至少两个类别字段的距离关系特征对应的事件类别标签。
-
公开(公告)号:CN109147927A
公开(公告)日:2019-01-04
申请号:CN201811022591.7
申请日:2018-09-03
Applicant: 上海联影医疗科技有限公司
IPC: G16H40/67 , G16H50/20 , G06N3/08 , G06F16/432
Abstract: 本发明实施例公开了一种人机交互方法、装置、设备及介质。所述方法包括:根据检测到的交互指令,基于预先建立的知识点库中的知识点信息获取与所述交互指令对应的交互内容,将所述交互内容输出,以完成与交互对象的交互。其中,所述知识点库中的知识点信息是通过预先训练好的解析模型对疾病诊断模型进行解析得到的。本发明实施例所提供的人机交互方法在使用疾病诊断模型进行疾病诊断的基础上,使用对其解析出的知识点信息进行人机交互,使交互对象能够在不参与简单疾病诊断的情况下,通过学习从疾病诊断模型中解析获得的知识点将人工智能积累的知识转化为自身的知识和经验,完成从初级到高级的知识经验积累。
-
公开(公告)号:CN109146073A
公开(公告)日:2019-01-04
申请号:CN201710459806.0
申请日:2017-06-16
CPC classification number: G06N3/063 , G06N3/08 , G06N3/084 , G06N3/0635
Abstract: 本申请提供了一种神经网络训练方法,应用于阻变存储器RRAM上,该方法包括:将神经网络中第r层的神经元输入值输入到RRAM中,根据RRAM中的过滤器对神经元输入值进行计算,得到神经网络中第r层的神经元输出值,根据RRAM的核值、神经网络中第r层的神经元输入值、神经网络中第r层的神经元输出值以及神经网络中第r层的反向传播误差值进行计算,得到神经网络中第r层的反向传播更新值,将神经网络中第r层的反向传播更新值与预设阈值进行比较,当神经网络中第r层的反向传播更新值大于预设阈值,则根据神经网络中第r层的反向传播更新值对RRAM中的过滤器进行更新。本申请旨在通过设置预设阈值减少神经网络训练中的更新操作,从而延长RRAM的使用寿命。
-
-
-
-
-
-
-
-
-