一种模型训练方法、设备及介质
    1.
    发明公开

    公开(公告)号:CN118797464A

    公开(公告)日:2024-10-18

    申请号:CN202310994307.7

    申请日:2023-08-08

    摘要: 本发明提供一种模型训练方法、设备以及介质,涉及人工智能领域,其中,所述模型训练方法包括:利用第一训练数据集,对初始模型进行训练,得到第一模型;在需要利用第二数据集对所述第一模型进行更新的情况下,利用所述第一模型对所述第二数据集进行筛选,得到目标数据集,所述目标数据集包括所述第二数据集中的部分第二数据;获取所述目标数据集中每个目标数据的数据标签,得到所述目标数据集对应的目标训练数据集;利用所述目标训练数据集,对所述第一模型进行训练,得到第二模型。本发明实施例,利用机器模型实现数据筛选,基于机器模型的筛选结果进行数据标记,能够减少监督学习过程中的数据标记需求,提高模型训练效率。

    小区分类方法、装置、设备及可读存储介质

    公开(公告)号:CN116916368A

    公开(公告)日:2023-10-20

    申请号:CN202310562622.2

    申请日:2023-05-18

    IPC分类号: H04W24/08 H04W56/00

    摘要: 本申请公开一种小区分类方法、装置、设备及可读存储介质,涉及无线网技术领域,该方法包括:根据动态蜂窝网络的与不同时间步相关的数据集、动态蜂窝网络针对不同时间步的拓扑图,自适应获取动态蜂窝网络的各小区在相应时间步的空间特征;其中,不同时间步包括相邻的第一时间步和第二时间步,且第一时间步位于第二时间步之前;根据各小区在第一时间步的空间特征、各小区在第二时间步的空间特征和第一小区的原始标签,进行相似特征迁移,获得第二小区的类别;其中,第一小区为动态蜂窝网络在第一时间步已存在的小区,第二小区为动态蜂窝网络在第二时间步增加的小区。本申请的方案提升了小区分类的准确性。

    一种数据处理方法及装置、存储介质

    公开(公告)号:CN116361730A

    公开(公告)日:2023-06-30

    申请号:CN202111593190.9

    申请日:2021-12-23

    IPC分类号: G06F18/2433

    摘要: 本申请实施例提供了一种数据处理方法及装置、存储介质,该方法包括:获取多个数据类型在预设时间段内产生的多个待检测数据组;多个数据类型之间的类型相关性大于预设相关性阈值;通过预设数据预测模型,对多个待检测数据组中的第一待检测数据组进行处理,得到多个待检测数据组中的第二待检测数据组对应的预测数据组;第一待检测数据组和第二待检测数据组为多个待检测数据组中不同数据类型对应的待检测数据组;依次对多个待检测数据组中的每个待检测数据组和对应的一个预测数据组进行比较,得到比较结果,并根据比较结果从多个待检测数据组中确定出异常数据。通过上述技术方案,达到提高检测异常数据时准确度的目的。

    模型训练方法、任务处理方法、装置、电子设备、存储介质及计算机程序产品

    公开(公告)号:CN118820414A

    公开(公告)日:2024-10-22

    申请号:CN202410251055.3

    申请日:2024-03-05

    摘要: 本申请公开了一种模型训练方法、任务处理方法、装置、电子设备、存储介质及计算机程序产品。其中,方法包括:针对视觉问答样本数据,生成负样本数据,并确定第一损失函数,负样本数据包含负例图像及对应的问答数据;利用视觉问答样本数据和对应的负样本数据、第一损失函数,对第一模型进行训练,第一模型用于执行待处理的视觉问答任务;其中,在对第一模型进行训练的过程中,通过第一损失函数至少使得视觉问答样本数据包含的第一类样本数据的训练贡献度增大,视觉问答样本数据包含的第二类样本数据的训练贡献度减小,且问答数据与视觉问答样本数据包含的正例图像的依赖关系增大,与负例图像的依赖关系减小。