模型训练

摘要： 甘肃西沟矿业有限公司(以下简称“西沟矿”)近几年大力推进“机械化换人、自动化减人、智能化无人”建设项目,已完成3100m电机车无人驾驶、自动放矿和翻车卸矿,胶带沿线无人值守,腰泉远程装矿、自主过磅系统建设,随着西沟矿自动化、无人化、智能化进程的逐步加快,传统的依靠现场督查的安全监管模式向安全智能管控转型是安全管理的发展方向,也是“5G+智慧矿山”建设的基础,视频监控智能分析系统的应用最大程度实现了现场监控设备有效运用,提高了从业人员的安全意识。

摘要： 利用高光谱分析技术,设计一套基于无人机高光谱技术的水质预测反演系统,以快速预测反演水质指标在水体中的动态空间分布情况.其主要功能包括光谱反射率值的提取、预测模型训练、水体区域分割提取、水质指标预测反演及反演结果的可视化显示等.实际应用结果表明,该系统界面简洁、操作方便,可作为高光谱技术在水质预测中的辅助工具,以满足研究人员对水质指标的快速预测反演需求.

摘要： 针对生活垃圾混合收集造成的资源浪费和环境污染问题,以基于PyTorch的智能垃圾分类箱为例,设计一套基于视觉识别的垃圾分类箱系统。采用PyTorch框架对电池、金属、塑料和纸4类常见生活垃圾进行模型训练与识别;通过Arduino控制Jetson Nano开发板、Arduino mega2560开发板、舵机、USB高清摄像头等硬件完成这4类垃圾的分类。

摘要： 基于大量污染源自动监测数据的特征分析与异常原因解析,探索建立针对自动监测异常数据的识别规则与标志处理方法,并通过模型训练实现了异常数据的自动标志。经实例验证,该方法可识别异常偏高、异常偏低、异常为0、迟滞不变、逻辑错误等5种类型的异常数据,按照数据有效性及异常原因进行标志处理,可以为后续数据分析及各类模型训练提供数据基础和保障。

摘要： 业务数据量不足、缺乏AI应用开发专业知识、终端计算能力弱等因素严重制约了我国轨道交通智能化产品的快速工程化落地。为此,文章构建了轨道交通AI应用开放平台,其打通了模型训练、边缘计算、云边协同等关键环节,提供一站式、全流程的AI应用开发解决方案。该平台在云端,从数据标注、算法设计、模型训练及应用生成等多个维度构建AI开发工具链;在边缘端,以模型推断优化为核心,实现高效推理;通过云边协同机制,实现数据回传和模型部署。由于无人驾驶矿用卡车采用与轨道交通机车相似的自动驾驶技术,因此文章以矿用卡车无人驾驶视觉感知应用为例进行验证。结果表明,采用AI应用开放平台进行应用开发,可以解决业务主体缺乏模型设计、集成与部署专业能力的问题和专业人才短缺的不足,开发部署时间可从常规的3~4个月缩短至1个月;针对石头、矿卡等目标的视觉检测模型测试集平均准确率达到0.988,实现了优秀的感知性能。

摘要： 主要研究了卷积神经网络的模型特点,针对人脸识别方法与应用使用AlexNet经典卷积神经网络模型,结合LFW公开人脸数据集对模型进行训练,过程中结合模型评价指标采用微调参数的方式对网络的权值进行调优。通过应用实验分析,基于AlexNet卷积神经网络模型可以有效完成人脸识别,进一步验证了卷积神经网络在人脸识别领域的应用价值,也为AlexNet网络模型在人脸识别中的应用过程提供了一定参考。

摘要： 针对减速带和凹坑等路面正负障碍物目标检测问题,本文基于YOLOv3算法基本原理,在原YOLOv3算法的基础上,采用扩增检测尺度的方法得到改进的YOLOv3算法。利用减速带和凹坑等路面正负障碍物训练集进行模型训练,通过测试集完成对训练模型的测试。测试结果表明,改进后的YOLOv3算法在路面正负障碍物的检测能力上有所提高,R Re值提高了0.8%,R MAP值提高了0.2%,验证了本文对原YOLOv3改进的有效性。该研究可用于智能车辆对减速带和凹坑等路面正负障碍物的检测,具有一定的实际应用价值。

摘要： 针对设备剩余使用寿命预测问题,提出一种基于多源信息融合与隐马尔可夫模型的预测方法。首先,针对发动机结构复杂、监控数据参数多等问题,提出一种基于传感器信噪比和主成分分析(principal component analysis,PCA)降维的多源传感器数据融合方法。在此基础上,利用样本数据训练高斯混合隐马尔可夫模型,同时为降低模型偏差并避免过拟合风险,提出一种“定制”策略训练方法,训练后的模型可用于系统健康状态识别和剩余使用寿命预测。最后,通过美国国家航空航天局公开的航空发动机仿真数据集对所提方法进行了验证,并与几种具有代表性且预测精度较高的文献方法进行了比较分析,验证了方法的有效性。

摘要： 录井是油气勘探的重要一环,通过岩性、油气显示等识别油气层。录井资料解释的传统方法主要依赖于物理模型和解释人员的经验,由于目前录井的复杂度极高、影响因素众多,录井仅靠简单模型和经验的传统方法已经不能满足生产需要了。通过引入大数据分析、模型训练等前沿技术,实现录井的自动化精细解释,在解释工作量和准确性方面给用户更大的支持和帮助,提高复杂地质条件下的录井解释符合率,不漏失油气层,提高油气勘探效益。

摘要： 语音增强的目的是从带噪语音中恢复出干净的语音信号,为了解决现有深度神经网络中语音增强算法不稳定,语音增强效果不理想的问题,提出一种改进的U⁃Net网络与残差神经网络相结合的语音增强算法。首先,该方法构建了一个基于U⁃Net网络的端到端的语音增强模型;然后在该模型的编解码块中引入残差单元,将残差神经网络结构的跨层连接和拟合残差项应用到模型训练中,该方法更有利于恢复目标语音的细节特征信息,增强了模型训练的稳定性,提高了模型的特征提取能力和训练效率,改进后的Residual⁃U⁃Net网络模型能够实现更优的语音增强效果。仿真实验结果表明:与现有的其他几种语音增强方法相比,文中所提出的Residual⁃U⁃Net算法更有效地实现了语音增强,此外,该算法具有良好的去噪效果,进一步提高了语音信号的质量及其可懂度。

摘要： 研究介绍了一种利用移动通信运营商大数据对行为健康进行分析评估的方法.基于位置和标签的移动网络大数据,结合相关医疗卫生机构对健康的定义,建立行为健康指标体系,并获取指标数据.利用真实健康数据进行有监督模型训练,得到健康分类模型,再根据需求将相关权重映射为可读性较好的分值,用于行为健康状况评估.本研究的意义在于:利用行为健康模型对亚健康状态进行评估,发现一些尚未有显性症状的健康问题,从而进行预防治疗,提高人们的健康水平.

摘要： 在建筑学模型训练中建造逻辑的训练往往让位于形式逻辑的训练.本文从分析现状产生的根源入手,在比较模型同实际建造在工具、材料等方面的差别,以及分析两门设计课程中存在的问题的基础上,试图提出通过模型训练建造逻辑的基本方法。

摘要： 本文研究并实现了基于活动形状模型的人脸识别算法.算法分为模型训练和人脸识别两个阶段,在模型训练阶段,通过学习已知人脸样本,得到训练集形状允许空间和灰度模型.在人脸识别阶段,首先采用活动形状对待识别人脸进行姿势确定,并使得模型形状与待识别人脸吻合.进一步,依据所得结果进行人脸识别.

摘要： 随着遥感成像技术的不断发展,对高分辨率遥感影像智能理解的需求已由区域的、局部的转为广域的、全球的.高分辨率遥感影像场景分类是遥感影像智能理解的重要一环,然而当前遥感影像场景分类模型的训练依赖于大量的带标签样本.但在全球尺度下,遥感影像时空特征差异大,而带标签样本的容量有限,难以覆盖丰富多样的遥感时空场景.为此,提出了一种具有三分支结构的自监督学习框架,该框架每个分支对无标签的高分辨率遥感影像数据进行一类影像增强变换,并通过分辨增强后的影像是否来自于同一张原始影像来训练模型.训练完成的模型可用于下游的场景分类任务,从而能够利用丰富的具有不同时空特征的无标签样本来训练遥感场景分类任务的模型.在NWPU45、AID等遥感场景分类数据集上进行了大量实验,实验结果表明该方法在场景分类任务上相较于传统的依赖大量带标签样本的监督学习方法有更好的性能.

摘要： 随着遥感成像技术的不断发展,对高分辨率遥感影像智能理解的需求已由区域的、局部的转为广域的、全球的.高分辨率遥感影像场景分类是遥感影像智能理解的重要一环,然而当前遥感影像场景分类模型的训练依赖于大量的带标签样本.但在全球尺度下,遥感影像时空特征差异大,而带标签样本的容量有限,难以覆盖丰富多样的遥感时空场景.为此,提出了一种具有三分支结构的自监督学习框架,该框架每个分支对无标签的高分辨率遥感影像数据进行一类影像增强变换,并通过分辨增强后的影像是否来自于同一张原始影像来训练模型.训练完成的模型可用于下游的场景分类任务,从而能够利用丰富的具有不同时空特征的无标签样本来训练遥感场景分类任务的模型.在NWPU45、AID等遥感场景分类数据集上进行了大量实验,实验结果表明该方法在场景分类任务上相较于传统的依赖大量带标签样本的监督学习方法有更好的性能.

摘要： 随着遥感成像技术的不断发展,对高分辨率遥感影像智能理解的需求已由区域的、局部的转为广域的、全球的.高分辨率遥感影像场景分类是遥感影像智能理解的重要一环,然而当前遥感影像场景分类模型的训练依赖于大量的带标签样本.但在全球尺度下,遥感影像时空特征差异大,而带标签样本的容量有限,难以覆盖丰富多样的遥感时空场景.为此,提出了一种具有三分支结构的自监督学习框架,该框架每个分支对无标签的高分辨率遥感影像数据进行一类影像增强变换,并通过分辨增强后的影像是否来自于同一张原始影像来训练模型.训练完成的模型可用于下游的场景分类任务,从而能够利用丰富的具有不同时空特征的无标签样本来训练遥感场景分类任务的模型.在NWPU45、AID等遥感场景分类数据集上进行了大量实验,实验结果表明该方法在场景分类任务上相较于传统的依赖大量带标签样本的监督学习方法有更好的性能.

摘要： 随着遥感成像技术的不断发展,对高分辨率遥感影像智能理解的需求已由区域的、局部的转为广域的、全球的.高分辨率遥感影像场景分类是遥感影像智能理解的重要一环,然而当前遥感影像场景分类模型的训练依赖于大量的带标签样本.但在全球尺度下,遥感影像时空特征差异大,而带标签样本的容量有限,难以覆盖丰富多样的遥感时空场景.为此,提出了一种具有三分支结构的自监督学习框架,该框架每个分支对无标签的高分辨率遥感影像数据进行一类影像增强变换,并通过分辨增强后的影像是否来自于同一张原始影像来训练模型.训练完成的模型可用于下游的场景分类任务,从而能够利用丰富的具有不同时空特征的无标签样本来训练遥感场景分类任务的模型.在NWPU45、AID等遥感场景分类数据集上进行了大量实验,实验结果表明该方法在场景分类任务上相较于传统的依赖大量带标签样本的监督学习方法有更好的性能.

摘要： 数据准备工作的特点以(准)结构化数据为主，大量涉及多样性的外部数据源，具有随意性，需求不可预测，常常涉及多步骤的过程计算，只做一次，缺乏直接可复用性，必要时可能转变成日常计算。

摘要： 数据准备工作的特点以(准)结构化数据为主，大量涉及多样性的外部数据源，具有随意性，需求不可预测，常常涉及多步骤的过程计算，只做一次，缺乏直接可复用性，必要时可能转变成日常计算。

摘要： 数据准备工作的特点以(准)结构化数据为主，大量涉及多样性的外部数据源，具有随意性，需求不可预测，常常涉及多步骤的过程计算，只做一次，缺乏直接可复用性，必要时可能转变成日常计算。

摘要： 本发明涉及外科手术技术领域，公开了一种手术训练模型、减重代谢手术模型及训练方法，包括用于模拟人体器官的模型本体，模型本体处设有用于标记手术位置的隐形标记；该隐形标记肉眼不可见，且能够通过相应的辅助手段进行识别。通过本发明中隐形标记对切割位置进行标记，使得在模拟手术过程中，受训者在模型本体上的切割位置能够与显现的隐形标记进行对比，从而使受训者在手术过程中能够对切割位置进行准确定位。

摘要： 本发明提供了一种预训练模型、无线感知模型的训练方法及电子设备，该方法包括：获取N个第一无线信号样本，每个第一无线信号样本对应维度不同的M个无线信号表征信息；将M个无线信号表征信息分别输入特征提取模块，得到维度不同的M个特征表征信息；将M个特征表征信息分别输入转换器模块，得到维度相同的M个目标特征表征信息；将第m1个第一目标特征表征信息输入第m1个预测器模块，得到与M‑1个第二目标特征表征信息相对应的M‑1个预测特征表征信息；根据N×M个目标特征表征信息以及N×M×（M‑1）个预测特征表征信息，对特征提取模块、转换器模块和预测器模块进行训练，得到无线信号表征预训练模型。

摘要： 一种训练完毕模型生成程序，其使计算机实现如下功能：训练执行功能，其通过将第一输入图像数据以及第二输入图像数据输入至机器训练装置以执行机器训练，并使所述机器训练装置生成训练完毕模型，其中，所述第一输入图像数据示出通过第一重构方法生成的第一输入图像，所述第二输入图像数据示出通过第二重构方法生成的第二输入图像，所述第一重构方法使用压缩感知，所述第二重构方法为与所述第一重构方法不同的重构方法，为解析型重构方法；训练完毕模型获取功能，其获取示出所述训练完毕模型的训练完毕模型数据。并且，通过将示出输入图像的输入图像数据输入至所述训练完毕模型以生成改善了画质的重构图像。

摘要： 本发明的一个方面涉及的通过计算机实现的训练好的模型的建立方法具有如下处理：取得由演奏者进行的第1演奏的第1演奏数据、与第1演奏一起进行的第2演奏的第2演奏数据、及表示演奏者的满足度的满足度标签的组合分别构成的多个数据集，使用多个数据集，实施满足度推定模型的机器学习。在机器学习中，满足度推定模型针对各数据集，以使得根据第1演奏数据及第2演奏数据推定出演奏者的满足度的结果适合于满足度标签的方式进行训练。

摘要： 本公开提供一种预训练语言模型的训练方法、语言模型的训练方法及装置，包括：获取样本文本，根据样本文本执行预训练任务中的至少两种，得到预训练语言模型，其中，预训练任务包括：前向因果语言建模任务、反向因果语言建模任务以及掩码语言建模任务，前向因果语言建模任务为由样本文本中在前的词预测样本文本中在后的词的建模任务，反向因果语言建模任务为由样本文本中在后的词预测样本文本中在前的词的建模任务，掩码语言建模任务为由样本文本中非掩码位置的词预测样本文本中掩码位置的词的建模任务，可以实现从多个维度进行预训练，从而实现训练的多样性和灵活性，且可以使得从多个维度训练得到的预训练语言模型具有较高的准确性和可靠性。

摘要： 本发明涉及外科手术技术领域，公开了一种手术训练模型、减重代谢手术模型及训练方法，包括用于模拟人体器官的模型本体，模型本体处设有用于标记手术位置的隐形标记；该隐形标记肉眼不可见，且能够通过相应的辅助手段进行识别。通过本发明中隐形标记对切割位置进行标记，使得在模拟手术过程中，受训者在模型本体上的切割位置能够与显现的隐形标记进行对比，从而使受训者在手术过程中能够对切割位置进行准确定位。

摘要： 本发明提供一种与以往的人工组织相比，能够更良好地适用于手术操作训练的人工组织模型以及其制造方法。手术操作训练用的人工器官模型具有通过手术操作训练实施者的手术操作而可剥离地层叠并相互粘合的2层以上的纤维材料层2、3，以导电性的液体或凝胶将上述层叠并相互粘合的2层以上的纤维材料层2、3整体地浸润，上述2层以上的纤维材料层中相邻的2个纤维材料层形成为具有彼此不同的材料、材质或不同的颜色，以使得上述手术操作训练实施者可识别出上述2个纤维材料层为不同的膜。

摘要： 本发明提供了一种子宫模型、子宫切除术训练模型和子宫肌瘤剔除术训练模型及其制作方法，涉及医疗技术领域。本发明提供的子宫模型的制作方法，以带筋膜肌肉为原料制作得到，该制作方法简单快捷，取材方便，成本低，充分模拟子宫的质感。本发明提供的子宫切除术训练模型和子宫肌瘤剔除术训练模型，该训练模型充分模拟真实操作的触感和力度反馈，使医护人员得到真实的技能训练触感，提升手术技能，实现手术训练日常化。本发明提供的子宫切除术训练模型和子宫肌瘤剔除术训练模型的制作方法，简单快捷，取材方便，成本低。

摘要： 本申请涉及一种图文预训练模型训练、图文预测模型训练方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：将训练图像原始特征和训练文本原始特征进行特征掩盖，得到训练图像目标特征和训练文本目标特征，并将训练图像目标特征和训练文本目标特征输入到初始图文预训练模型中进行图文匹配程度评估，得到初始图文匹配程度，并使用初始图文匹配程度、训练目标图像特征和训练目标文本特征进行跨模态信息交互，得到初始图像交互特征和初始文本交互特征，并进行迭代训练得到目标图文预训练模型。采用本方法能够提高训练的准确性。本发明实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。

摘要： 本发明提供一种自动化模型训练方法，用于训练用于不同的光谱仪的管线，包括：取得第一光谱资料和第二光谱资料，其中第一光谱资料对应于第一光谱仪，并且第二光谱资料对应于第二光谱仪；以及根据第一光谱资料和第二光谱资料训练出用于第一光谱仪以及第二光谱仪的管线，其中管线对应于至少一个候选识别模型。本发明也提供一种自动化模型训练装置。本发明提供自动化模型训练方法和自动化模型训练方法以快速地建立最佳的识别模型，并且使识别模型用于不同的光谱仪。