训练时间

摘要： 提出基于主成分分析(PCA)和随机森林(Random Forest)的分布式拒绝服务(DDoS)攻击检测模型PCA-RF。对数据进行预处理操作后进行PCA降维,以保留数据的最大特征分量,然后将降维处理的数据放入随机森林模型进行训练得到分类结果。与其他5类机器学习算法对比的结果显示,所提出的PCA-RF算法的识别准确率达到了99.92%,训练时间在对比实验中也是最短的。

摘要： (1)目的:探讨不同训练时间与间歇时间对比负荷特征的研究,对训练效果的影响,旨在为今后训练提供指导;(2)方法:通过文献资料法、对比分析法、实验法和数理统计法,对不同训练时间与间歇时间比对负荷特征的研究,评定其不同训练时间与间歇时间对比对训练的血乳酸、心率、主观疲劳量表,并进行数据对比;(3)结果:通过不同训练时间与间歇比较心率、血乳酸和主观疲劳量表指标可知间歇时间与训练时间为2:1对运动的血乳酸、心率、主观疲劳量表要优于训练时间与间歇时间为1:1的训练结果;(4)结论:间歇时间与训练时间为2:1对运动员的影响效果为佳.建议教练员合理安排训练,调整教学训练的训练方案,可结合比赛时间结构以及专项训练的时间安排.

摘要： 卷积神经网络的全连接层作为一个经典的分类器,是根据传统的梯度下降法来实现训练的,泛化能力有限.针对这一问题,提出了一种将卷积神经网络和极限学习机相结合的混合模型应用于图像分类领域.卷积神经网络用于从输入图像中提取特征,特征映射最终会被编码成一维向量送入极限学习机中进行分类.给出了混合模型的详细设计,包括参数设计、结构分析以及迭代过程中反向传播算法的推导.实验结果表明,混合模型分类精度和快速性优于传统模型.在MNIST数据集上的分类精度达到了99.32％,GTSRB德国交通标志数据集上的分类精度达到99.35％.批尺寸相同时,混合模型的训练时间仅为卷积神经网络模型的9.9％～10.3％,同时测试速度是卷积神经网络模型的1.50～1.56倍,大幅缩短了时间.

摘要： 基于视觉神经系统生理学特征,提出了一种可加速神经网络训练过程的双神经网络结构,它同时提供了一种初始化神经网络的新方法.首先,对原始数据进行小波分解,将获得的近似系数在辅助神经网络中进行训练;然后将训练得到的权值和阈值传递给主神经网络;最后,利用主神经网络对全部的输入输出信号进行训练.通过非线性函数逼近、非线性动态系统辨识和井底压力预测仿真实验,并和常规的神经网络结构进行比较,结果表明:在达到相同精度的前提下,双神经网络结构极大地缩短了训练时间.

摘要： 针对变学习率算法在实际训练过程中存在的振荡和收敛速度慢的问题,对现有的变学习率算法进行优化,通过对现有改进神经网络中变学习率算法进行调整,使模型训练过程中的收敛速度明显加快,进而节省训练时间.利用改进后网络对风电机组故障进行预测,并与常规改进变学习率神经网络及标准神经网络进行效果对比,得出该算法具有较高的预测精度,同时可减少25％以上的训练时间.

摘要： 针对朴素贝叶斯(NB)算法在分类前期的训练阶段大量消耗系统和网络资源,严重影响分类效率的问题,提出使用树结构的思想,对NB算法中使用数组来维护训练样本中特征词出现的次数进行优化改进.针对NB算法在邮件样本属性个数较多时,分类效果较差的问题,对特征词条件概率进行开方处理,增加了系统对高频词汇的敏感度.实验结果表明:与NB算法相比,改进后的算法在训练时间、查准率、调和率等方面具有较好的效果,通过调整开方次数z值,来降低垃圾邮件的误判率,实验发现,当z值取到3时,各项分类性能指标都达到了一个比较理想的效果.

摘要： 电子音乐分类有利于电子音乐的在线检索,当前电子音乐分类模型难以准确识别各种类型的电子音乐,使得当前电子音乐分类模型分类效果差,为了提高电子音乐分类正确率,提出了多特征融合和机器学习算法的电子音乐分类模型.首先采集电子音乐信号,并从电子音乐信号中提取分类的多种特征,然后采用机器学习算法描述电子音乐信号类型和特征之间的联系,建立电子音乐分类器,最后采用模型对多种电子音乐进行分类仿真实验,结果表明,相对于当前其它电子音乐分类模型,该模型减少了电子音乐分类器构建的时间,加快了电子音乐分类速度,能够高精度识别各种类型的电子音乐,电子音乐分类正确率明显提高,验证了该电子音乐分类模型的优越性.

摘要： 目的 探讨精索静脉曲张(VC)的发病情况,为进一步有效预防及解决师生此类病痛提供参考.方法 以2015年8月至2019年3月查体的217名男性体育类师生作为研究对象,其中训练时间大于或等于5年者作为高年资组(106例) ,＜5年者作为低年资组(111例) ,以同期查体的拟入学入职人员115名作为对照组,分别行体格及超声检查.结果 高年资组师生中检出VC26例(24 .5%) ,其中Ⅱ度以上VC 14例[13 .2%(14/106)] ;低年资组检出师生中VC 21例(18 .9%) ,其中Ⅱ度以上VC 6例[5 .4%(6/111)] ;对照组体检人员中检出VC 13例(11 .3%) ,其中Ⅱ度以上VC 2例[1 .7%(2/115)] .结论 体育类师生VC患病率较高,且随训练时间增加逐渐升高.

摘要： 通过实验法对高中阶段隔网对抗性项群项目——排球课程的有效技能训练时间进行控制,探索有效技能训练时间对教学的影响,实验表明:在排球运动技能形成过程中,适当的控制有效技能训练时间可以更好地提高教学效果,避免在隔网对抗性项群中过多的运用游戏训练法对技能的破坏作用,探索高中阶段隔网对抗性项群项目产生最佳教学效果的有效技能训练时间阈值.

摘要： 目的:了解孤独症儿童开始训练年龄和训练时间对孤独症儿童转归的影响.方法:对系统训练的194例孤独症患儿的开始训练年龄、训练时间及转归情况进行访谈.结果:2岁前开始训练和训练时间超过6个月的孤独症患儿就读普通学校和幼儿园的比例明显高于4岁后开始训练和训练时间小于6个月的孤独症患儿.结论:早期、长时间系统训练可有效改善孤独症儿童的转归.

摘要： 本文以天津市武清区梅厂中学2012-2015届体育特长生为研究对象，采用文献资料法、数据分析法、经验总结法对天津市体育特长生训练总体任务，训练阶段及其主要任务、年度训练计划的制订、周训练内容和时间的安排、方法与手段的选择、训练负荷的控制等方面进行了较为系统地研究。建议天津市各高中校从高二下学期开始组织体育特长生的选材与训练工作。训练时间尽可能地不占用正常上课时间，少的耽误文化课程的学习，但可以利用班会课，扫除课、自习课等时间段来组织训练。各高中校体育特长生教练员在实施训练过程之前，要制定一份完整科学的多年或年度训练计划，并按训练计划进行实施与调控，同时要保证体育特长生在训练日至少有60～90分钟的训练时间。体育特长生教练员要定期对学生的训练情况进行检测与评判，时刻关注学生的训练状态，有效地控制训练负荷，防止过度训练及运动损伤的发生。

摘要： 本文提出一种基于差分演化(DE)的多分类器集成训练算法(DE-MCE)。该算法首先通过计算每个弱分类器在全部训练样本集上的分类错误率并对其进行排序，挑选出分类效果最好的前T个弱分类器，然后利用DE算法优化各弱分类器权重，得到多个弱分类器的最优加权集成。将该算法应用于人脸识别，在经典数据库上的实验结果表明，本文算法的训练时间较经典AdaBoost有很大提高，同时也获得了较高的识别准确率。

摘要： 游泳技术好坏直接影响着游泳水感的好坏,与游泳运动员最终是否能达到更高级竞技水平有着息息相关的联系.水感是衡量运动员游泳水平高低的重要标志,是科学选材、训练的重要依据.本文以蛙泳水感训练方法为研究途径进行水感练习实验.通过实验试图找出适合游泳运动员蛙泳水感练习的最佳训练方法.实验中游效指数和运动成绩两个测试指标数值都显示，实验组的测试成绩提高幅度均优于对照组的成绩。实验中选取的测试方法对蛙泳技术提高确实有效。蛙泳技术训练中采取新颖的技术训练方法比传统训练方法对提高运动员运动成绩更为有效，尤其女子蛙泳项目的测试成绩最为显著。虽然实验得到初步成功，但研究成果是否能够对更高水平运动员的成绩提升有所帮助还需后续续进一步研究。今后教练员应根据运动员实际情况，选择恰当的技术训练方法，合理安排练习时间、训练内容、运动负荷等，使运动员更为积极的参与训练。根据不同年龄段游泳运动员身心发展规律和特征，需要选取适用于运动员的训练方法，有针对性的提高蛙泳技术能力。教练员在制定大小训练周期时，安排不同的练习手段和方法来刺激运动员机能适应能力，挖掘运动员身体潜能，激发训练兴趣，提高训练的积极性和主动性。蛙泳技术训练方法应长期系统的使用，为游泳运动员精细技术动作的形成奠定更加坚实的基础。

摘要： 游泳技术好坏直接影响着游泳水感的好坏,与游泳运动员最终是否能达到更高级竞技水平有着息息相关的联系.水感是衡量运动员游泳水平高低的重要标志,是科学选材、训练的重要依据.本文以蛙泳水感训练方法为研究途径进行水感练习实验.通过实验试图找出适合游泳运动员蛙泳水感练习的最佳训练方法.实验中游效指数和运动成绩两个测试指标数值都显示，实验组的测试成绩提高幅度均优于对照组的成绩。实验中选取的测试方法对蛙泳技术提高确实有效。蛙泳技术训练中采取新颖的技术训练方法比传统训练方法对提高运动员运动成绩更为有效，尤其女子蛙泳项目的测试成绩最为显著。虽然实验得到初步成功，但研究成果是否能够对更高水平运动员的成绩提升有所帮助还需后续续进一步研究。今后教练员应根据运动员实际情况，选择恰当的技术训练方法，合理安排练习时间、训练内容、运动负荷等，使运动员更为积极的参与训练。根据不同年龄段游泳运动员身心发展规律和特征，需要选取适用于运动员的训练方法，有针对性的提高蛙泳技术能力。教练员在制定大小训练周期时，安排不同的练习手段和方法来刺激运动员机能适应能力，挖掘运动员身体潜能，激发训练兴趣，提高训练的积极性和主动性。蛙泳技术训练方法应长期系统的使用，为游泳运动员精细技术动作的形成奠定更加坚实的基础。

摘要： 游泳技术好坏直接影响着游泳水感的好坏,与游泳运动员最终是否能达到更高级竞技水平有着息息相关的联系.水感是衡量运动员游泳水平高低的重要标志,是科学选材、训练的重要依据.本文以蛙泳水感训练方法为研究途径进行水感练习实验.通过实验试图找出适合游泳运动员蛙泳水感练习的最佳训练方法.实验中游效指数和运动成绩两个测试指标数值都显示，实验组的测试成绩提高幅度均优于对照组的成绩。实验中选取的测试方法对蛙泳技术提高确实有效。蛙泳技术训练中采取新颖的技术训练方法比传统训练方法对提高运动员运动成绩更为有效，尤其女子蛙泳项目的测试成绩最为显著。虽然实验得到初步成功，但研究成果是否能够对更高水平运动员的成绩提升有所帮助还需后续续进一步研究。今后教练员应根据运动员实际情况，选择恰当的技术训练方法，合理安排练习时间、训练内容、运动负荷等，使运动员更为积极的参与训练。根据不同年龄段游泳运动员身心发展规律和特征，需要选取适用于运动员的训练方法，有针对性的提高蛙泳技术能力。教练员在制定大小训练周期时，安排不同的练习手段和方法来刺激运动员机能适应能力，挖掘运动员身体潜能，激发训练兴趣，提高训练的积极性和主动性。蛙泳技术训练方法应长期系统的使用，为游泳运动员精细技术动作的形成奠定更加坚实的基础。

摘要： 游泳技术好坏直接影响着游泳水感的好坏,与游泳运动员最终是否能达到更高级竞技水平有着息息相关的联系.水感是衡量运动员游泳水平高低的重要标志,是科学选材、训练的重要依据.本文以蛙泳水感训练方法为研究途径进行水感练习实验.通过实验试图找出适合游泳运动员蛙泳水感练习的最佳训练方法.实验中游效指数和运动成绩两个测试指标数值都显示，实验组的测试成绩提高幅度均优于对照组的成绩。实验中选取的测试方法对蛙泳技术提高确实有效。蛙泳技术训练中采取新颖的技术训练方法比传统训练方法对提高运动员运动成绩更为有效，尤其女子蛙泳项目的测试成绩最为显著。虽然实验得到初步成功，但研究成果是否能够对更高水平运动员的成绩提升有所帮助还需后续续进一步研究。今后教练员应根据运动员实际情况，选择恰当的技术训练方法，合理安排练习时间、训练内容、运动负荷等，使运动员更为积极的参与训练。根据不同年龄段游泳运动员身心发展规律和特征，需要选取适用于运动员的训练方法，有针对性的提高蛙泳技术能力。教练员在制定大小训练周期时，安排不同的练习手段和方法来刺激运动员机能适应能力，挖掘运动员身体潜能，激发训练兴趣，提高训练的积极性和主动性。蛙泳技术训练方法应长期系统的使用，为游泳运动员精细技术动作的形成奠定更加坚实的基础。

摘要： 游泳技术好坏直接影响着游泳水感的好坏,与游泳运动员最终是否能达到更高级竞技水平有着息息相关的联系.水感是衡量运动员游泳水平高低的重要标志,是科学选材、训练的重要依据.本文以蛙泳水感训练方法为研究途径进行水感练习实验.通过实验试图找出适合游泳运动员蛙泳水感练习的最佳训练方法.实验中游效指数和运动成绩两个测试指标数值都显示，实验组的测试成绩提高幅度均优于对照组的成绩。实验中选取的测试方法对蛙泳技术提高确实有效。蛙泳技术训练中采取新颖的技术训练方法比传统训练方法对提高运动员运动成绩更为有效，尤其女子蛙泳项目的测试成绩最为显著。虽然实验得到初步成功，但研究成果是否能够对更高水平运动员的成绩提升有所帮助还需后续续进一步研究。今后教练员应根据运动员实际情况，选择恰当的技术训练方法，合理安排练习时间、训练内容、运动负荷等，使运动员更为积极的参与训练。根据不同年龄段游泳运动员身心发展规律和特征，需要选取适用于运动员的训练方法，有针对性的提高蛙泳技术能力。教练员在制定大小训练周期时，安排不同的练习手段和方法来刺激运动员机能适应能力，挖掘运动员身体潜能，激发训练兴趣，提高训练的积极性和主动性。蛙泳技术训练方法应长期系统的使用，为游泳运动员精细技术动作的形成奠定更加坚实的基础。

摘要： 探讨不同强度不同时间耐力训练对于大鼠心肌细胞自噬程度的影响,以期为运动强度和时间对心肌细胞自噬发生机制的探讨提供实验依据.结果证明耐力训练可引起心肌组织细胞良好的适应性重塑，但大强度长时间耐力训练会导致心肌纤维形态异常，线粒体损伤聚变，自噬体增多等病理现象，构成心肌损伤的结构基础。

摘要： 探讨不同强度不同时间耐力训练对于大鼠心肌细胞自噬程度的影响,以期为运动强度和时间对心肌细胞自噬发生机制的探讨提供实验依据.结果证明耐力训练可引起心肌组织细胞良好的适应性重塑，但大强度长时间耐力训练会导致心肌纤维形态异常，线粒体损伤聚变，自噬体增多等病理现象，构成心肌损伤的结构基础。

摘要： 本申请提出一种通勤时间预测方法、通勤时间预测模型的训练方法和装置，其中，方法包括：接收出发地、目的地和出发时间；将出发地和目的地映射到路网上，得到路网路段序号和路段偏移量；将出发时间映射到时间片上，得到时间片序号和时间片偏移量；根据时空输入编码模块对路网路段序号、路段偏移量、时间片序号和时间片偏移量进行编码得到定长向量；根据时间预测模块对定长向量进行处理，输出目标通勤时间。由此，提高出发地到目的地通勤时间预测的准确性。

摘要： 本发明提供一种通行时间预测模型训练方法、通行时间预测方法及设备，该训练方法包括：构建路口和路段特征及轨迹特征；获取路段特征向量及路口特征向量；将对应于各个预设时间步长的路口特征矩阵、路段特征矩阵、路口邻接矩阵及路段邻接矩阵按照时序顺序输入到路口和路段时空特征提取网络；将输出的更新后的单个预设时间步长对应的路口特征矩阵和路段特征矩阵、历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果进行训练。本发明提供的通行时间预测模型训练方法、通行时间预测方法及设备，通过联合建模路口和路段的特征，训练通行时间预测模型，提升通行时间预测的准确度。

摘要： 本发明公开一种时间触发调度模型的训练、时间触发调度方法及装置，包括：将由链路的基础特征向量、嵌入向量和全局向量拼接获得的目标向量输入策略网络，确定待调度TT流的第一下一跳链路、第一转发相位及第一时隙；若当前调度所到达的网络设备不是终点，则更新目标向量以及时隙占用情况，并将更新后的目标向量输入策略网络确定待调度TT流的第二下一跳链路、第二转发相位及第二时隙，并利用第二时隙和第二下一跳链路对待调度TT流进行调度，直至达到终点；在到达预设调度终止条件时，利用策略梯度算法更新时间触发调度模型的参数，利用更新后的时间触发调度模型继续对待调度TT流进行调度，直至目标函数取值最大时，获得目标时间触发调度模型。

摘要： 本申请公开了人工智能领域中的一种时间序列预测模型的训练方法、时间序列预测方法及装置。该时间序列预测模型的训练方法包括：将源域的第一时间序列和目标域的第二时间序列输入第一预测模型中，通过第一预测模型中的特征编码器生成第一时间序列的特征和第二时间序列的特征；将第一时间序列的特征和第二时间序列的特征输入领域判别器中，对领域判别器与特征编码器进行对抗训练，且基于目标域的样本集对第一预测模型进行调优，得到目标预测模型。本申请的方法能够提高目标预测模型的准确性，避免出现过拟合和负迁移。

摘要： 本公开提供了一种时间概率分布模型训练方法、配送时间获取方法及装置。所述训练方法包括：获取训练样本；训练样本是由历史配送订单的订单信息，及与历史配送订单关联的配送人员的配送人员信息形成的，训练样本对应于一个第一送达时间；获取为训练样本设置的多个初始送达时间；将训练样本和所述多个初始送达时间输入至初始时间概率分布模型，并获取由所述初始时间概率分布模型输出的所述多个初始送达时间对应的送达概率；根据所述送达概率，确定所述多个初始送达时间中的第二送达时间；在所述第二送达时间与所述第一送达时间相匹配的情况下，将训练后的所述初始时间概率分布模型作为目标时间概率分布模型。本公开可以提高预估配送时间的准确度。

摘要： 本发明涉及一种用于基于传感器信号训练基于数据的时间点确定模型以确定内燃机的喷射阀（6）的打开或关闭时间点的计算机实现的方法，具有以下步骤：提供（S1，S2，S3）训练数据集的集合，特别是根据通过在试验台上采样喷射阀（6）的传感器的传感器信号而对内燃机进行的测量，其中训练数据集向评估点时间序列分配打开或关闭时间点的时间信息；为每个训练数据集分配难度值，其中每个难度值说明所涉及训练数据集的时间信息的一致性，对应于训练数据集的相应难度值将训练数据集分类（S4，S5）为一定数量的难度类别；根据分配给每个难度类别的训练数据集确定（S7）新的训练数据集；使用新的训练数据集的集合来训练（S8）基于数据的时间点确定模型。

摘要： 本发明公开了一种电池静置时间预测模型的训练方法以及静置时间预测方法。该方法包括获取用于模型训练的样本电池，并确定各所述样本电池分别对应的电池类型数据；确定各所述样本电池在容量测试过程中分别对应的电池容量数据；基于各所述样本电池分别对应的电池容量数据以及电池类型数据对所述静置时间预测模型进行训练，得到训练完成的静置时间预测模型；其中，所述静置时间预测模型用于对电池在容量测试过程中静置阶段的静置时间进行预测。通过本发明公开的技术方案解决了现有技术中估算得到的静置时间会影响测试的效率以及准确性的问题，实现了提供准确的静置时间，从而提高测试结果的准确性。

摘要： 本发明提供一种通行时间预测模型训练方法、通行时间预测方法及设备，该训练方法包括：构建路口和路段特征及轨迹特征；获取路段特征向量及路口特征向量；将对应于各个预设时间步长的路口特征矩阵、路段特征矩阵、路口邻接矩阵及路段邻接矩阵按照时序顺序输入到路口和路段时空特征提取网络；将输出的更新后的单个预设时间步长对应的路口特征矩阵和路段特征矩阵、历史轨迹中路口和路段组成的序列输入到通行时间预测模型，输出未来预设步长时间内出发的路线的目标通行时间的预测结果进行训练。本发明提供的通行时间预测模型训练方法、通行时间预测方法及设备，通过联合建模路口和路段的特征，训练通行时间预测模型，提升通行时间预测的准确度。

摘要： 本申请提出一种通勤时间预测方法、通勤时间预测模型的训练方法和装置，其中，方法包括：接收出发地、目的地和出发时间；将出发地和目的地映射到路网上，得到路网路段序号和路段偏移量；将出发时间映射到时间片上，得到时间片序号和时间片偏移量；根据时空输入编码模块对路网路段序号、路段偏移量、时间片序号和时间片偏移量进行编码得到定长向量；根据时间预测模块对定长向量进行处理，输出目标通勤时间。由此，提高出发地到目的地通勤时间预测的准确性。

摘要： 本申请涉及人工智能领域中的一种训练时间序列预测模型的方法、时间序列预测方法及装置，该训练时间序列预测模型的方法包括：获取时间序列数据特征，所述时间序列数据特征为时间序列数据在当前时刻的数据特征；基于事件序列数据的发生时刻确定事件序列数据特征，所述事件序列数据特征用于表示所述事件序列数据在当前时刻的数据特征，所述事件序列数据特征包含发生时刻的时间信息；基于所述时间数据特征与所述事件序列数据特征进行时间序列预测，得到预测的时间序列数据；基于所述预测的时间序列数据，调整所述时间序列预测模型的参数。该方法有助于提高时间序列预测的预测效果。