申请/专利权人：南京智谷人工智能研究院有限公司

申请日：2020-12-01

公开（公告）日：2021-01-05

公开（公告）号：CN112183752A

主分类号：G06N3/08(20060101)

分类号：G06N3/08(20060101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2021.02.19#授权;2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本发明公开了一种基于自动示例选择的端到端多示例学习方法，包括以下具体步骤：（一）、对多示例数据进行采集，并将数据分成若干个多示例数据包，多示例数据包包括若干个示例，且多示例数据包设置为由若干个示例组合成的一组示例集合，多示例数据包上具有标签，示例设置为一个多维向量；（二）、搭建深度多示例网络，深度多示例网络包括示例处理层、示例选择层和分类层；（三）、每个多示例数据包通过深度多示例网络进行处理，通过前向或反向传播进行训练，训练包括深度多示例网络训练和深度多示例网络测试，相比现有技术，本发明可以通过示例选择层自动地选择重要的示例，一方面使得整个深度网络的优化过程可以端到端地进行训练。

主权项：1.一种基于自动示例选择的端到端多示例学习方法，其特征在于，包括以下具体步骤：（一）、对多示例数据进行采集，并将数据分成若干个多示例数据包，所述多示例数据包包括若干个示例，且多示例数据包设置为由若干个示例组合成的一组示例集合，所述多示例数据包上具有标签，所述示例设置为一个多维向量；（二）、搭建深度多示例网络，所述深度多示例网络包括示例处理层、示例选择层和分类层；（三）、每个多示例数据包通过深度多示例网络进行处理，通过前向或反向传播进行训练，所述训练包括深度多示例网络训练和深度多示例网络测试。

全文数据：

权利要求：

百度查询： 南京智谷人工智能研究院有限公司 一种基于自动示例选择的端到端多示例学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD