申请/专利权人:北京三星通信技术研究有限公司;三星电子株式会社
申请日:2020-01-20
公开(公告)日:2021-07-20
公开(公告)号:CN113139651A
主分类号:G06N3/08(20060101)
分类号:G06N3/08(20060101);G06N3/04(20060101);G06K9/62(20060101);G06F16/56(20190101);G06F16/58(20190101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.03.03#实质审查的生效;2021.07.20#公开
摘要:由于弱监督学习中的监督信息太少,所以直接通过少量监督信息训练的分类器很难在性能上与基于监督信息构建的分类器的性能相当。本公开旨在提出通过基于自监督的方式来增强弱监督机器学习算法的分类性能的方法。弱监督学习的具体体现之一为标签比例学习。一种标签比例学习模型的训练方法,包括:接收用于标签比例学习的弱监督训练数据;基于弱监督训练数据来构建监督信息;以及通过基于多任务构建的损失函数、采用弱监督训练数据和自监督训练数据来训练标签比例学习模型,其中,基于多任务构建的损失函数为对应于弱监督训练数据的弱监督损失函数与对应于监督信息的自监督损失函数的加权和。
主权项:1.一种标签比例学习模型的训练方法,所述训练方法包括:训练数据接收步骤,接收用于标签比例学习的弱监督训练数据;监督信息构建步骤,基于所述弱监督训练数据来构建监督信息;以及训练步骤,通过基于多任务构建的损失函数、采用所述弱监督训练数据和所述监督信息来训练所述标签比例学习模型,其中,所述基于多任务构建的损失函数为对应于所述弱监督训练数据的弱监督损失函数与对应于所述监督信息的自监督损失函数的加权和。
全文数据:
权利要求:
百度查询: 北京三星通信技术研究有限公司;三星电子株式会社 基于自监督学习的标签比例学习模型的训练方法和设备
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。