申请/专利权人:奥宝科技有限公司
申请日:2020-11-08
公开(公告)日:2024-04-16
公开(公告)号:CN114787831B
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V10/776;G06N3/09;G06N3/092;G06N20/00
优先权:["20191205 US 62/943,812"]
专利状态码:有效-授权
法律状态:2024.04.16#授权;2022.12.06#实质审查的生效;2022.07.22#公开
摘要:本发明涉及用于人工智能分类模型的自动改进的一种人工智能系统、一种设备以及一种计算机程序产品及一种方法。在每一迭代中,迭代地改进所述分类模型的模型性能测量达至少预定目标。所述迭代改进包括基于假设列表及假设的分数产生用于改进所述分类模型的假设图表。每一假设涉及用于潜在地改进所述分类模型的策略且与指示所述假设的应用改进所述模型性能测量的可能性的分数相关联。所述假设图表的每一节点包括所述假设列表中的假设。所述迭代改进进一步包括:基于所述假设图表的遍历从所述假设图表选择所选择假设;及执行所述所选择假设,借此更新所述分类模型并改进所述模型性能测量达至少所述预定目标。
主权项:1.一种方法,其包括:获得用以改进分类模型的指令,其中所述分类模型用于监督式图像分类任务;响应于所述获得,迭代地改进所述分类模型的模型性能测量方法,其中在所述分类模型的所述模型性能测量方法的每一迭代中改进至少预定目标,其中所述迭代地改进包括:确定假设列表,其中所述假设列表中的每一假设涉及用以潜在地改进所述分类模型的策略,其中针对每一假设,确定一分数,其中所述分数指示所述假设的应用改进所述分类模型的所述模型性能测量方法的可能性;基于所述假设列表及假设的所述分数,产生用于改进所述分类模型的假设图表,其中所述假设图表的每一节点包括所述假设列表中的假设,且其中所述产生所述假设图表包括应用强化学习算法,所述强化学习算法利用一序列先前产生的假设图表;从所述假设图表选择所选择假设,其中所述选择基于所述假设图表的遍历;执行所述所选择假设,借此更新所述分类模型并改进所述模型性能测量方法达至少所述预定目标;及基于所述执行更新所述强化学习算法。
全文数据:
权利要求:
百度查询: 奥宝科技有限公司 改进分类模型的准确性
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。