无负样本自监督学习方法、设备和介质

AITNT
正文
推荐专利
无负样本自监督学习方法、设备和介质
申请号:CN202510044124
申请日期:2025-01-10
公开号:CN120125956A
公开日期:2025-06-10
类型:发明专利
摘要
本发明公开了一种无负样本自监督学习方法,包括以下步骤:设置自监督学习模型,在自监督学习模型中设置分类器,所述分类器用于获取训练错误率指标,以评价训练过程中的特征质量;进行自监督学习训练,在训练过程中基于错误率指标获取训练错误率,若训练错误率高于阈值,则调整自监督学习模型,重新进行训练,直至训练错误率低于阈值,获得最终的预测模型;采用获得的预测模型对待识别图片进行识别。本发明公开的无负样本自监督学习方法,可以无需测试集和样本标签,在训练集上评估模型的泛化能力。
技术关键词
监督学习方法 错误率 监督学习模型 样本 分类器 指标 约束特征 计算机 处理器通信 间距 指令 数据 可读存储介质 图片 存储器 特征值 电子设备 标签 因子
系统为您推荐了相关专利信息
1
一种基于解剖学连通性的半监督医学图像分割方法和装置
医学图像分割方法 医学图像分割模型 像素 代表 无标签数据
2
一种基于深度学习的异常行为监测与告警方法
告警方法 监测工具 运动向量 视频帧 动态
3
一种基于深度学习的实时压力监测和干预方法及系统
多模态 卷积模块 干预方法 教师 集对压力
4
一种基于改进Stacking集成学习的储层厚度预测方法
Stacking集成学习 储层厚度预测方法 学习器 训练集 超参数
5
用于育种植物的品质性状综合评估方法
综合评估模型 综合评估方法 实时监测数据 形态特征分析 模型库
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号