Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 甲骨文国际公司A·莫哈尔获国家专利权

甲骨文国际公司A·莫哈尔获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉甲骨文国际公司申请的专利使用元建模对机器学习和深度学习模型进行快速准确的超参数优化获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114207635B

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202080047804.0,技术领域涉及:G06N20/00;该发明授权使用元建模对机器学习和深度学习模型进行快速准确的超参数优化是由A·莫哈尔;V·瓦拉达拉珍;S·伊蒂库拉;S·阿格拉瓦尔;N·阿加瓦尔设计研发完成,并于2020-05-14向国家知识产权局提交的专利申请。

使用元建模对机器学习和深度学习模型进行快速准确的超参数优化在说明书摘要公布了:本文是训练一个或多个回归器以预测机器学习模型MLM如果用新的超参数和或数据集训练将多有效的技术。在实施例中,对于每个训练数据集,计算机从数据集导出数据集元特征的值。针对MLM的包括特征点超参数配置的每个HC,计算机执行:基于HC来配置MLM,基于数据集来训练MLM,并获得指示当配置有HC时训练MLM如何有效的经验质量分数。生成性能元组,该性能元组包含:HC、数据集元特征的值、经验质量分数,以及对于每个特征点配置的:特征点配置的经验质量分数和或特征点配置本身。基于性能元组,回归器被训练以基于给定的数据集和给定的HC来预测估计的质量分数。

本发明授权使用元建模对机器学习和深度学习模型进行快速准确的超参数优化在权利要求书中公布了:1.一种计算机实现的方法,包括: 对于多个训练数据集中的每个训练数据集,其中所述多个训练数据集包括照片: a从该训练数据集导出多个数据集元特征的多个值; b为具有多个超参数的机器学习ML模型生成: i包括第一特征点超参数配置和第二特征点超参数配置的多个特征点超参数配置,以及 ii包括所述多个特征点超参数配置的多个不同超参数配置,其中所述多个不同超参数配置中的每个超参数配置包含针对所述多个超参数中的每个超参数的值;以及 c对于所述多个不同超参数配置中的每个超参数配置: i用该超参数配置来配置所述ML模型; ii基于该训练数据集来训练当用该超参数配置进行配置时的所述ML模型; iii获得指示对当用该超参数配置进行配置时的所述ML模型进行所述训练如何有效的经验质量分数;以及 iv生成多个性能元组中的性能元组,其中该性能元组包含:该超参数配置、所述多个数据集元特征的所述多个值、以及所述经验质量分数; 将所述多个性能元组中的每个性能元组编码成相应特征向量,该相应特征向量包含: 第一特征点超参数配置的经验质量分数,以及 第二特征点超参数配置的经验质量分数; 基于所述多个性能元组的所述特征向量,训练回归器以基于给定的数据集以及给定的超参数配置来预测估计质量分数; 从新数据集导出所述多个数据集元特征的新的多个值; 对于第二多个不同超参数配置中的每个超参数配置,通过所述回归器预测第一多个估计质量分数中的新估计质量分数,其中该新估计质量分数基于:该超参数配置以及所述多个数据集元特征的所述新的多个值; 选择所述第二多个不同超参数配置中具有所述第一多个估计质量分数中的最高估计质量分数的特定超参数配置;以及 基于所述特定超参数配置和所述新数据集来训练所述ML模型。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人甲骨文国际公司,其通讯地址为:美国加利福尼亚;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。