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！

龙图腾网恭喜苏州律点信息科技有限公司申请的专利提高数据处理精度的方法、装置、电子设备及存储介质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：CN113902090B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202011293111.8，技术领域涉及：G06N3/08；该发明授权提高数据处理精度的方法、装置、电子设备及存储介质是由许坚;罗章维;张旸;朱晨阳设计研发完成，并于2020-11-18向国家知识产权局提交的专利申请。

本提高数据处理精度的方法、装置、电子设备及存储介质在说明书摘要公布了：本公开涉及一种提高数据处理精度的方法、装置、电子设备及存储介质，以解决业务分类精度较低的问题，包括：确定目标用户的目标数据信息；基于调用的云端神经网络模型，根据所述目标用户的所述目标数据信息得到所述目标用户的目标特征，其中，所述云端神经网络模型是通过以下方式训练得到的：获取多个子模型，每一所述子模型是基于种子用户的原始数据信息作为训练样本训练得到的，将所述多个子模型作为所述云端神经网络模型的目标训练样本，训练得到所述云端神经网络模型；所述云端神经网络模型用于将所述原始数据信息作为输入量确定所述目标用户的目标特征，并将所述目标特征作为输出量输出。可以提高数据处理精度及准确性。

本发明授权提高数据处理精度的方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种提高数据处理精度的方法，其特征在于，所述方法包括：确定目标用户的目标数据信息；基于调用的云端神经网络模型，根据所述目标用户的所述目标数据信息得到所述目标用户的目标特征，其中，所述云端神经网络模型是通过以下方式训练得到的：获取多个子模型，每一所述子模型是基于种子用户的原始数据信息作为训练样本训练得到的，将所述多个子模型作为所述云端神经网络模型的目标训练样本，训练得到所述云端神经网络模型；所述云端神经网络模型用于将所述目标数据信息作为输入量确定所述目标用户的目标特征，并将所述目标特征作为输出量输出；其中，所述神经网络模型为医疗模型，首先在本地对m个子模型基于病人的原始病历以及原始临床数据进行训练，得到多个子模型，然后获取训练得到的m个子模型，并计算每一所述子模型关于训练数据的复杂度，得到该子模型对应的泛化误差，以对子模型进行评估，进而确定作为初值的目标子模型，并将每一个评估结果上传至云端，以便云端选择作为初值的目标子模型，以及，根据评估结果择优选择作为初值的子模型，并训练得到医疗模型，判断得到的医疗模型是否需要更新，并在确定不需要对医疗模型进行更新的情况下，得到融合后的模型，并在确定需要对医疗模型进行更新的情况下，向本地请求医疗模型需要的数据，该数据为非训练数据，并接收到k个反馈，进而更新医疗模型，其中，0km+1；所述将所述多个子模型作为所述云端神经网络模型的目标训练样本，训练得到所述云端神经网络模型，包括：计算每一所述子模型关于对应的训练样本的复杂度，得到该子模型对应的泛化误差；将泛化误差小于等于预设阈值的子模型作为所述云端神经网络模型训练的所述目标训练样本；根据所述目标训练样本，训练得到所述云端神经网络模型；所述计算每一所述子模型关于对应的训练样本的复杂度，得到该子模型对应的泛化误差，具体为： 其中，LDh为所述泛化误差，LSh为训练误差，为拉德马赫复杂度，l为损失函数，为假设类，S为训练集的样本个数，并且 L为损失函数l关于预测项Lipschitz连续的常数，r0为局部拉德马赫复杂度的半径，用于约束假设类以获得更紧的上界，λj为对称方阵按非升顺序排列的特征值，j＝1...m，表示第i个样本传播到紧挨输出层的值，δ为置信度，并且0＜δ＜1，所述置信度δ为0.95；所述云端神经网络模型训练还包括：向所述子模型请求该子模型的训练样本的数据量，以及训练误差在模型参数中的梯度；根据所述训练样本的数据量以及所述训练误差在模型参数中的梯度，计算所述云端神经网络模型的梯度方向；基于梯度下降法，根据所述梯度方向对所述云端神经网络模型进行更新；确定更新后的所述云端神经网络模型是否收敛，并在所述云端神经网络模型未收敛的情况下，再次计算所述云端神经网络模型的梯度方向；所述计算所述云端神经网络模型的梯度方向，具体为： 其中，为所述梯度方向，为训练集合样本量。

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苏州律点信息科技有限公司，其通讯地址为：215500 江苏省苏州市常熟市东南街道云深路2号智能车中心1幢501室；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”。