基于教师模型分类层权重的输出正则化方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及一种基于教师模型分类层权重的输出正则化方法,将完成监督训练的教师模型的分类层的权重转化为类别之间的相关性矩阵,以矩阵中的每一行作为对应类别的软标签,为学生模型提供额外的信息并参与学生模型的训练;选择准确率最高的学生模型作为最终目标模型。本发明充分利用教师模型所提供的信息,减少在训练过程中教师模型占用训练资源过大、整体训练时间过长的问题,即使某些神经网络模型仅能够提供教师模型分类器层的权重,也可以通过本方法进行学生模型的训练,具有更高的分类准确率与更广的模型适用性,具有更快的训练速度,且只需要更少的训练资源,能够在资源较少的情况下,对网络模型做进一步的正则化。
《基于教师模型分类层权重的输出正则化方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2022103578268,当前法律状态为已下证,由浙江工业大学提出申请,发明人为梅建萍;仇文豪,申请日期为2022-04-06,公开(公告)日期为2025-07-22,国际专利分类号(IPC)为 G06V 10/764 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及一种基于教师模型分类层权重的输出正则化方法,将完成监督训练的教师模型的分类层的权重转化为类别之间的相关性矩阵,以矩阵中的每一行作为对应类别的软标签,为学生模型提供额外的信息并参与学生模型的训练;选择准确率最高的学生模型作为最终目标模型。本发明充分利用教师模型所提供的信息,减少在训练过程中教师模型占用训练资源过大、整体训练时间过长的问题,即使某些神经网络模型仅能够提供教师模型分类器层的权重,也可以通过本方法进行学生模型的训练,具有更高的分类准确率与更广的模型适用性,具有更快的训练速度,且只需要更少的训练资源,能够在资源较少的情况下,对网络模型做进一步的正则化。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
