-
公开(公告)号：CN111914862B
公开(公告)日：2023-07-11
申请号：CN201910384143.X
申请日：2019-05-09
Applicant: 富士通株式会社
IPC: G06F18/214
Abstract: 公开了用于基于目标空间内的目标对多目标模型进行训练的训练装置和训练方法。训练装置包括：目标空间设置单元，对所述目标空间进行设置，以获取具有不同难度级别的多个子目标空间；目标空间改变单元，将待处理的子目标空间从当前的子目标空间改变为具有更高难度级别的下一子目标空间；采样单元，选取目标作为采样目标，以及通过执行动作来获取与采样目标有关的迁移；训练单元，基于迁移对多目标模型进行训练；以及评估单元，通过计算实现当前的子目标空间内的目标的成功率来对多目标模型进行评估。其中，目标空间改变单元被配置成在成功率大于预定阈值的情况下，将待处理的子目标空间从当前的子目标空间改变到具有更高难度级别的下一子目标空间。
-
公开(公告)号：CN110569030B
公开(公告)日：2023-04-07
申请号：CN201810575512.9
申请日：2018-06-06
Applicant: 富士通株式会社
Abstract: 公开了一种用于推荐代码的方法和装置。该方法包括：估计候选集合中的候选代码单元在下一代码单元输入位置出现的可能性，以及根据所述估计的可能性，推荐所述候选集合中可能性高的候选代码单元，其中估计所述可能性包括应用约束条件，所述约束条件包括类型约束条件或作用域约束条件。对于每个候选代码单元，如果该候选代码单元满足约束条件，则降低该候选代码单元的可能性。
-
公开(公告)号：CN115713111A
公开(公告)日：2023-02-24
申请号：CN202110949753.7
申请日：2021-08-18
Applicant: 富士通株式会社
IPC: G06N3/088 , G06N3/0464 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/25 , G06V10/44
Abstract: 本公开内容涉及用于训练对象检测模型的方法和对象检测方法。根据本公开内容的一个实施例，用于训练模型的方法包括以迭代方式训练对象检测模型，其中当前训练迭代轮包括以下操作：读取源域数据子集和目标域数据子集；确定针对源域数据子集的检测损失，以及源域实例分类特征集；确定目标域实例分类特征集；基于源域实例分类特征集和目标域实例分类特征集确定与实例特征对齐有关的实例级对齐损失；以及基于与检测损失和实例对齐损失有关的总损失通过调整对象检测模型的参数来优化对象检测模型。本公开内容的方案的有益效果至少包括以下中的至少一个：对标签噪声鲁棒、克服类别不均衡、改善实例级对齐以及改善检测准确度。
-
公开(公告)号：CN115713105A
公开(公告)日：2023-02-24
申请号：CN202110949087.7
申请日：2021-08-18
Applicant: 富士通株式会社
IPC: G06N3/08 , G06F18/2431 , G06F18/2413 , G06F18/2415 , G06F18/23 , G06F18/22 , G06F18/241 , G06F18/213
Abstract: 公开了一种用于训练神经网络的方法和装置以及计算机可读存储介质。神经网络包括分类器和特征提取器。该方法包括：利用特征提取器，对来自源域的有标注数据和来自目标域的无标注数据进行特征提取；利用另一分类器，根据所提取的特征对无标注数据进行分类以得到第一类别；针对有标注数据构建第一交叉熵损失函数，并且针对被标注为第一类别的无标注数据构建第二交叉熵损失函数；和通过使第一交叉熵损失函数和第二交叉熵损失函数的加权和最小，来训练神经网络。
-
公开(公告)号：CN115482423A
公开(公告)日：2022-12-16
申请号：CN202110579881.7
申请日：2021-05-26
Applicant: 富士通株式会社
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/04
Abstract: 本公开内容涉及信息处理装置和信息处理方法。该信息处理装置用于对分类模型进行训练，该分类模型能够基于第一域的具有标签的第一样本对不同于第一域的第二域的不具有标签的第二样本进行分类，在第二样本的类别与第一样本的类别之间存在相同的共享类别。该信息处理装置包括：聚簇单元，使第二样本中的每个朝向其相邻的第一样本或第二样本聚簇；多个第一分类单元，每个第一分类单元基于第一样本的部分类别对经聚簇的第二样本分类；以及识别单元，基于多个第一分类单元的分类结果识别不具有共享类别的第二样本，其中分类模型使用聚簇单元的聚簇结果和识别单元的识别结果进行训练。根据本公开内容的信息处理技术，能够显著改善迁移学习的学习效果。
-
Patent Agency Ranking
公开(公告)号：CN114781469A
公开(公告)日：2022-07-22
申请号：CN202110076738.6
申请日：2021-01-20
Applicant: 富士通株式会社
Abstract: 本公开内容涉及信息处理装置和信息处理方法。该信息处理装置用于基于第一域的具有标签的第一样本对不同于第一域的第二域的不具有标签的第二样本进行分类，第二样本的类别是第一样本的类别的子集或全集。该信息处理装置包括：第一判断单元，用于判断第一样本的类别是否是第一域和第二域的共享类别；以及第二判断单元，用于判断第二样本所属的共享类别，其中第一判断单元和第二判断单元通过交换信息执行联合训练。根据本公开内容的信息处理技术，能够显著改善迁移学习的学习效果。
-
公开(公告)号：CN114139676A
公开(公告)日：2022-03-04
申请号：CN202010911149.0
申请日：2020-09-02
Applicant: 富士通株式会社
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 公开了领域自适应神经网络的训练方法，包括：针对源数据和目标数据提取特征；基于提取的特征为目标数据预测第一标签；基于源数据集合上每个类别的类中心与目标数据的特征之间的距离，为目标数据确定第二标签；在目标数据集合中选择第一标签与第二标签相同的目标数据，并且第一或第二标签作为所选择的目标数据的伪标签；基于所选择的目标数据计算目标数据集合上每个类别的类中心；基于源数据集合的类中心和所计算的目标数据集合的类中心之间的距离构建第一损失函数；基于所选择的目标数据以及其伪标签构建第二损失函数；针对源数据集合中的源数据以及所选择的目标数据构建第三损失函数；基于第一至第三损失函数来训练该神经网络。
-
公开(公告)号：CN109688021B
公开(公告)日：2022-02-01
申请号：CN201710978154.1
申请日：2017-10-18
Applicant: 富士通株式会社
IPC: H04L43/022 , H04L43/50 , H04L67/12 , H04L67/565 , G06F16/2455
Abstract: 本发明公开了一种扩展数据的方法和设备以及测试物联网应用的方法。扩展数据的方法，包括：根据预定值范围，将真实数据集中的各个真实数据扩展成扩展数据；将预定值范围分割成彼此不重叠的多个区间，并且根据扩展数据的大小，将各个扩展数据划分到相应区间中；搜索不包括扩展数据的空区间；以及基于每个空区间附近的包括扩展数据的非空区间来在每个空区间中填充至少一个填充数据，由此得到由扩展数据和填充数据构成的补全数据集。
-
公开(公告)号：CN108959056B
公开(公告)日：2021-11-16
申请号：CN201710347575.4
申请日：2017-05-17
Applicant: 富士通株式会社
IPC: G06F11/36
Abstract: 本发明公开了一种测试用例生成方法和测试用例生成装置。根据本发明的一个具体实例的测试用例生成方法包括：针对用不同编程语言编写的源代码，分别构建相应源代码中的函数之间的关系图；检测所述用不同编程语言编写的源代码之间的连接信息；根据所述连接信息将所述关系图连接以生成连接图；遍历所述连接图以生成组合路径约束表达式；符号执行所述源代码中的每一个函数，以根据所述组合路径约束表达式生成具体组合路径约束；以及对具体组合路径约束进行求解，以生成测试用例。
-
公开(公告)号：CN109688021A
公开(公告)日：2019-04-26
申请号：CN201710978154.1
申请日：2017-10-18
Applicant: 富士通株式会社
CPC classification number: H04L43/022 , H04L43/50 , H04L67/12 , H04L67/2823
Abstract: 本发明公开了一种扩展数据的方法和设备以及测试物联网应用的方法。扩展数据的方法，包括：根据预定值范围，将真实数据集中的各个真实数据扩展成扩展数据；将预定值范围分割成彼此不重叠的多个区间，并且根据扩展数据的大小，将各个扩展数据划分到相应区间中；搜索不包括扩展数据的空区间；以及基于每个空区间附近的包括扩展数据的非空区间来在每个空区间中填充至少一个填充数据，由此得到由扩展数据和填充数据构成的补全数据集。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.109 seconds)
