-
Patent Agency Ranking
公开(公告)号：CN117493879A
公开(公告)日：2024-02-02
申请号：CN202311371399.X
申请日：2023-10-20
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F18/214 , G06F18/21
Abstract: 本说明书一个或多个实施例提供一种模型微调方法及装置、电子设备及存储介质，所述方法包括：将多个任务的训练数据输入至待微调模型，得到所述待微调模型输出的每个任务的训练数据的预测结果；根据每个任务的训练数据的预测结果，以及对应的训练数据的标签，确定每个任务的训练损失；根据每个任务的训练损失和每个的任务的损失权重确定总损失，并根据所述总损失对待微调模型的参数进行微调，其中，每个任务的损失权重至少与所述任务的训练数据的数量相关。
-
公开(公告)号：CN114399027A
公开(公告)日：2022-04-26
申请号：CN202210005134.7
申请日：2022-01-04
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种利用神经网络进行序列处理的方法以及序列处理的装置，在序列处理的方法中，在生成层，获取按时间排序的业务指标值形成的指标序列所对应的原始向量序列，针对该原始向量序列迭代执行多层级的向量聚合，得到对应于不同时间尺度的多层级的处理向量序列，原始向量序列和各处理向量序列中的各个向量，形成多层级的树形关系图。在注意力层，根据树形关系图，确定输入的任一目标向量的关联向量，根据关联向量对目标向量进行基于注意力机制的加权综合处理，得到对应的更新向量；该更新向量用于确定指标序列的特征表示。
-
公开(公告)号：CN114970359B
公开(公告)日：2024-05-31
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
公开(公告)号：CN117251827A
公开(公告)日：2023-12-19
申请号：CN202311128756.X
申请日：2023-09-01
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请涉及人工智能技术领域，具体提供了一种周期检测的方法、装置、电子设备及存储介质。一种周期检测的方法，包括：获取目标检测对象的待检测时间序列；采用周期检测模型，对待检测时间序列进行周期检测，获得目标检测对象的周期检测结果；周期检测模型是基于贝叶斯统计以及深度学习构建的。这样，结合贝叶斯统计以及深度学习构建周期检测模型，利用了贝叶斯统计以及深度学习优点，提高了周期检测的准确度，减少了周期检测的误差。
-
公开(公告)号：CN114970359A
公开(公告)日：2022-08-30
申请号：CN202210629028.6
申请日：2022-06-06
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本说明书实施例提供了一种建立时间序列预测模型的方法、时间序列预测方法和装置。根据该实施例的方法，首先将第i个时间序列输入时间序列预测模型，所述时间序列包括连续n个时间点的指标值，所述时间序列中包含指标极值信息，所述n为大于1的正整数；然后获取所述时间序列预测模型依据所述第i个时间序列及其之前的历史时间序列预测得到的所述第i个时间序列之后τ个时间点的指标值，所述τ为预设的正整数；其中，所述时间序列预测模型基于记忆网络预先训练得到。
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
