用于预测众包数据的正确标签的方法及系统

    公开(公告)号:CN112766337A

    公开(公告)日:2021-05-07

    申请号:CN202110028695.4

    申请日:2021-01-11

    Abstract: 本发明提供了一种用于预测众包数据的正确标签的方法和系统,该方法利用了一种神经网络模型,该模型基于每个众包数据的所有初始标签的均值获取对应的众包数据的参考标签,通过训练获得;并利用神经网络模型获得每个众包数据的预测标签,基于每个众包数据的每个初始标签相对于预测标签的可信度迭代校准当前神经网络模型,直至神经网络模型收敛或精度持续下降。本发明中的方法和系统能够减少对深度学习中对众包数据工作者能力的依赖,从而提高深度学习模型的准确度和鲁棒性。

    用于预测众包数据的正确标签的方法及系统

    公开(公告)号:CN112766337B

    公开(公告)日:2024-01-12

    申请号:CN202110028695.4

    申请日:2021-01-11

    Abstract: 本发明提供了一种用于预测众包数据的正确标签的方法和系统,该方法利用了一种神经网络模型,该模型基于每个众包数据的所有初始标签的均值获取对应的众包数据的参考标签,通过训练获得;并利用神经网络模型获得每个众包数据的预测标签,基于每个众包数据的每个初始标签相对于预测标签的可信度迭代校准当前神经网络模型,直至神经网络模型收敛或精度持续下降。本发明中的方法和系统能够减少对深度学习中对众包数据工作者能力的依赖,从而提高深度学习模型的准确度和鲁棒性。(56)对比文件Ryan Drapeau.MicroTalk: UsingArgumentation to Improve CrowdsourcingAccuracy《.Proceedings, The Fourth AAAIConference on Human Computation andCrowdsourcing》.2016,

    基于双重迁移的认知障碍辅助决策支持方法和系统

    公开(公告)号:CN112861879A

    公开(公告)日:2021-05-28

    申请号:CN202110203086.8

    申请日:2021-02-23

    Abstract: 本发明提出一种基于双重迁移的认知障碍辅助决策支持方法和系统,包括本发明提出的方法将样本损失加权选择与特征适配相融合,从双重层面进行迁移,通过对源域样本损失加权,增强与目标域知识关联度高的源域样本作用,同时削弱无关样本的作用;同时,通过对源域与目标域特征空间的适配,拉近领域间分布差异。最终构建在目标域上性能良好的分类模型,判断有无认知障碍。

Patent Agency Ranking