-
公开(公告)号：CN112686277B
公开(公告)日：2024-12-06
申请号：CN201910995424.9
申请日：2019-10-18
Applicant: 北京大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了模型训练的方法和装置，属于机器学习技术领域。模型训练的方法包括：获取训练对象数据集、验证对象数据集和各对象的类别关联信息；对训练对象的图像进行特征提取，得到训练对象的视觉特征；基于训练对象的视觉特征、训练对象的类别描述信息和验证对象的类别描述信息，生成验证对象的视觉特征；基于各对象的类别关联信息、验证对象和训练对象的视觉特征，对验证对象和训练对象的视觉特征进行更新；基于各对象的类别关联信息、更新后的验证对象的视觉特征、训练对象的视觉特征和训练对象的视觉特征的标签进行模型训练。采用本申请，使用的验证对象的视觉特征更加适用于模型的训练，使得训练完后的模型在进行实际工作时的效果较好。
-
公开(公告)号：CN112820361B
公开(公告)日：2023-09-22
申请号：CN201911122108.7
申请日：2019-11-15
Applicant: 北京大学
Abstract: 本发明公布了一种基于对抗模仿学习的药物分子生成方法，基于对抗模仿学习与多任务强化学习生成药物分子，包括：构建有效药物分子库；建立改进的药物分子生成模型，包括：设计并实现多任务强化学习模块、设计并实现对抗模仿学习模块；模型预训练；执行药物分子生成流程；生成候选药物分子结果。采用本发明提供的技术方案，可有效促进药物分子生化性质的优化并提升模型训练的稳定性，得到更优的药物分子。
-
公开(公告)号：CN112820361A
公开(公告)日：2021-05-18
申请号：CN201911122108.7
申请日：2019-11-15
Applicant: 北京大学
Abstract: 本发明公布了一种基于对抗模仿学习的药物分子生成方法，基于对抗模仿学习与多任务强化学习生成药物分子，包括：构建有效药物分子库；建立改进的药物分子生成模型，包括：设计并实现多任务强化学习模块、设计并实现对抗模仿学习模块；模型预训练；执行药物分子生成流程；生成候选药物分子结果。采用本发明提供的技术方案，可有效促进药物分子生化性质的优化并提升模型训练的稳定性，得到更优的药物分子。
-
公开(公告)号：CN112686277A
公开(公告)日：2021-04-20
申请号：CN201910995424.9
申请日：2019-10-18
Applicant: 北京大学
Abstract: 本申请公开了模型训练的方法和装置，属于机器学习技术领域。模型训练的方法包括：获取训练对象数据集、验证对象数据集和各对象的类别关联信息；对训练对象的图像进行特征提取，得到训练对象的视觉特征；基于训练对象的视觉特征、训练对象的类别描述信息和验证对象的类别描述信息，生成验证对象的视觉特征；基于各对象的类别关联信息、验证对象和训练对象的视觉特征，对验证对象和训练对象的视觉特征进行更新；基于各对象的类别关联信息、更新后的验证对象的视觉特征、训练对象的视觉特征和训练对象的视觉特征的标签进行模型训练。采用本申请，使用的验证对象的视觉特征更加适用于模型的训练，使得训练完后的模型在进行实际工作时的效果较好。
-
-
-
Search Results
4
records
(took 0.017 seconds)
