公开(公告)号：CN116391193B

公开(公告)日：2024-06-21

申请号：CN202080106197.0

申请日：2020-10-15

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： 朱军 ,  鲍凡 ,  李崇轩 ,  许堃 ,  苏航 ,  卢思亮

IPC: G06N3/096 ,  G06N3/0475 ,  G06N3/0464

Abstract: 本发明提供了用于以基于能量的潜变量模型(EBLVM)为基础来训练神经网络的方法和设备。该方法包括基于得分匹配目标的双水平优化。较低水平优化潜变量的变分后验分布以近似EBLVM的真实后验分布，并且较高水平基于作为变分后验分布的函数的修改的SM目标来优化神经网络参数。该方法可以应用于基于具有非结构假设的EBLVM来训练神经网络。

公开(公告)号：CN116391193A

公开(公告)日：2023-07-04

申请号：CN202080106197.0

申请日：2020-10-15

Applicant: 罗伯特·博世有限公司 ,  清华大学

Inventor： 朱军 ,  鲍凡 ,  李崇轩 ,  许堃 ,  苏航 ,  卢思亮

IPC: G06N3/096 ,  G06N3/0475 ,  G06N3/0464

Abstract: 本发明提供了用于以基于能量的潜变量模型(EBLVM)为基础来训练神经网络的方法和设备。该方法包括基于得分匹配目标的双水平优化。较低水平优化潜变量的变分后验分布以近似EBLVM的真实后验分布，并且较高水平基于作为变分后验分布的函数的修改的SM目标来优化神经网络参数。该方法可以应用于基于具有非结构假设的EBLVM来训练神经网络。

公开(公告)号：CN107273978B

公开(公告)日：2019-11-12

申请号：CN201710381332.2

申请日：2017-05-25

Applicant: 清华大学

Inventor： 朱军 ,  李崇轩 ,  许堃 ,  张钹

IPC: G06N20/00 ,  G06N7/00 ,  G06N3/08

Abstract: 本发明实施例提供一种三模型博弈的产生式对抗网络模型的建立方法及装置。所述方法包括：初始化分类子模型、生成子模型和判别子模型；根据获取的图像‑类别数据集、无类别图像数据集和类别信息集构成训练数据集合；对第一参数目标函数、第二参数目标函数和第三参数目标函数进行优化，获得优化后判别子模型、优化后分类子模型、优化后生成子模型；优化后判别子模型、优化后分类子模型和优化后生成子模型即为产生式对抗网络模型。所述装置用于执行所述方法。本发明实施例通过训练数据集合分别优化判别子模型、分类子模型和生成子模型中的参数，所得优化后的产生式对抗网络模型在半监督情况下显著提高了分类准确率并具有产生特定类别图片的能力。

公开(公告)号：CN110046694A

公开(公告)日：2019-07-23

申请号：CN201910247718.3

申请日：2019-03-29

Applicant: 清华大学

Inventor： 朱军 ,  庞天宇 ,  许堃 ,  杜超 ,  陈宁

IPC: G06N3/04

Abstract: 本发明实施例提供一种集成模型的自适应多样性增强训练方法及装置，将待训练的集成模型作为目标集成模型，根据目标集成模型中各个子模型的输出获得目标正则项，并将目标正则项加入到目标集成模型的每个子模型的迭代训练过程中，当且仅当目标集成模型中的所有子模型均训练至收敛状态时，则确定目标集成模型训练完成。该方法及装置所引入的目标正则项中充分考虑了目标集成模型中的各个子模型之间的相互作用，将目标正则项加入到目标集成模型的每个子模型的迭代训练中，有利于提高目标集成模型的鲁棒性和可靠性。

公开(公告)号：CN107273978A

公开(公告)日：2017-10-20

申请号：CN201710381332.2

申请日：2017-05-25

Applicant: 清华大学

Inventor： 朱军 ,  李崇轩 ,  许堃 ,  张钹

IPC: G06N99/00 ,  G06N7/00 ,  G06N3/08

Abstract: 本发明实施例提供一种三模型博弈的产生式对抗网络模型的建立方法及装置。所述方法包括：初始化分类子模型、生成子模型和判别子模型；根据获取的图像-类别数据集、无类别图像数据集和类别信息集构成训练数据集合；对第一参数目标函数、第二参数目标函数和第三参数目标函数进行优化，获得优化后判别子模型、优化后分类子模型、优化后生成子模型；优化后判别子模型、优化后分类子模型和优化后生成子模型即为产生式对抗网络模型。所述装置用于执行所述方法。本发明实施例通过训练数据集合分别优化判别子模型、分类子模型和生成子模型中的参数，所得优化后的产生式对抗网络模型在半监督情况下显著提高了分类准确率并具有产生特定类别图片的能力。

公开(公告)号：CN118797862A

公开(公告)日：2024-10-18

申请号：CN202410861957.9

申请日：2024-06-28

Applicant: 北京航天长城卫星导航科技有限公司 ,  清华大学

Inventor： 郜燕芳 ,  王琛 ,  孙卫东 ,  许堃 ,  张思勉 ,  曲鹏程 ,  邓晓楠 ,  潘佩珠 ,  刘佳宁

IPC: G06F30/18

Abstract: 本发明提供一种不规则区域内环境感知设备优化选址方法、系统、存储介质和电子设备，涉及环境感知设备优化选址领域。本发明中，将被包含在不规则区域内的规则格网作为第一目标格网，提取每一第一目标格网的中心点，以生成第一目标位置点集合；将与不规则区域相交的规则格网作为第二目标格网，计算每一区域边界格网的特征属性，筛选满足预设条件的区域边界格网；提取每一筛选出的区域边界格网的中心点，以生成第二目标位置点集合；合并两个目标位置点集合后，输出用于布设环境感知设备的第三目标位置点集合。在传统均匀网格算法的基础上，结合环境感知设备布设的真实需求，优化目标区域边界附近选点策略，确保环境感知设备选址的全面性、均匀性。