一种应用群智监督学习方法的系统

发明专利有效专利

申请号：
CN202010475504.4
IPC分类号：G06N3/08
申请日期：
2020-05-29
申请人：
北京航空航天大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种应用群智监督学习方法的系统
申请号	CN202010475504.4	申请日期	2020-05-29
法律状态	实质审查	申报国家	中国
公开/公告日	2020-09-29	公开/公告号	CN111723930A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8查看分类表>
申请人	北京航空航天大学	申请人地址	北京市海淀区学院路37号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京航空航天大学	当前权利人	北京航空航天大学
发明人	孙海龙;陈志珺;陈鹏鹏;王惠民
代理机构	北京中创阳光知识产权代理有限责任公司	代理人	尹振启

摘要

本发明提出一种群智监督学习方法的系统，包括数据输入、众包标注学习、数据输出三个结构。在众包标注学习过程中分别构建了结构化概率模型SpeeLFC和SpeeLFC‑D,两者以不同的手段刻画了工人转移矩阵以刻画工人表现模型，但都保证了“真值分布”，“工人能力”与“工人标注分布”这三个关键因素之间的概率依存关系，进而在工人标注质量不变以及只利用基于梯度优化算法来进行端对端神经网络学习的基础上，得到更为稳定和可解释的分类器输出。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供