提供商网络中的机器学习模型的基于动态准确度的部署和监测方法及系统

被引：0

专利类型：

发明

申请号：

CN201880075509.9

申请日：

2018-11-16

公开(公告)号：

CN111527499B

公开(公告)日：

2024-03-26

发明(设计)人：

小托马斯·A·福尔哈伯 E·利伯蒂 S·史蒂芬妮 Z·卡尔宁 C·威利 S·A·洛伊普基 S·西瓦苏布拉马尼亚 A·J·斯莫拉 T·古德哈特

申请人：

亚马逊技术股份有限公司

申请人地址：

美国华盛顿州

IPC主分类号：

G06N3/08

IPC分类号：

G06N20/00

代理机构：

上海专利商标事务所有限公司 31100

代理人：

钱慰民;黄嵩泉

法律状态：

授权

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2024-03-26	授权	授权

共 50 条

[1]

提供商网络中的机器学习模型的基于动态准确度的部署和监测 [P].

小托马斯·A·福尔哈伯 ;

E·利伯蒂 ;

S·史蒂芬妮 ;

Z·卡尔宁 ;

C·威利 ;

S·A·洛伊普基 ;

S·西瓦苏布拉马尼亚 ;

A·J·斯莫拉 ;

T·古德哈特 .

中国专利 :CN111527499A ,2020-08-11

[2]

评估机器学习模型的准确度 [P].

周素译 ;

迪帕克·拉马穆尔蒂·西瓦拉玛普拉姆·钱德拉塞克兰 ;

傅博 ;

普拉奇·古普塔 ;

库纳·贾殷 ;

托马斯·普赖斯 ;

萨尔夫吉特·辛格 ;

谢洁锐 .

中国专利 :CN109155012A ,2019-01-04

[3]

基于比较模型参数的准确度训练机器学习模型的处理器和系统 [P].

F·米莱塔里 ;

M·鲍斯特 ;

N·里克 ;

李文琦 ;

徐大光 ;

A·冯 ;

欧榕 ;

程岩 .

美国专利 :CN118503697A ,2024-08-16

[4]

使用超参数预测器提高自动机器学习模型选择的准确度 [P].

H·F·莫汉达姆 ;

S·阿格尔沃 ;

V·瓦拉达拉珍 ;

A·雅科夫列夫 ;

S·伊蒂库拉 ;

N·阿格尔沃 .

中国专利 :CN114008641A ,2022-02-01

[5]

对机器学习模型创作和部署的主动监测和学习 [P].

洪俊杓 ;

文卡塔·拉特南·萨里帕利 ;

戈帕尔·B·阿维纳什 ;

卡利·马蒂·约德 ;

基思·比奇洛 .

中国专利 :CN112349393A ,2021-02-09

[6]

一种基于机器学习的高准确度网站敏感词检测方法 [P].

江辉云 ;

范渊 .

中国专利 :CN110750981A ,2020-02-04

[7]

调节机器学习模型的方法和调节机器学习模型的系统 [P].

罗伯特·比尔克 ;

拉斐尔·艾登本茨 ;

伊万尼-安尼·皮格诺莱特 ;

亚历山德拉·莫加 ;

斯里尼·拉玛斯瓦米 .

中国专利 :CN113867930A ,2021-12-31

[8]

基于成像的测定的有效训练和准确度改进 [P].

李星 ;

周芜 ;

斯蒂芬·Y·周 ;

丁惟 ;

戚骥 .

中国专利 :CN113966522A ,2022-01-21

[9]

基于成像的测定的有效训练和准确度改进 [P].

李星 ;

周芜 ;

斯蒂芬·Y·周 ;

丁惟 ;

戚骥 .

中国专利 :CN113966522B ,2025-09-05

[10]

用于使用强化学习来提高机器学习模型标签准确度的方法、系统和计算机程序产品 [P].

杨沛 .

美国专利 :CN120359525A ,2025-07-22

← 1 2 3 4 5 →