原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种自适应惩罚的模型融合方法。给定一个训练数据集、一个测试数据集、以及训练好的多个模型。每一个人工智能模型均采用训练数据集行遍历推理，得到该人工智能模型的预测结果；对各个人工智能模型的性能排序。寻找每一个人工智能模型的负例预测结果子集的第99百分位数作为该人工智能模型的信任阈值。取测试数据集中的任意一个测试样本，判断每一个人工智能模型对该测试样本的预测概率值是否大于或等于该人工智能模型的信任阈值。如果是，对预测概率值不做惩罚处理。如果否，得到惩罚后的预测概率值。本发明能够快速获得精度
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117709489A
(43)申请公布日2024.03.15
(21)申请号202311821611.8G06F18/214(2023.01)
文档评论（0）