[發明專利]一種在機器學習中調整模型參數的方法及裝置在審
| 申請號： | 201910588359.8 | 申請日： | 2019-07-01 |
| 公開（公告）號： | CN110298448A | 公開（公告）日： | 2019-10-01 |
| 發明（設計）人： | 龔俊衡;徐瑩 | 申請（專利權）人： | 成都品果科技有限公司 |
| 主分類號： | G06N20/00 | 分類號： | G06N20/00 |
| 代理公司： | 成都高遠知識產權代理事務所(普通合伙) 51222 | 代理人： | 曾克;施磊 |
| 地址： | 610000 四川省成都市*** | 國省代碼： | 四川;51 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 網絡模型 模型參數 機器學習 數據標簽 數據類型 損失函數 模型參數訓練 參數調整 策略選取 工作效率 循環執行 訓練步驟 獎勵 收斂 查找 更新 優化 | ||
1.一種在機器學習中調整模型參數的方法，其特征在于，包括：
S1：獲取輸入數據；所述輸入數據中包括數據標簽；
S2：判斷所述數據標簽的數據類型；
S3：根據所述數據類型，選取待訓練的網絡模型，并選取用于優化所述網絡模型的損失函數；
S4：根據當前策略選取所述網絡模型的模型參數；
S5：采用所述模型參數訓練所述網絡模型，并根據所述損失函數計算損失值；將所述損失值作為當前策略的獎勵；
S6：根據所述獎勵更新當前策略，并循環執行步驟S4～S5，直至當前策略收斂。
2.根據權利要求1所述的在機器學習中調整模型參數的方法，其特征在于，所述數據類型包括：連續型，類別型；
當所述數據類型為連續型時，所述待訓練的網絡模型為回歸網絡模型，所述損失函數為回歸損失函數；
當所述數據類型為類別型時，所述待訓練的網絡模型為分類網絡模型，所述損失函數為分類損失函數。
3.根據權利要求1所述的在機器學習中調整模型參數的方法，其特征在于，判斷所述當前策略收斂的方法包括：
在循環執行步驟S4～S5的過程中，相鄰兩次所述獎勵不變。
4.一種在機器學習中調整模型參數的裝置，其特征在于，包括：
獲取單元，用于獲取輸入數據；所述輸入數據中包括數據標簽；
判斷單元，用于判斷所述數據標簽的數據類型；
第一選取單元，用于根據所述數據類型，選取待訓練的網絡模型，并選取用于優化所述網絡模型的損失函數；
第二選取單元，用于根據當前策略選取所述網絡模型的模型參數；
模型訓練單元，用于采用所述模型參數訓練所述網絡模型，并根據所述損失函數計算損失值；將所述損失值作為當前策略的獎勵；
更新單元，用于根據所述獎勵更新當前策略；
所述更新單元、所述第二選取單元、所述模型訓練單元依次循環地進行參數傳遞，直至當前策略收斂。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于成都品果科技有限公司，未經成都品果科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910588359.8/1.html，轉載請聲明來源鉆瓜專利網。
