[發明專利]一種實現模型訓練的方法、裝置、計算機存儲介質及終端

在審

• 申請號: 202010075357.1
• 申請日: 2020-01-22
• 公開（公告）號: CN111310917A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 張杰;吳信東
• 申請（專利權）人: 北京明略軟件系統有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 王康;栗若木

1.一種實現模型訓練的方法，包括：

獲取由小樣本訓練模型的輸出結果；

以獲取的小樣本訓練模型的輸出結果作為無監督訓練的樣本之一，訓練獲得無監督學習模型。

2.根據權利要求1所述的方法，其特征在于，所述獲得無監督學習模型之后，所述方法還包括：

以所述無監督學習模型的輸出作為輸入，在小樣本訓練集上重新學習獲得所述小樣本訓練模型的分類器；或，

以所述無監督學習模型的輸出作為輸入，通過在線學習方法學習獲得所述小樣本訓練模型的分類器。

3.根據權利要求1或2所述的方法，其特征在于，所述獲取由小樣本訓練模型的輸出結果之前，所述方法還包括：

通過矩陣分解進行小樣本預訓練表示；

通過廣義線性模型對小樣本預訓練表示進行分類；

根據分類的小樣本預訓練表示進行訓練，獲得所述小樣本訓練模型。

4.根據權利要求1或2所述的方法，其特征在于，所述獲取由小樣本訓練模型的輸出結果之前，所述方法還包括：

配置深度神經網絡的第一網絡為小樣本預訓練表示的模型，第二網絡為分類器；

根據所述第一網絡和所述第二網絡訓練獲得所述小樣本訓練模型。

5.一種計算機存儲介質，所述計算機存儲介質中存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1～4中任一項所述的實現模型訓練的方法。

6.一種終端，包括：存儲器和處理器，所述存儲中保存有計算機程序；其中，

處理器被配置為執行存儲器中的計算機程序；

所述計算機程序被所述處理器執行時實現如執行權利要求1～4中任一項所述的實現模型訓練的方法。

7.一種實現模型訓練的裝置，包括：獲取單元和無監督訓練單元；其中，

獲取單元用于：獲取由小樣本訓練模型的輸出結果；

無監督訓練單元用于：以獲取的小樣本訓練模型的輸出結果作為無監督訓練的樣本之一，訓練獲得無監督學習模型。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括分類訓練單元，用于：

以所述無監督學習模型的輸出作為輸入，在小樣本訓練集上重新學習獲得所述小樣本訓練模型的分類器；或，

以所述無監督學習模型的輸出作為輸入，通過在線學習方法學習獲得所述小樣本訓練模型的分類器。

9.根據權利要求7或8所述的裝置，其特征在于，所述裝置還包括小樣本訓練單元，用于：

通過矩陣分解進行小樣本預訓練表示；

通過廣義線性模型對小樣本預訓練表示進行分類；

根據分類的小樣本預訓練表示進行訓練，獲得所述小樣本訓練模型。

10.根據權利要求7或8所述的裝置，其特征在于，所述裝置還包括小樣本訓練單元，用于：

配置深度神經網絡的第一網絡為小樣本預訓練表示的模型，第二網絡為分類器；

根據所述第一網絡和所述第二網絡訓練獲得所述小樣本訓練模型。