[發明專利]一種計算機數據模型訓練方法

在審

• 申請號: 202110557245.4
• 申請日: 2021-05-21
• 公開（公告）號: CN113065613A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 成樂;王秀燕;姜華;姜曉剛;于倩
• 申請（專利權）人: 濱州職業學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F21/60;G06F16/21;G06F16/2455
• 代理公司: 成都中弘信知識產權代理有限公司 51309
• 代理人: 張芳

1.一種計算機數據模型訓練方法，其特征在于：包括以下步驟：

S1：數據獲取：根據數據模型的類型，獲取對應的訓練數據集，所述訓練數據集包括多組訓練多組訓練數據，通過加密單元對獲得的多組訓練數據進行加密，以此得到加密訓練數據，將此加密訓練數據分類為支持集訓練數據和查詢集訓練數據，支持集訓練數據和查詢集訓練數據之間具有層級函數關系；

S2：數據測試：將上述步驟S1中的得到的支持集訓練數據和查詢集訓練數據分別導入數據模型，利用context-set方法以及輸入的觀測值使得數據模型對支持集訓練數據和查詢集訓練數據進行反復訓練模擬學習，即模型在對查詢集訓練數據進行學習訓練時忽略支持集訓練數據的信息，在對支持集訓練數據進行學習訓練時忽略查詢集訓練數據的信息，使得支持集訓練數據和查詢集訓練數據之間的數據交互值無限接近于0；

S3：數據訓練：在上述步驟S2的基礎上，利用實例標準化的訓練方法對支持集訓練數據和查詢集訓練數據進行維度歸一化的模型訓練，利用層標準化的訓練方法對支持集訓練數據和查詢集訓練數據進行多通道維度的模型訓練，利用直批標準化的訓練方法對支持集訓練數據和查詢集訓練數據進行統計量差異化的模型訓練，利用任務標準化的訓練方法對支持集訓練數據和查詢集訓練數據進行任務級別統計量的模型訓練，利用元批量標準化的訓練方法對支持集訓練數據和查詢集訓練數據進行均值以及方差的基本化的模型訓練，以此完成對數據模型的所有數據訓練；

S4：參數獲取：通過上述步驟S2以及步驟S3得到模型參數，此模型參數包括參數預處理矩陣以及訓練模型參數，所述參數預處理矩陣通過在task-learner網絡模型的各層之間交叉放置非線性激活層產生，且所述參數預處理矩陣參數為meta-learned；

S5：模型處理：在上述步驟S4已經獲取模型參數的基礎上，通過加密單元對模型參數進行加密，以此得到加密模型參數，從而完成對計算機數據模型的訓練。

2.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述步驟S1中，加密單元為基于Data-Encryption-Standard數據加密技術、單向函數數據加密技術、單向Hash函數加密技術或RSA算法加密技術中的一種或多種的技術集成加密系統。

3.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述步驟S1中，加密單元的工作流程為：根據多組訓練數據，確定第一隨機分布噪聲函數；基于所述第一隨機分布噪聲函數對所述訓練集進行加噪處理；且根據所述模型參數，確定第二隨機分布噪聲函數；基于所述第二隨機分布噪聲函數對所述模型參數進行加噪處理。

4.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述步驟S2中，當對支持集訓練數據進行測試時，查詢集訓練數據中的隨機數據作為觀測值，當對查詢集訓練數據進行測試時，支持集訓練數據中的隨機數據作為觀測值。

5.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述步驟S4中，參數預處理矩陣用于判斷及修正訓練模型參數的數據，參數預處理矩陣為回落式梯度曲線。

6.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述步驟S5中，加密模型參數為信息獲取模型、布爾模型或模糊集模型中的一種或多種的組合。

7.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述步驟S5中，加密單元為基于序列加密算法以及分組加密算法的數據加密系統。

8.根據權利要求1所述的一種計算機數據模型訓練方法，其特征在于：所述訓練數據集的獲取方法包括關聯模型操作數據庫、定向網絡爬蟲或自助式開源數據集中的一種或多種的組合。