[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

本發明涉及計算機數據處理技術領域，且公開了一種計算機數據模型訓練方法；本計算機數據模型訓練方法包括以下步驟：S1：數據獲取；S2：數據測試；S3：數據訓練；S4：參數獲取；S5：模型處理，本發明通過將訓練數據集分為支持集訓練數據和查詢集訓練數據進行組合式多樣訓練，使得在對計算機進行數據模型訓練時能夠利用少量數據進行組合后，完成多組以及多種訓練，從而提高整個模型的學習能力，為此模型在多種場景下應用提供了可能，通過多種統計量，提升了訓練效率以及模型的預測效果，且通過參數預處理矩陣可有效避免因參數失誤造成的模型參數錯誤，提高了整個模型運行的穩定性和準確性。

技術領域

本發明屬于計算機數據處理技術領域，具體為一種計算機數據模型訓練方法。

背景技術

數據模型是數據庫系統中用以提供信息表示和操作手段的形式構架，也是數據特征的抽象，數據模型從抽象層次上描述了系統的靜態特征、動態行為和約束條件，其描述的內容可分為數據結構、數據操作和數據約束三部分，數據結構:數據模型中的數據結構主要描述數據的類型、內容、性質以及數據間的聯系等。數據結構是數據模型的基礎，數據操作和約束都建立在數據結構上。不同的數據結構具有不同的操作和約束，數據操作:數據模型中數據操作主要描述在相應的數據結構上的操作類型和操作方式，數據約束：數據模型中的數據約束主要描述數據結構內數據間的語法、詞義聯系、他們之間的制約和依存關系，以及數據動態變化的規則，以保證數據的正確、有效和相容。

在對數據模型的構建過程中，需要對其進行數據模型訓練，現有的數據模型訓練方法一般依靠大量的數據來訓練得到模型參數，這種學習方法限制了模型在很多應用場景下的可行性：在具體的現實情況中，大量數據的獲取也是有難度的，在模型在訓練過程中只接觸了某一特定任務相關的數據樣本，在面對新任務時，其適應能力和泛化能力較弱，無法適配多種場景，且現有的數據模型訓練中無法對錯誤參數進行修正，影響了數據模型的穩定性和準確性；因此，針對目前的狀況，需對其進行改進。

發明內容

針對上述情況，為克服現有技術的缺陷，本發明提供一種計算機數據模型訓練方法，有效的解決了在對數據模型的構建過程中，需要對其進行數據模型訓練，現有的數據模型訓練方法一般依靠大量的數據來訓練得到模型參數，這種學習方法限制了模型在很多應用場景下的可行性：在具體的現實情況中，大量數據的獲取也是有難度的，在模型在訓練過程中只接觸了某一特定任務相關的數據樣本，在面對新任務時，其適應能力和泛化能力較弱，無法適配多種場景，且現有的數據模型訓練中無法對錯誤參數進行修正，影響了數據模型的穩定性和準確性的問題。

為實現上述目的，本發明提供如下技術方案：一種計算機數據模型訓練方法，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；