[发明专利]计算机实施方法、计算机系统及计算机编程产品

权利要求书

1.一种计算机实施方法，用于清洗一神经网络的训练数据，其中，包括：

存取一标签训练数据集；

使用该标签训练数据集的一第一子集以训练该神经网络的一第一模型；

使用该第一模型过滤该标签训练数据集的一第二子集，以提供该第二子集的一第一已模型过滤子集；

使用该第二子集的该第一已模型过滤子集训练该神经网络的一第一优化模型；

使用该第一优化模型过滤该第一子集，以提供该第一子集的一第一已优化模型过滤子集；

使用该第一子集的该第一已优化模型过滤子集训练该神经网络的一第二优化模型；以及

使用该第二优化模型过滤该标签训练数据集的该第二子集，以提供该第二子集的一第二已优化模型过滤子集。

2.根据权利要求1所述的计算机实施方法，其中，包括：

组合该第一已优化模型过滤子集与该第二子集的该第二已优化模型过滤子集以提供一已过滤训练集；

使用该已过滤训练集训练一目标神经网络的一输出模型；以及

存储该输出模型至存储器中。

3.根据权利要求1所述的计算机实施方法，其中，相较于该第一已模型过滤子集，该第二已优化模型过滤子集具有更多的元素数量。

4.根据权利要求1所述的计算机实施方法，其中，该第一子集与该第二子集不重叠。

5.根据权利要求1所述的计算机实施方法，其中，使用该第一优化模型过滤该第一子集的步骤包括：

在该第一子集上使用该第一优化模型执行该神经网络，以产生归类于该第一子集的一数据元素的一归类数据；

选择具有匹配于该归类数据的标签的该第一子集的该数据元素，以提供该第一子集的该第一已优化模型过滤子集。

6.根据权利要求2所述的计算机实施方法，其中，将该输出模型加载至一推论引擎中的该目标神经网络。

7.根据权利要求1所述的计算机实施方法，其中，包括：

步骤S1：迭代地使用该第一子集与该第二子集的其中之一的预先提供的已优化模型过滤子集以训练该神经网络的一实时优化模型；

步骤S2迭代地使用该实时优化模型过滤该第一子集与该第二子集的另外一个，以提供该第一子集与该第二子集的另外一个的一实时优化模型过滤子集；以及

步骤S3迭代地确定是否满足一迭代标准，若未满足该迭代标准，则执行步骤S1至步骤S3，以及若满足该迭代标准，则使用该第一子集的已选定模型过滤优化子集以及该第二子集的已选定模型过滤子集的组合，以产生该神经网络的一训练模型。

8.根据权利要求7所述的计算机实施方法，其中，将一输出模型加载至一推论引擎中的一目标神经网络。

9.一种计算机系统，其中，配置于清洗一神经网络的训练数据，该计算机系统包括：

一或多个处理器与存储器，存储计算机编程指令，该计算机编程指令配置于执行一过程，该过程包括：

存取一标签训练数据集；

使用该标签训练数据集的一第一子集以训练该神经网络的一第一模型；

使用该第一模型过滤该标签训练数据集的一第二子集，以提供该第二子集的一第一已模型过滤子集；

使用该第二子集的该第一已模型过滤子集训练该神经网络的一第一优化模型；

使用该第一优化模型过滤该第一子集，以提供该第一子集的一第一已优化模型过滤子集；

使用该第一子集的该第一已优化模型过滤子集训练该神经网络的一第二优化模型；以及

使用该第二优化模型过滤该标签训练数据集的该第二子集，以提供该第二子集的一第二已优化模型过滤子集。

10.根据权利要求9所述的计算机系统，其中，该过程还包括：

组合该第一已优化模型过滤子集与该第二子集的该第二已优化模型过滤子集以提供一已过滤训练集；

使用该已过滤训练集训练一目标神经网络的一输出模型；以及

存储该输出模型至该存储器中。