[发明专利]一种间歇式机器学习训练方法在审
| 申请号： | 202011382607.2 | 申请日： | 2020-12-01 |
| 公开（公告）号： | CN112580820A | 公开（公告）日： | 2021-03-30 |
| 发明（设计）人： | 黄成强;钟福如;凌琴;甘再兴 | 申请（专利权）人： | 遵义师范学院 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06N3/08;G06K9/62 |
| 代理公司： | 贵州派腾知识产权代理有限公司 52114 | 代理人： | 宋妍丽 |
| 地址： | 563000 贵*** | 国省代码： | 贵州;52 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 间歇 机器 学习 训练 方法 | ||
1.一种间歇式机器学习训练方法，其特征在于：包括如下步骤：
①任务分解：将一项机器学习的训练任务，分解成多个子任务；
②训练衔接：对每一子任务分别训练，除第一项开始的子任务之外，每一子任务开始前均做衔接处理。
2.如权利要求1所述的间歇式机器学习训练方法，其特征在于：所述衔接处理包括对训练结果的衔接处理、对超参数的衔接处理、对训练曲线的衔接处理。
3.如权利要求2所述的间歇式机器学习训练方法，其特征在于：所述对训练结果的衔接处理为，每一子任务在进行时，以迁移学习的方式导入前次进行的子任务训练结果作为初始值。
4.如权利要求2所述的间歇式机器学习训练方法，其特征在于：所述对超参数的衔接处理为按照每一子任务在进行时，以迁移学习的方式导入前次进行的子任务的超参数设置作为设置值。
5.如权利要求2所述的间歇式机器学习训练方法，其特征在于：对训练曲线的衔接处理为按照每一子任务在进行时，以迁移学习的方式导入前次进行的子任务的损失函数值、准确度。
6.如权利要求1所述的间歇式机器学习训练方法，其特征在于：所述多个子任务的损失函数一致。
7.如权利要求1所述的间歇式机器学习训练方法，其特征在于：所述多个子任务的学习率按照如下方式调整：
a.固定学习率模式：多个子任务的学习率一致；
b.学习率衰减模式：多个子任务的学习率根据衰减机制，按照每一子任务作为一个分段，计算分段衰减值并分配于子任务。
8.如权利要求1所述的间歇式机器学习训练方法，其特征在于：所述分解成多个子任务，是按照训练周期的数量进行均分。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于遵义师范学院，未经遵义师范学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011382607.2/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种河岸防护结构的施工方法
- 下一篇：多功能自动化测试工具及测试方法
