[发明专利]在线训练方法、装置、系统及计算机可读存储介质在审
| 申请号： | 201811558958.7 | 申请日： | 2018-12-19 |
| 公开（公告）号： | CN109635948A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 姜春阳;孔东营 | 申请（专利权）人： | 北京达佳互联信息技术有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京三高永信知识产权代理有限责任公司 11138 | 代理人： | 唐述灿 |
| 地址： | 100084 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本公开是关于一种在线训练方法、装置、系统及计算机可读存储介质，属于深度学习领域。所述方法将深度神经网络模型的所有模型参数分成多个部分，当获取到实时的训练样本数据时，采用与该实时训练数据对应的模型参数对该深度神经网络模型进行训练，得到每个模型参数的梯度信息；基于每个模型参数的梯度信息以及与该实时训练数据对应的模型参数，获取至少一个目标模型参数；基于该至少一个目标模型参数以及该每个模型参数的梯度信息，更新该深度神经网络模型，来实现在线训练模型的目的。 | ||
| 搜索关键词： | 模型参数 神经网络模型 梯度信息 计算机可读存储介质 目标模型参数 实时训练 数据对应 在线训练 训练样本数据 在线训练模型 更新 学习 | ||
【主权项】：
1.一种在线训练方法，其特征在于，包括：基于实时的训练样本数据，获取所述训练样本数据对应的模型参数集合，所述模型参数集合包括深度神经网络模型的部分模型参数；基于所述训练样本数据以及所述模型参数集合，获取所述模型参数集合中的至少一个模型参数的梯度信息，每个梯度信息用于指示一个模型参数的更新方向；基于所述至少一个模型参数的梯度信息以及所述至少一个模型参数，获取至少一个目标模型参数；基于所述至少一个模型参数的梯度信息以及所述至少一个目标模型参数，对所述深度神经网络模型进行更新，得到目标模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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北京达佳互联信息技术有限公司，未经北京达佳互联信息技术有限公司许可，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/patent/201811558958.7/，转载请声明来源钻瓜专利网。
