[发明专利]模型训练方法与设备、预测方法与设备、数据处理设备、介质在审
| 申请号： | 201910105724.5 | 申请日： | 2019-02-01 |
| 公开（公告）号： | CN109858625A | 公开（公告）日： | 2019-06-07 |
| 发明（设计）人： | 石秋萍 | 申请（专利权）人： | 北京奇艺世纪科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06Q30/02 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 莎日娜 |
| 地址： | 100080 北京市海淀*** | 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： | 本发明公开了模型训练方法与设备、预测方法与设备、数据处理设备、介质。一种网络模型训练方法包括：获取历史样本的原始数据信息；对原始数据信息进行特征提取以得到历史特征，所述历史特征经过变换处理，得到历史特征向量；利用历史特征向量来生成模拟特征；将模拟特征与历史特征结合作为训练特征集，经过特征变换后来训练深度神经网络模型。通过利用真实的历史数据，经由深度学习模型生成模拟数据，解决了样本缺少的问题，并通过结合历史数据与模拟数据来训练深度神经网络模型以便对数据进行预测，能够有效提高数据预测的准确率。 | ||
| 搜索关键词： | 历史特征 历史特征向量 神经网络模型 数据处理设备 原始数据信息 历史数据 模拟数据 模拟特征 模型训练 预测 变换处理 历史样本 模型生成 数据预测 特征变换 特征提取 网络模型 特征集 准确率 样本 学习 | ||
【主权项】：
1.一种深度神经网络模型训练方法，其特征在于，包括：数据获取步骤，获取历史样本的原始数据信息；特征提取变换步骤，对所述原始数据信息进行特征提取以得到历史特征，所述历史特征经过变换处理，得到历史特征向量；模拟特征生成步骤，利用所述历史特征向量来生成模拟特征；以及网络模型训练步骤，将所述模拟特征与所述历史特征结合作为训练样本的特征集，经过特征变换后来训练深度神经网络模型。
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奇艺世纪科技有限公司，未经北京奇艺世纪科技有限公司许可，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/201910105724.5/，转载请声明来源钻瓜专利网。
