[发明专利]训练模型的训练时长预测方法及装置在审
| 申请号： | 201910782983.1 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110516805A | 公开（公告）日： | 2019-11-29 |
| 发明（设计）人： | 张书博 | 申请（专利权）人： | 广东浪潮大数据研究有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 11227 北京集佳知识产权代理有限公司 | 代理人： | 李伟<国际申请>=<国际公布>=<进入国 |
| 地址： | 510620 广东省广州市天河区*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种训练模型的训练时长预测方法及装置，包括：当训练模型进行迭代训练时，确定训练模型的当前迭代训练的训练时长；获取与当前迭代训练对应的第一预测训练时长；将训练时长输入预先训练完成的LSTM模型中，得到LSTM模型输出的第二预测训练时长；依据第一预测训练时长，和预设的卡尔曼滤波算法对第二预测训练时长进行修正，得到修正后的修正预测训练时长，将修正预测训练时长保存至预设的数据表中；将修正预测训练时长确定为训练模型的下一次迭代训练的预测训练时长。本发明应用LSTM模型得到训练模型进行下一次迭代训练的预测训练时长，并应用卡尔曼滤波算法对预测训练时长进行修正，以得到更加准确的预测训练时长。 | ||
| 搜索关键词： | 时长 预测 训练模型 修正 迭代训练 卡尔曼滤波算法 一次迭代 预设 时长确定 时长预测 应用 输出 保存 | ||
【主权项】：
1.一种训练模型的训练时长预测方法，其特征在于，包括：/n当训练模型进行迭代训练时，确定所述训练模型的当前迭代训练的训练时长；/n获取与所述当前迭代训练对应的第一预测训练时长；/n将所述训练时长输入预先训练完成的长短期记忆网络LSTM模型中，得到所述LSTM模型输出的第二预测训练时长；/n依据所述第一预测训练时长，并应用预设的卡尔曼滤波算法对所述第二预测训练时长进行修正，得到与所述第二预测训练时长对应的修正预测训练时长，将所述修正预测训练时长保存至预设的数据表中；/n将所述修正预测训练时长确定为所述训练模型的下一次迭代训练的预测训练时长。/n
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广东浪潮大数据研究有限公司，未经广东浪潮大数据研究有限公司许可，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/201910782983.1/，转载请声明来源钻瓜专利网。
- 上一篇：模型训练方法及装置
- 下一篇：神经网络参数矩阵的稀疏化方法和装置
