• / 21
  • 下載費用:30 金幣  

一種獲取訓練參數的方法及裝置.pdf

摘要
申請專利號:

CN201410114054.0

申請日:

2014.03.25

公開號:

CN104951637A

公開日:

2015.09.30

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效 IPC(主分類):G06F 19/00申請日:20140325|||公開
IPC分類號: G06F19/00(2011.01)I 主分類號: G06F19/00
申請人: 騰訊科技(深圳)有限公司
發明人: 吳小平
地址: 518000廣東省深圳市福田區振興路賽格科技園2棟東403室
優先權:
專利代理機構: 北京三高永信知識產權代理有限責任公司11138 代理人: 滕一斌
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201410114054.0

授權公告號:

||||||

法律狀態公告日:

2018.04.03|||2015.11.04|||2015.09.30

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種獲取訓練參數的方法及裝置,屬于計算機技術領域。所述方法包括:獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;從訓練參數的取值區間中獲取訓練參數。所述裝置包括:第一獲取模塊、第二獲取模塊和第三獲取模塊。本發明能夠降低訓練模型對序列信息進行預測分析的錯誤率。

權利要求書

權利要求書
1.  一種獲取訓練參數的方法,其特征在于,所述方法包括:
獲取第一參數取值區間和精度值,所述第一參數取值區間包括訓練參數,所述精度值為獲取所述訓練參數的精確程度;
根據所述精度值從所述第一參數取值區間中獲取所述訓練參數的取值區間,所述訓練參數的取值區間滿足預設精度條件;
從所述訓練參數的取值區間中獲取所述訓練參數。

2.  如權利要求1所述的方法,其特征在于,所述根據所述精度值從所述第一參數取值區間中獲取所述訓練參數的取值區間,包括:
根據預設的第一優化系數和第二優化系數從所述第一參數取值區間中確定一個區間并將所述區間作為第二參數取值區間;
如果所述第二參數取值區間滿足預設精度條件,則將所述第二參數取值區間確定為所述訓練參數的取值區間,所述預設精度條件為所述第二參數取值區間的區間長度不超過所述精度值或所述第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過所述精度值。

3.  如權利要求2所述的方法,其特征在于,所述方法還包括:
如果所述第二參數取值區間不滿足所述預設精度條件且所述第二參數取值區間的下限值對應的錯誤概率大于上限值對應的錯誤概率,則設置所述第一參數取值區間的下限值為所述第二參數取值區間的下限值;
根據所述第二優化系數、所述第一參數取值區間的下限值和上限值從所述第一參數取值區間中確定一個區間并將所述第二參數取值區間更新為所述區間。

4.  如權利要求3所述的方法,其特征在于,所述根據所述第二優化系數、所述第一參數取值區間的下限值和上限值從所述第一參數取值區間中確定一個區間并將所述第二參數取值區間更新為所述區間,包括:
獲取所述第二參數取值區間的上限值;
根據所述第二優化系數、所述第一參數取值區間的下限值和上限值計算第一數值;
確定一個區間,所述區間的下限值為所述獲取的上限值以及上限值為所述第一數值,并將所述第二參數取值區間更新為所述區間。

5.  如權利要求2所述的方法,其特征在于,所述方法還包括:
如果所述第二參數取值區間不滿足所述預設精度條件且所述第二參數取值區間的下限值對應的錯誤概率小于或等于上限值對應的錯誤概率,則設置所述第一參數取值區間的上限值為所述第二參數取值區間的上限值;
根據所述第一優化系數、所述第一參數取值區間的下限值和上限值從所述第一參數取值區間中確定一個區間并將所述第二參數取值區間更新為所述區間。

6.  如權利要求5所述的方法,其特征在于,所述根據所述第一優化系數、所述第一參數取值區間的下限值和上限值從所述第一參數取值區間中確定一個區間并將所述第二參數取值區間更新為所述區間,包括:
獲取所述第二參數取值區間的下限值;
根據所述第一優化系數、所述第一參數取值區間的下限值和上限值計算第二數值;
確定一個區間,所述區間的上限值為所述獲取的下限值以及下限值為所述第二數值,將所述第二參數取值區間更新為所述區間。

7.  如權利要求1所述的方法,其特征在于,所述從所述訓練參數的取值區間中獲取所述訓練參數,包括:
獲取所述訓練參數的取值區間的中間值并將所述中間值確定為所述訓練參數。

8.  一種獲取訓練參數的裝置,其特征在于,所述裝置包括:
第一獲取模塊,用于獲取第一參數取值區間和精度值,所述第一參數取值區間包括訓練參數,所述精度值為獲取所述訓練參數的精確程度;
第二獲取模塊,用于根據所述精度值從所述第一參數取值區間中獲取所述訓練參數的取值區間,所述訓練參數的取值區間滿足預設精度條件;
第三獲取模塊,用于從所述訓練參數的取值區間中獲取所述訓練參數。

9.  如權利要求8所述的裝置,其特征在于,所述第二獲取模塊包括:
第一確定單元,用于根據預設的第一優化系數和第二優化系數從所述第一參數取值區間中確定一個區間并將所述區間作為第二參數取值區間;
第二確定單元,用于如果所述第二參數取值區間滿足預設精度條件,則將所述第二參數取值區間確定為所述訓練參數的取值區間,所述預設精度條件為所述第二參數取值區間的區間長度不超過所述精度值或所述第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過所述精度值。

10.  如權利要求9所述的裝置,其特征在于,所述第二獲取模塊,還包括:
第一設置單元,用于如果所述第二參數取值區間不滿足所述預設精度條件且所述第二參數取值區間的下限值對應的錯誤概率大于上限值對應的錯誤概率,則設置所述第一參數取值區間的下限值為所述第二參數取值區間的下限值;
第一更新單元,用于根據所述第二優化系數、所述第一參數取值區間的下限值和上限值從所述第一參數取值區間中確定一個區間并將所述第二參數取值區間更新為所述區間。

11.  如權利要求10所述的裝置,其特征在于,所述第一更新單元包括:
第一獲取子單元,用于獲取所述第二參數取值區間的上限值;
第一計算子單元,用于根據所述第二優化系數、所述第一參數取值區間的下限值和上限值計算第一數值;
第一更新子單元,用于確定一個區間,所述區間的下限值為所述獲取的上限值以及上限值為所述第一數值,并將所述第二參數取值區間更新為所述區間。

12.  如權利要求9所述的裝置,其特征在于,所述第二獲取模塊,還包括:
第二設置單元,用于如果所述第二參數取值區間不滿足所述預設精度條件 且所述第二參數取值區間的下限值對應的錯誤概率小于或等于上限值對應的錯誤概率,則設置所述第一參數取值區間的上限值為所述第二參數取值區間的上限值;
第二更新單元,用于根據所述第一優化系數、所述第一參數取值區間的下限值和上限值從所述第一參數取值區間中確定一個區間并將所述第二參數取值區間更新為所述區間。

13.  如權利要求12所述的裝置,其特征在于,所述第二更新單元包括:
第二獲取子單元,用于獲取所述第二參數取值區間的下限值;
第二計算子單元,用于根據所述第一優化系數、所述第一參數取值區間的下限值和上限值計算第二數值;
第二更新子單元,用于確定一個區間,所述區間的上限值為所述獲取的下限值以及下限值為所述第二數值,將所述第二參數取值區間更新為所述區間。

14.  如權利要求8所述的裝置,其特征在于,所述第三獲取模塊,用于獲取所述訓練參數的取值區間的中間值并將所述中間值確定為所述訓練參數。

說明書

說明書一種獲取訓練參數的方法及裝置
技術領域
本發明涉及計算機技術領域,特別涉及一種獲取訓練參數的方法及裝置。
背景技術
序列信息是被排成一列的信息元素,例如一段文字可以組成一個序列信息,序列信息的元素為該段文字中的各詞。為了對序列信息進行分析以識別序列信息包括的信息元素和每個信息元素的位置,終端可以利用訓練模型對序列信息進行預測分析以得到序列信息包括的信息元素和每個信息元素的位置。
在利用訓練模型對序列信息進行預測分析之前終端需要獲取一個訓練參數并根據該訓練參數對訓練模型進行校正,如果使用未校正的訓練模型對序列信息進行預測分析,導致預測分析出的結果的錯誤率較高。因此在利用訓練模型之前對訓練模型進行校正且校正的過程為:技術人員根據經驗估計一個訓練參數,將估計的訓練參數輸入給終端。終端接收技術人員輸入的訓練參數,利用該訓練參數對訓練模型進行校正。
在實現本發明的過程中,發明人發現現有技術至少存在以下問題:
技術人員根據經驗估計的訓練參數可能不準確,終端利用該訓練參數對訓練模型進行校正,且利用校正后的訓練模型對序列信息進行預測分析仍存在較高的錯誤率。
發明內容
為了降低訓練模型對序列信息進行預測分析的錯誤率,本發明提供了一種獲取訓練參數的方法及裝置。所述技術方案如下:
一種獲取訓練參數的方法,所述方法包括:
獲取第一參數取值區間和精度值,所述第一參數取值區間包括訓練參數,所述精度值為獲取所述訓練參數的精確程度;
根據所述精度值從所述第一參數取值區間中獲取所述訓練參數的取值區 間,所述訓練參數的取值區間滿足預設精度條件;
從所述訓練參數的取值區間中獲取所述訓練參數。
一種獲取訓練參數的裝置,所述裝置包括:
第一獲取模塊,用于獲取第一參數取值區間和精度值,所述第一參數取值區間包括訓練參數,所述精度值為獲取所述訓練參數的精確程度;
第二獲取模塊,用于根據所述精度值從所述第一參數取值區間中獲取所述訓練參數的取值區間,所述訓練參數的取值區間滿足預設精度條件;
第三獲取模塊,用于從所述訓練參數的取值區間中獲取所述訓練參數。
在本發明實施例中,獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;從訓練參數的取值區間中獲取訓練參數。由于根據精度值從第一參數取值區間中獲取了滿足預設精度推薦的訓練參數的取值區間,因此從該訓練參數的取值區間中獲取的訓練參數對應的錯誤概率非常小,用該訓練參數對訓練模型進行校正,可以很大程度上降低訓練模型對序列信息進行預測分析的錯誤率。
附圖說明
圖1是本發明實施例1提供的一種獲取訓練參數的方法流程圖;
圖2是本發明實施例2提供的一種獲取訓練參數的方法流程圖;
圖3是本發明實施例3提供的一種獲取訓練參數的裝置結構示意圖;
圖4是本發明實施例4提供的一種終端的結構示意圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚,下面將結合附圖對本發明實施方式作進一步地詳細描述。
序列信息是被排成一列的信息元素,目前在很多領域中都出現了序列信息,例如,在搜索引擎中序列信息為用戶檢索信息,用戶檢索信息是一種自然語音文字序列,其可能為一個關鍵詞或一個句子,用戶檢索信息的信息元素為組成用戶檢索信息的詞。在使用用戶檢索信息進行搜索之前,需要利用訓練模型對 用戶檢索信息進行預測分析以得到用戶檢索信息包括的詞,再利用預測分析的詞進行搜索。在利用訓練模型對序列信息進行預測分析之前需要先獲取一個訓練參數并根據該訓練參數對訓練模型進行校正,如果使用未校正的訓練模型對序列信息進行預測分析,導致預測分析出的結果的錯誤率較高。在本發明中,可以分別通過如幾個實施例來獲取訓練參數。
實施例1
參見圖1,本發明實施例提供了一種獲取訓練參數的方法,包括:
步驟101:獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;
步驟102:根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;
步驟103:從訓練參數的取值區間中獲取訓練參數。
優選地,根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,包括:
根據預設的第一優化系數和第二優化系數從第一參數取值區間中確定一個區間并將該區間作為第二參數取值區間;
如果第二參數取值區間滿足預設精度條件,則將第二參數取值區間確定為訓練參數的取值區間,該預設精度條件為第二參數取值區間的區間長度不超過精度值或第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過精度值。
進一步地,該方法還包括:
如果第二參數取值區間不滿足預設精度條件且第二參數取值區間的下限值對應的錯誤概率大于上限值對應的錯誤概率,則設置第一參數取值區間的下限值為第二參數取值區間的下限值;
根據第二優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間。
優選地,根據第二優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間,包括:
獲取第二參數取值區間的上限值;
根據第二優化系數、第一參數取值區間的下限值和上限值計算第一數值;
確定一個區間,所述區間的下限值為所述獲取的上限值以及上限值為所述第一數值,并將所述第二參數取值區間更新為所述區間。
進一步地,該方法還包括:
如果第二參數取值區間不滿足預設精度條件且第二參數取值區間的下限值對應的錯誤概率小于或等于上限值對應的錯誤概率,則設置第一參數取值區間的上限值為第二參數取值區間的上限值;
根據第一優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間。
優選地,根據第一優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間,包括:
獲取第二參數取值區間的下限值;
根據第一優化系數、第一參數取值區間的下限值和上限值計算第二數值;
確定一個區間,所述區間的上限值為所述獲取的下限值以及下限值為所述第二數值,將所述第二參數取值區間更新為所述區間。
優選地,從訓練參數的取值區間中獲取訓練參數,包括:
獲取訓練參數的取值區間的中間值并將該中間值確定為訓練參數。
在本發明實施例中,獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;從訓練參數的取值區間中獲取訓練參數。由于根據精度值從第一參數取值區間中獲取了滿足預設精度推薦的訓練參數的取值區間,因此從該訓練參數的取值區間中獲取的訓練參數對應的錯誤概率非常小,用該訓練參數對訓練模型進行校正,可以很大程度上降低訓練模型對序列信息進行預測分析的錯誤率。
實施例2
參見圖2,本發明實施例提供了一種獲取訓練參數的方法,包括:
步驟201:獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;
其中,第一參數取值區間為訓練參數的初始取值區間,為了包含最小錯誤 概率對應的訓練參數,一般選取區間長度較大的初始取值區間。預先設置第一參數取值區間和獲取訓練參數的精度值,將預先設置的第一參數取值區間和精度值輸入給終端。
本步驟具體為,獲取預先設置的第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度。
例如,獲取預先設置的第一參數取值區間[a1,b1]和精度值L,第一參數取值區間[a1,b1]包括訓練參數δ,該精度值L為獲取訓練參數δ的精確程度。
步驟202:根據預設的第一優化系數和第二優化系數從第一參數取值區間中確定一個區間并將該區間作為第二參數取值區間;
其中,在本發明實施例中采用最優化算法自動選取錯誤概率最小的訓練參數,在自動選取訓練參數時最優化算法使用預設第一優化系數和第二優化系數對訓練參數的取值區間進行優化。
最優化算法可以為0.618法或Fibonacci(Fibonacci,斐波納契法)等。其中,0.618法使用的預設第一優化系數為0.382,第二優化系數為0.618。
本步驟具體為,根據預設的第一優化系數、第一參數取值區間的下限值和上限值計算第三數值,以及根據預設的第二優化系數、第一參數取值區間的下限值和上限值計算第四數值。確定一個區間,將該區間的下限值設置為第三數值以及將該區間的上限值設置為第四數值,將該區間作為第二參數取值區間。
例如,為了便于說明,本步驟以最優化算法為0.618法為例進行說明。根據預設的第一優化系數0.382、第一參數取值區間[a1,b1]的下限值a1和上限值b1計算第三數值c1=a1+0.382*(b1-a1),以及根據預設的第二優化系數0.618、第一參數取值區間[a1,b1]的下限值a1和上限值b1計算第四數值d1=a1+0.618*(b1-a1)。確定一個區間,將該區間的下限值設置為第三數值c1以及將該區間的上限值設置為第四數值d1,將該區間[c1,d1]作為第二參數取值區間。
步驟203:判斷第二參數取值區間是否滿足預設精度條件,如果滿足執行步驟204,如果不滿足執行步驟205;
其中,該預設精度條件為第二參數取值區間的區間長度不超過精度值或第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過精度值。
本步驟根據預設精度條件的不同可以通過如下第一和第二兩種方法來實 現,具體為:
第一,預設精度條件為第二參數取值區間的區間長度不超過精度值。計算第二參數取值區間的上限值與下限值之間的差值,將計算的差值作為第二參數取值區間的區間長度,比較該區間長度與精度值,如果該區間長度小于精度值,則判斷出第二參數取值區間滿足預設精度條件,執行步驟204。如果該區間長度大于或等于精度值,則判斷出第二參數取值區間不滿足預設精度條件,執行步驟205。
例如,預設精度條件為第二參數取值區間[c1,d1]的區間長度不超過精度值L。計算第二參數取值區間的上限值與下限值之間的差值(d1-c1),將計算的差值(d1-c1)作為第二參數取值區間的區間長度,比較該區間長度(d1-c1)與精度值L,如果該區間長度(d1-c1)小于精度值L,則判斷出第二參數取值區間[c1,d1]滿足預設精度條件,執行步驟204。如果該區間長度(d1-c1)大于或等于精度值L,則判斷出第二參數取值區間[c1,d1]不滿足預設精度條件,執行步驟205。
第二,預設精度條件為第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過精度值。計算第二參數取值區間的下限值對應的錯誤概率以及上限值對應的錯誤概率,計算下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值。比較該絕對值與預設精度值,如果該絕對值小于預設精度值,則判斷出第二參數取值區間滿足預設精度條件,執行步驟204。如果該絕對值大于或等于預設精度值,則判斷出第二參數取值區間不滿足預設精度條件,執行步驟205。
例如,假設第二參數取值區間[c1,d1]的下限值c1對應的錯誤概率為f(c1),上限值d1對應的錯誤概率為f(d1)。預設精度條件為第二參數取值區間[c1,d1]的下限值c1對應的錯誤概率為f(c1)與d1對應的錯誤概率為f(d1)之間的差值的絕對值|f(c1)-f(d1)|不超過精度值L。計算第二參數取值區間[c1,d1]的下限值c1對應的錯誤概率為f(c1)以及上限值d1對應的錯誤概率為f(d1),計算下限值c1對應的錯誤概率為f(c1)與上限值d1對應的錯誤概率為f(d1)之間的差值的絕對值|f(c1)-f(d1)|。比較該絕對值|f(c1)-f(d1)|與預設精度值L,如果該絕對值|f(c1)-f(d1)|小于預設精度值L,則判斷出第二參數取值區間[c1,d1]滿足預設精度條件,執行步驟204。如果該絕對值|f(c1)-f(d1)|大于或等于預設精度值L,則判斷出第二參數取值區間[c1,d1]不滿足預設精度條 件,執行步驟205。
其中,計算第二參數取值區間的下限值對應的錯誤概率以及上限值對應的錯誤概率,具體為:
獲取序列信息以及序列信息對應的正確分析結果,將獲取的序列信息分成N等分,N為預設整數且N大于1。從分成的N等分序列信息中獲取一份序列信息作為測試信息,將剩余的N-1份序列信息作為訓練信息。將第二參數取值區間的下限值作為訓練參數,利用訓練信息和第二參數取值區間的下限值對訓練模型進行訓練,然后利用訓練過的訓練模型對測試信息進行分析,統計分析結果。比較統計的分析結果和獲取的正確分析結果,獲取分析結果與正確分析結果不一致的個數,計算不一致的個數與總分析結果個數的比值,將該比值作為該測試信息的錯誤率。對于N等分序列信息中除作為測試信息的一份序列信息以外的其他每份序列信息,同該份序列信息按照上述操作獲取其他每份序列信息的錯誤率。按照上述方法獲取N份序列信息的錯誤率之后,計算N份序列信息的錯誤率的平均值,將計算的平均值作為第二參數取值區間的下限值對應的錯誤概率。同樣按照上述方法計算第二參數取值區間的上限值對應的錯誤概率。
其中,訓練模型可以為CRF(Conditional Random Fields,條件隨機域)模型等。
其中,對于第二參數取值區間的下限值對應的錯誤概率以及上限值對應的錯誤概率,除上述實現方式以外,還可以采用其他的方式來實現,如利用錯誤概率與訓練參數之間的解析式來實現,具體為:
獲取錯誤概率與訓練參數之間的解析式,該解析式為關于訓練參數的一元函數。將第二參數取值區間的下限值作為訓練參數,將該下限值代入錯誤概率與訓練參數之間的解析式,計算出該解析式的值,將計算的值確定為第二參數取值區間的下限值對應的錯誤概率。同樣按照上述方法計算第二參數取值區間的上限值對應的錯誤概率。
步驟204:將第二參數取值區間確定為訓練參數的取值區間,從訓練參數的取值區間中獲取訓練參數,結束操作。
具體地,將第二參數取值區間確定為訓練參數的取值區間,獲取訓練參數取值區間的中間值并將獲取的中間值確定為訓練參數。
其中,獲取訓練參數取值區間的中間值可以為計算訓練參數的取值區間的 下限值與上限值的平均值,將計算的平均值作為訓練參數取值區間的中間值。
其中,本步驟除上述實現方式以外還存在其他的實現方式,如將第二參數取值區間確定為訓練參數的取值區間,從訓練參數的取值區間中獲取任一數值,將獲取的數值作為訓練參數。
例如,將第二參數取值區間[c1,d1]確定為訓練參數δ的取值區間,獲取訓練參數δ的取值區間[c1,d1]的中間值(c1+d1)/2并將獲取的中間值(c1+d1)/2確定為訓練參數δ。
其中,如果第二參數取值區間不滿足預設精度條件,則比較第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率,如果下限值對應的錯誤概率大于上限值對應的錯誤概率,則執行步驟205,否則執行步驟208。
步驟205:比較第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率,如果下限值對應的錯誤概率大于上限值對應的錯誤概率,則執行步驟206,否則執行步驟208;
其中,如果預設精度條件為第二參數取值區間的區間長度不超過精度值,則在比較第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之前,需要先計算第二參數取值區間的下限值對應的錯誤概率以及上限值對應的錯誤概率。
例如,比較第二參數取值區間[c1,d1]的下限值c1對應的錯誤概率f(c1)與上限值d1對應的錯誤概率f(d1),如果下限值c1對應的錯誤概率f(c1)大于上限值d1對應的錯誤概率f(d1),則執行步驟206,否則執行步驟208。
步驟206:設置第一參數取值區間的下限值為第二參數取值區間的下限值;
其中,在第一參數取值區間中,距離訓練參數較近的數值對應的錯誤概率較小,距離訓練參數較遠的數值對應的錯誤概率較大。
本步驟具體為,根據第二參數取值區間的下限值對應的錯誤概率大于上限值對應的錯誤概率,判斷出第二參數取值區間的下限值距離訓練參數較遠而上限值距離訓練參數較近,由此可以推知訓練參數必定不在第一參數取值區間的下限值與第二參數取值區間的下限值之間,因此從第一參數取值區間中將第一參數取值區間的下限值與第二參數取值區間的下限值之間的區間刪除,刪除后的第一參數取值區間的下限值更改為第二參數取值區間的下限值。
例如,根據第二參數取值區間[c1,d1]的下限值c1對應的錯誤概率f(c1)大 于上限值d1對應的錯誤概率f(d1),判斷出第二參數取值區間[c1,d1]的下限值c1距離訓練參數δ較遠而上限值d1距離訓練參數δ較近,由此可以推知訓練參數δ必定不在第一參數取值區間[a1,b1]的下限值a1與第二參數取值區間[c1,d1]的下限值c1之間,因此從第一參數取值區間[a1,b1]中將第一參數取值區間[a1,b1]的下限值a1與第二參數取值區間[c1,d1]的下限值c1之間的區間[a1,c1]刪除,刪除后的第一參數取值區間的下限值更改為第二參數取值區間的下限值,即更改后的第一參數取值區間變為[c1,b1]。
其中,對第一參數取值區間進行更新設置之后,需要通過如下步驟207更新第二參數取值區間。
步驟207:根據第二優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間,然后返回執行步驟203;
具體地,獲取第二參數取值區間的上限值。根據第二優化系數、第一參數取值區間的下限值和上限值計算第一數值。確定一個區間,該區間的下限值為獲取的上限值以及上限值為第一數值,將第二參數取值區間更新為該區間,然后返回執行步驟203判斷更新后的第二參數取值區間是否滿足預設精度條件。
例如,獲取第二參數取值區間[c1,d1]的上限值d1。根據第二優化系數0.618、第一參數取值區間[c1,b1]的下限值c1和上限值b1計算第一數值d2=c1+0.618*(b1-c1)。確定一個區間,該區間的下限值為獲取的上限值d1以及上限值為第一數值d2,,將第二參數取值區間更新為該區間[d1,d2],然后返回執行步驟203判斷更新后的第二參數取值區間[d1,d2]是否滿足預設精度條件。
步驟208:設置第一參數取值區間的上限值為第二參數取值區間的上限值;
其中,在第一參數取值區間中,距離訓練參數較近的數值對應的錯誤率較小,距離訓練參數較遠的數值對應的錯誤率較大。
本步驟具體為,根據第二參數取值區間的下限值對應的錯誤概率小于或等于上限值對應的錯誤概率,判斷出第二參數取值區間的下限值距離訓練參數較近而上限值距離訓練參數較原,由此可以推知訓練參數必定不在第二參數取值區間的上限值與第一參數取值區間的上限值之間,因此從第一參數取值區間中將第二參數取值區間的上限值與之間第一參數取值區間的上限值的區間刪除,刪除后的第一參數取值區間的上限值更改為第二參數取值區間的上限值。
例如,根據第二參數取值區間[c1,d1]的下限值c1對應的錯誤概率f(c1)小于或等于上限值d1對應的錯誤概率f(d1),判斷出第二參數取值區間[c1,d1]的下限值c1距離訓練參數δ較近而上限值d1距離訓練參數δ較遠,由此可以推知訓練參數δ必定不在第二參數取值區間[c1,d1]的上限值d1與第一參數取值區間[a1,b1]的上限值b1之間,因此從第一參數取值區間[a1,b1]中將第二參數取值區間[c1,d1]的上限值d1與第一參數取值區間[a1,b1]的上限值b1之間的區間[d1,b1]刪除,刪除后的第一參數取值區間的下限值更改為第二參數取值區間的下限值,即更改后的第一參數取值區間變為[a1,d1]。
其中,對第一參數取值區間進行更新設置之后,需要通過如下步驟209更新第二參數取值區間。
步驟209:根據第一優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間,然后返回執行步驟203;
具體地,獲取第二參數取值區間的下限值。根據第一優化系數、第一參數取值區間的下限值和上限值計算第二數值。確定一個區間,該區間的上限值為獲取的下限值以及下限值為第二數值,將第二參數取值區間更新為該區間,然后返回執行步驟203判斷更新后的第二參數取值區間是否滿足預設精度條件。
例如,獲取第二參數取值區間[c1,d1]的下限值c1。根據第一優化系數0.382、第一參數取值區間[a1,d1]的下限值a1和上限值d1計算第二數值c2=a1+0.382*(d1-a1)。確定一個區間,該區間的上限值為獲取的下限值c1以及下限值為第二數值c2,將第二參數取值區間更新為該區間[c2,c1],然后返回執行步驟203判斷更新后的第二參數取值區間[c2,c1]是否滿足預設精度條件。
其中,為了進一步方便理解本發明實施例提供的方法,下面舉例進行說明:
假設錯誤率f與訓練參數δ之間的解析式為:f(δ)=(δ-1)2
1)、選定第一參數取值區間[a1,b1]為[0,2],精度值為L=0.03;
2)、計算第二參數取值區間[c1,d1]的下限值c1和d1及其分別對應的錯誤率
c1=a1+0.382×(b1-a1)=0+0.382×(2-0)=0.764
d1=a1+0.618×(b1-a1)=0+0.618×(2-0)=1.236
f(c1)=(0.764-1)2=0.055696f(d1)=(1.236-1)2=0.055696
3)、由于d1–c1=0.472>L,且f(c1)≤f(d1)
則將第一參數取值區間的上限值更新為第二參數取值區間的上限值:a2=a1=0,b2=d1=1.236,更新后第一參數取值區間[a2,b2]為[0,1.236]。
更新第二參數取值區間:d2=c1=0.764,c2=a2+0.382×(b2-a2)=0+0.382×(1.236-0)=0.472152,更新后第二參數取值區間[c2,d2]為[0.472152,0.764]。
分別計算c2和d2對應的錯誤率:
f(c2)=(0.472152-1)2=0.278624,f(d2)=(0.764-1)2=0.055696
4)、由于d2–c2=0.291848>L,且f(c2)>f(d2)
則將第一參數取值區間的下限值更新為第二參數取值區間的下限值:a3=c2=0.472152,b3=b2=1.236,更新后第一參數取值區間[a3,b3]為[0.472152,1.236]。
更新第二參數取值區間:c3=d2=0.764,d3=a3+0.618×(b3-a3)=0.94421,更新后第二參數取值區間[c3,d3]為[0.764,0.94421]。
分別計算c3和d3對應的錯誤率:
f(c3)=0.055696,f(d3)=0.0031125
5)、由于d3–c3=0.18021>L,且f(c3)>f(d3)
則將第一參數取值區間的下限值更新為第二參數取值區間的下限值:a4=c3=0.764,b4=b3=1.236,更新后第一參數取值區間[a4,b4]為[0.764,1.236]。
更新第二參數取值區間:c4=d3=0.94421,d4=a4+0.618×(b4-a4)=1.055696,更新后第二參數取值區間[c4,d4]為[0.94421,1.055696]。
分別計算c4和d4對應的錯誤率:
f(c4)=0.0031125,f(d4)=0.0031020
6)、由于d4–c4=0.111486>L,且f(c4)>f(d4)
則將第一參數取值區間的下限值更新為第二參數取值區間的下限值:a5=c4=0.94421,b5=b4=1.236,更新后第一參數取值區間[a5,b5]為[0.94421,1.236]。
更新第二參數取值區間:c5=d4=1.055696,d5=a5+0.618×(b5-a5)=1.12454,更新后第二參數取值區間[c5,d5]為[1.055696,1.12454]。
分別計算c5和d5對應的錯誤率:
f(c5)=0.0031020,f(d5)=0.015509
7)、由于d5–c5=0.068844>L,且f(c5)<f(d5)
則將第一參數取值區間的上限值更新為第二參數取值區間的上限值:a6=a5=0.94421,b6=d5=1.12454,更新后第一參數取值區間[a6,b6]為[0.94421, 1.12454]。
更新第二參數取值區間:d6=c5=1.055696,c6=a6+0.382×(b6-a6)=1.013096,更新后第二參數取值區間[c6,d6]為[1.013096,1.055696]。
分別計算c6和d6對應的錯誤率:
f(c6)=0.0001715,f(d6)=0.0031020
8)、由于d6–c6=0.0426>L,且f(c6)<f(d6)
則將第一參數取值區間的上限值更新為第二參數取值區間的上限值:a7=a6=0.94421,b7=d6=1.055696,更新后第一參數取值區間[a7,b7]為[0.94421,1.055696]。
更新第二參數取值區間:d7=c6=1.013096,c7=a7+0.382×(b7-a7)=0.98680,更新后第二參數取值區間[c7,d7]為[0.98680,1.013096]。
分別計算c7和d7對應的錯誤率:
f(c7)=0.00017430,f(d7)=0.00017150
9)、由于d7–c7=0.026<L,滿足預設精度條件,
計算訓練參數δ=(c7+d7)/2=0.999948,結束運算。
在本發明實施例中,獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;從訓練參數的取值區間中獲取訓練參數。由于根據精度值從第一參數取值區間中獲取了滿足預設精度推薦的訓練參數的取值區間,因此從該訓練參數的取值區間中獲取的訓練參數對應的錯誤概率非常小,用該訓練參數對訓練模型進行校正,可以很大程度上降低訓練模型對序列信息進行預測分析的錯誤率。
實施例3
參見圖3,本發明實施例提供了一種獲取訓練參數的裝置,包括:
第一獲取模塊301,用于獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;
第二獲取模塊302,用于根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;
第三獲取模塊303,用于從訓練參數的取值區間中獲取訓練參數。
其中,第一參數取值區間為訓練參數的初始取值區間,預先設置第一參數取值區間和獲取訓練參數的精度值,將預先設置的第一參數取值區間和精度值輸入給終端。第一獲取模塊301獲取預先設置的第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度。
其中,在本發明實施例中采用最優化算法自動選取錯誤概率最小的訓練參數,在自動選取訓練參數時最優化算法使用預設第一優化系數和第二優化系數對訓練參數的取值區間進行優化。
其中,第二獲取模塊302包括:
第一確定單元,用于根據預設的第一優化系數和第二優化系數從第一參數取值區間中確定一個區間并將該區間作為第二參數取值區間;
第二獲取模塊302,還用于判斷第二參數取值區間是否滿足預設精度條件;
第二確定單元,用于如果第二參數取值區間滿足預設精度條件,則將第二參數取值區間確定為訓練參數的取值區間,預設精度條件為第二參數取值區間的區間長度不超過精度值或第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過精度值。
進一步地,第二獲取模塊302,還包括:
第一設置單元,用于如果第二參數取值區間不滿足預設精度條件且第二參數取值區間的下限值對應的錯誤概率大于上限值對應的錯誤概率,則設置第一參數取值區間的下限值為第二參數取值區間的下限值;
第一更新單元,用于根據第二優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間。
其中,第一更新單元包括:
第一獲取子單元,用于獲取第二參數取值區間的上限值;
第一計算子單元,用于根據第二優化系數、第一參數取值區間的下限值和上限值計算第一數值;
第一更新子單元,用于確定一個區間,所述區間的下限值為所述獲取的上限值以及上限值為所述第一數值,并將所述第二參數取值區間更新為所述區間。
進一步地,第二獲取模塊302,還包括:
第二設置單元,用于如果第二參數取值區間不滿足預設精度條件且第二參 數取值區間的下限值對應的錯誤概率小于或等于上限值對應的錯誤概率,則設置第一參數取值區間的上限值為第二參數取值區間的上限值;
第二更新單元,用于根據第一優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間。
其中,第二更新單元包括:
第二獲取子單元,用于獲取第二參數取值區間的下限值;
第二計算子單元,用于根據第一優化系數、第一參數取值區間的下限值和上限值計算第二數值;
第二更新子單元,用于確定一個區間,所述區間的上限值為所述獲取的下限值以及下限值為所述第二數值,將所述第二參數取值區間更新為所述區間。
其中,第三獲取模塊303,用于獲取訓練參數的取值區間的中間值并將該中間值確定為訓練參數。
在本發明實施例中,獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;從訓練參數的取值區間中獲取訓練參數。由于根據精度值從第一參數取值區間中獲取了滿足預設精度推薦的訓練參數的取值區間,因此從該訓練參數的取值區間中獲取的訓練參數對應的錯誤概率非常小,用該訓練參數對訓練模型進行校正,可以很大程度上降低訓練模型對序列信息進行預測分析的錯誤率。
實施例4
圖4是本發明實施例提供的終端的結構示意圖。該終端可以用于實施上述實施例中提供的獲取訓練參數的方法。具體來講:
終端900可以包括RF(Radio Frequency,射頻)電路110、包括有一個或一個以上計算機可讀存儲介質的存儲器120、輸入單元130、顯示單元140、傳感器150、音頻電路160、WiFi(wireless fidelity,無線保真)模塊170、包括有一個或者一個以上處理核心的處理器180、以及電源190等部件。本領域技術人員可以理解,圖4中示出的終端結構并不構成對終端的限定,可以包括比圖示更多或更少的部件,或者組合某些部件,或者不同的部件布置。其中:
RF電路110可用于收發信息或通話過程中,信號的接收和發送,特別地,將基站的下行信息接收后,交由一個或者一個以上處理器180處理;另外,將涉及上行的數據發送給基站。通常,RF電路110包括但不限于天線、至少一個放大器、調諧器、一個或多個振蕩器、用戶身份模塊(SIM)卡、收發信機、耦合器、LNA(Low Noise Amplifier,低噪聲放大器)、雙工器等。此外,RF電路110還可以通過無線通信與網絡和其他設備通信。所述無線通信可以使用任一通信標準或協議,包括但不限于GSM(Global System of Mobile communication,全球移動通訊系統)、GPRS(General Packet Radio Service,通用分組無線服務)、CDMA(Code Division Multiple Access,碼分多址)、WCDMA(Wideband Code Division Multiple Access,寬帶碼分多址)、LTE(Long Term Evolution,長期演進)、電子郵件、SMS(Short Messaging Service,短消息服務)等。
存儲器120可用于存儲軟件程序以及模塊,處理器180通過運行存儲在存儲器120的軟件程序以及模塊,從而執行各種功能應用以及數據處理。存儲器120可主要包括存儲程序區和存儲數據區,其中,存儲程序區可存儲操作系統、至少一個功能所需的應用程序(比如聲音播放功能、圖像播放功能等)等;存儲數據區可存儲根據終端900的使用所創建的數據(比如音頻數據、電話本等)等。此外,存儲器120可以包括高速隨機存取存儲器,還可以包括非易失性存儲器,例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態存儲器件。相應地,存儲器120還可以包括存儲器控制器,以提供處理器180和輸入單元130對存儲器120的訪問。
輸入單元130可用于接收輸入的數字或字符信息,以及產生與用戶設置以及功能控制有關的鍵盤、鼠標、操作桿、光學或者軌跡球信號輸入。具體地,輸入單元130可包括觸敏表面131以及其他輸入設備132。觸敏表面131,也稱為觸摸顯示屏或者觸控板,可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸敏表面131上或在觸敏表面131附近的操作),并根據預先設定的程式驅動相應的連接裝置。可選的,觸敏表面131可包括觸摸檢測裝置和觸摸控制器兩個部分。其中,觸摸檢測裝置檢測用戶的觸摸方位,并檢測觸摸操作帶來的信號,將信號傳送給觸摸控制器;觸摸控制器從觸摸檢測裝置上接收觸摸信息,并將它轉換成觸點坐標,再送給處理器180,并能接收處理器180發來的命令并加以執行。此外,可以采用電阻式、電容式、 紅外線以及表面聲波等多種類型實現觸敏表面131。除了觸敏表面131,輸入單元130還可以包括其他輸入設備132。具體地,其他輸入設備132可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關按鍵等)、軌跡球、鼠標、操作桿等中的一種或多種。
顯示單元140可用于顯示由用戶輸入的信息或提供給用戶的信息以及終端900的各種圖形用戶接口,這些圖形用戶接口可以由圖形、文本、圖標、視頻和其任意組合來構成。顯示單元140可包括顯示面板141,可選的,可以采用LCD(Liquid Crystal Display,液晶顯示器)、OLED(Organic Light-Emitting Diode,有機發光二極管)等形式來配置顯示面板141。進一步的,觸敏表面131可覆蓋顯示面板141,當觸敏表面131檢測到在其上或附近的觸摸操作后,傳送給處理器180以確定觸摸事件的類型,隨后處理器180根據觸摸事件的類型在顯示面板141上提供相應的視覺輸出。雖然在圖4中,觸敏表面131與顯示面板141是作為兩個獨立的部件來實現輸入和輸入功能,但是在某些實施例中,可以將觸敏表面131與顯示面板141集成而實現輸入和輸出功能。
終端900還可包括至少一種傳感器150,比如光傳感器、運動傳感器以及其他傳感器。具體地,光傳感器可包括環境光傳感器及接近傳感器,其中,環境光傳感器可根據環境光線的明暗來調節顯示面板141的亮度,接近傳感器可在終端900移動到耳邊時,關閉顯示面板141和/或背光。作為運動傳感器的一種,重力加速度傳感器可檢測各個方向上(一般為三軸)加速度的大小,靜止時可檢測出重力的大小及方向,可用于識別手機姿態的應用(比如橫豎屏切換、相關游戲、磁力計姿態校準)、振動識別相關功能(比如計步器、敲擊)等;至于終端900還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他傳感器,在此不再贅述。
音頻電路160、揚聲器161,傳聲器162可提供用戶與終端900之間的音頻接口。音頻電路160可將接收到的音頻數據轉換后的電信號,傳輸到揚聲器161,由揚聲器161轉換為聲音信號輸出;另一方面,傳聲器162將收集的聲音信號轉換為電信號,由音頻電路160接收后轉換為音頻數據,再將音頻數據輸出處理器180處理后,經RF電路110以發送給比如另一終端,或者將音頻數據輸出至存儲器120以便進一步處理。音頻電路160還可能包括耳塞插孔,以提供外設耳機與終端900的通信。
WiFi屬于短距離無線傳輸技術,終端900通過WiFi模塊170可以幫助用戶收發電子郵件、瀏覽網頁和訪問流式媒體等,它為用戶提供了無線的寬帶互聯網訪問。雖然圖4示出了WiFi模塊170,但是可以理解的是,其并不屬于終端900的必須構成,完全可以根據需要在不改變發明的本質的范圍內而省略。
處理器180是終端900的控制中心,利用各種接口和線路連接整個手機的各個部分,通過運行或執行存儲在存儲器120內的軟件程序和/或模塊,以及調用存儲在存儲器120內的數據,執行終端900的各種功能和處理數據,從而對手機進行整體監控。可選的,處理器180可包括一個或多個處理核心;優選的,處理器180可集成應用處理器和調制解調處理器,其中,應用處理器主要處理操作系統、用戶界面和應用程序等,調制解調處理器主要處理無線通信。可以理解的是,上述調制解調處理器也可以不集成到處理器180中。
終端900還包括給各個部件供電的電源190(比如電池),優選的,電源可以通過電源管理系統與處理器180邏輯相連,從而通過電源管理系統實現管理充電、放電、以及功耗管理等功能。電源190還可以包括一個或一個以上的直流或交流電源、再充電系統、電源故障檢測電路、電源轉換器或者逆變器、電源狀態指示器等任意組件。
盡管未示出,終端900還可以包括攝像頭、藍牙模塊等,在此不再贅述。具體在本實施例中,終端900的顯示單元是觸摸屏顯示器,終端900還包括有存儲器,以及一個或者一個以上的程序,其中一個或者一個以上程序存儲于存儲器中,且經配置以由一個或者一個以上處理器執行述一個或者一個以上程序包含用于進行以下操作的指令:
獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;
根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;
從訓練參數的取值區間中獲取訓練參數。
優選地,根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,包括:
根據預設的第一優化系數和第二優化系數從第一參數取值區間中確定一個區間并將該區間作為第二參數取值區間;
如果第二參數取值區間滿足預設精度條件,則將第二參數取值區間確定為訓練參數的取值區間,該預設精度條件為第二參數取值區間的區間長度不超過精度值或第二參數取值區間的下限值對應的錯誤概率與上限值對應的錯誤概率之間的差值的絕對值不超過精度值。
進一步地,該方法還包括:
如果第二參數取值區間不滿足預設精度條件且第二參數取值區間的下限值對應的錯誤概率大于上限值對應的錯誤概率,則設置第一參數取值區間的下限值為第二參數取值區間的下限值;
根據第二優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間。
優選地,根據第二優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間,包括:
獲取第二參數取值區間的上限值;
根據第二優化系數、第一參數取值區間的下限值和上限值計算第一數值;
確定一個區間,所述區間的下限值為所述獲取的上限值以及上限值為所述第一數值,并將所述第二參數取值區間更新為所述區間。
進一步地,該方法還包括:
如果第二參數取值區間不滿足預設精度條件且第二參數取值區間的下限值對應的錯誤概率小于或等于上限值對應的錯誤概率,則設置第一參數取值區間的上限值為第二參數取值區間的上限值;
根據第一優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間。
優選地,根據第一優化系數、第一參數取值區間的下限值和上限值從第一參數取值區間中確定一個區間并將第二參數取值區間更新為該區間,包括:
獲取第二參數取值區間的下限值;
根據第一優化系數、第一參數取值區間的下限值和上限值計算第二數值;
確定一個區間,所述區間的上限值為所述獲取的下限值以及下限值為所述第二數值,將所述第二參數取值區間更新為所述區間。
優選地,從訓練參數的取值區間中獲取訓練參數,包括:
獲取訓練參數的取值區間的中間值并將該中間值確定為訓練參數。
在本發明實施例中,獲取第一參數取值區間和精度值,第一參數取值區間包括訓練參數,該精度值為獲取訓練參數的精確程度;根據該精度值從第一參數取值區間中獲取訓練參數的取值區間,該訓練參數的取值區間滿足預設精度條件;從訓練參數的取值區間中獲取訓練參數。由于根據精度值從第一參數取值區間中獲取了滿足預設精度推薦的訓練參數的取值區間,因此從該訓練參數的取值區間中獲取的訓練參數對應的錯誤概率非常小,用該訓練參數對訓練模型進行校正,可以很大程度上降低訓練模型對序列信息進行預測分析的錯誤率。
本領域普通技術人員可以理解實現上述實施例的全部或部分步驟可以通過硬件來完成,也可以通過程序來指令相關的硬件完成,所述的程序可以存儲于一種計算機可讀存儲介質中,上述提到的存儲介質可以是只讀存儲器,磁盤或光盤等。
以上所述僅為本發明的較佳實施例,并不用以限制本發明,凡在本發明的精神和原則之內,所作的任何修改、等同替換、改進等,均應包含在本發明的保護范圍之內。

關 鍵 詞:
一種 獲取 訓練 參數 方法 裝置
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:一種獲取訓練參數的方法及裝置.pdf
鏈接地址:http://www.rgyfuv.icu/p-6381568.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图