申请/专利权人:江西科技学院
申请日:2021-02-02
公开(公告)日:2021-05-07
公开(公告)号:CN112508193B
主分类号:G06N3/08(20060101)
分类号:G06N3/08(20060101);G06N3/04(20060101)
优先权:
专利状态码:有效-授权
法律状态:2021.05.07#授权;2021.04.02#实质审查的生效;2021.03.16#公开
摘要:本发明适用于计算机技术领域,提供了一种深度学习平台,包括:数据输入模块,用于输入数据集,并获取所述数据集的特征信息,所述特征信息至少包括数据类型和期望结果属性;模型调用模块,用于根据所述特征信息,调用对应的标准模型框架,并接受用户对标准模型框架的参数修改,对所述数据集进行无监督学习,得到深度学习模型;修正模块,用于从所述数据集中筛选出具有不同显著特征的若干数据,以若干所述数据组成修正样本集,以所述修正样本集对深度学习模型进行精度验证;以及发布模块,用于当所述深度学习模型的精度达到设定阈值时,发布和保存所述深度学习模型,本发明的有益效果是:能大大提升深度学习的速度和效率。
主权项:1.一种深度学习平台,其特征在于,包括:数据输入模块,用于输入数据集,并获取所述数据集的特征信息,所述特征信息至少包括数据类型和期望结果属性;模型调用模块,用于根据所述特征信息,调用对应的标准模型框架,并接受用户对标准模型框架的参数修改,对所述数据集进行无监督学习,得到深度学习模型;修正模块,用于从所述数据集中筛选出具有不同显著特征的若干数据,以若干所述数据组成修正样本集,以所述修正样本集对深度学习模型进行精度验证;以及发布模块,用于当所述深度学习模型的精度达到设定阈值时,发布和保存所述深度学习模型,并将所述深度学习模型与数据集的特征信息进行关联;所述数据输入模块包括:数据处理单元,用于对数据进行归一化处理,并对数据进行特征提取;排序单元,用于对处于显著性阈值内的数据按特征显著性进行特征值排序,使得处于显著性阈值内的数据形成多个数据段落;以及分析单元,用于分析处于显著性阈值内的数据的类型和获取用户输入的期望结果属性;所述修正模块包括:筛选单元,用于从多个数据段落中分别筛选出具有不同显著特征的若干个数据,得到修正样本集;以及验证单元,用于根据修正样本集对深度学习模型进行精度验证,当所述深度学习模型的精度未达到设定的阈值时,向用户反馈验证结果以使用户优化网络层的初始权重和偏置。
全文数据:
权利要求:
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。