← 返回列表
一种数据优化方法、系统、装置及介质
摘要文本
本申请公开了一种数据优化方法、系统、装置及介质，涉及数据处理领域，用于解决图像数据处理的效率和准确性较低的问题。获取图像数据集，并构建神经网络模型；根据当前迭代过程中代价函数的变化率确定目标学习率，进而更新神经网络模型的模型参数；使用满足预设条件的模型参数对应的神经网络模型对目标图像数据进行处理。本申请根据代价函数的变化率自适应确定学习率，能够更好地逼近最优解，提高模型的训练效果和性能，通过合理调整学习率可避免模型无法收敛或过度拟合的问题，使此神经网络模型更适用于图像数据的处理，可以提高对图像数据的处理效率，还提高了图像数据处理的精确度。
申请人信息
- 申请人:苏州元脑智能科技有限公司
- 申请人地址:215100 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢
- 发明人: 苏州元脑智能科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种数据优化方法、系统、装置及介质 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311426203.2 |
| 申请日 | 2023/10/31 |
| 公告号 | CN117152588B |
| 公开日 | 2024/2/9 |
| IPC主分类号 | G06V10/82 |
| 权利人 | 苏州元脑智能科技有限公司 |
| 发明人 | 邹德强; 满宏涛 |
| 地址 | 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢 |
专利主权项内容
1.一种数据优化方法，其特征在于，包括：获取图像数据集，根据所述图像数据集构建神经网络模型；根据当前迭代过程中代价函数的变化率及变化率与学习率的预设关系确定目标学习率；根据所述目标学习率更新所述神经网络模型的模型参数；若更新后的所述模型参数满足预设条件，则将满足所述预设条件的模型参数作为所述神经网络模型的最终模型参数，否则进入下一次迭代过程；使用模型参数为所述最终模型参数的神经网络模型对目标图像数据进行处理；所述变化率与学习率的预设关系为：
；或，
；其中，n表示第n次迭代过程，n-1表示第n-1次迭代过程，为当前迭代过程中的代价函数的变化率，/>为上一迭代过程中的代价函数的变化率，/>为上一迭代过程中确定的目标学习率，L为当前迭代过程中确定的目标学习率，/>，/>为均匀分布函数，c为加剧系数。n