← 返回列表
一项二元协同的数据平衡优化方法、系统及存储介质
摘要文本
本发明涉及模型训练技术领域，公开了一项二元协同的数据平衡优化方法、系统及存储介质，包括步骤：在原样本数据集的基础上构建二元数据集，二元数据集包括少数类集合和多数类集合；主分类器与辅分类器协同训练，采用原样本数据对主分类器进行训练，采用二元数据集对辅分类器进行训练；依据辅分类器的输出，对主分类器输出的每个类别的概率向量进行修正；依总损失计算损失函数对模型参数的梯度，采用梯度下降优化，进行模型参数更新；该方法有助于提高整体模型的多分类任务的性能，特别是当多分类任务的数据相对较少或有类别不平衡问题时；同时，主分类器与辅分类器分类学习可以帮助整体模型学习共享的特征和表示，从而提高整体模型的效率和性能。。来自马克数据网
申请人信息
- 申请人:天津师范大学
- 申请人地址:300000 天津市西青区宾水西道393号
- 发明人: 天津师范大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一项二元协同的数据平衡优化方法、系统及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410232496.9 |
| 申请日 | 2024/3/1 |
| 公告号 | CN117828356A |
| 公开日 | 2024/4/5 |
| IPC主分类号 | G06F18/214 |
| 权利人 | 天津师范大学 |
| 发明人 | 韩婷婷; 刘如倩; 窦淑伟; 张文霞; 郎吉豪; 李文轩; 韩纪星 |
| 地址 | 天津市西青区宾水西道393号天津师范大学 |
专利主权项内容
1.一项二元协同的数据平衡优化方法，其特征在于，包括步骤：在原样本数据集的基础上构建二元数据集，二元数据集包括少数类集合和多数类集合；主分类器与辅分类器协同训练，采用原样本数据对主分类器进行训练，以使主分类器进行多类别的分类任务，采用二元数据集对辅分类器进行训练，以使辅分类器进行少数类别或多数类别的分类任务；对主分类器进行修正，依据辅分类器的输出，对主分类器输出的每个类别的概率向量进行修正；模型参数更新，计算主分类器和辅分类器的总损失，依总损失计算损失函数对模型参数的梯度，采用梯度下降优化，进行模型参数更新。