[发明专利]一种计算机数据模型训练方法

权利要求书

1.一种计算机数据模型训练方法，其特征在于：包括以下步骤：

S1：数据获取：根据数据模型的类型，获取对应的训练数据集，所述训练数据集包括多组训练多组训练数据，通过加密单元对获得的多组训练数据进行加密，以此得到加密训练数据，将此加密训练数据分类为支持集训练数据和查询集训练数据，支持集训练数据和查询集训练数据之间具有层级函数关系；

S2：数据测试：将上述步骤S1中的得到的支持集训练数据和查询集训练数据分别导入数据模型，利用context-set方法以及输入的观测值使得数据模型对支持集训练数据和查询集训练数据进行反复训练模拟学习，即模型在对查询集训练数据进行学习训练时忽略支持集训练数据的信息，在对支持集训练数据进行学习训练时忽略查询集训练数据的信息，使得支持集训练数据和查询集训练数据之间的数据交互值无限接近于0；

S3：数据训练：在上述步骤S2的基础上，利用实例标准化的训练方法对支持集训练数据和查询集训练数据进行维度归一化的模型训练，利用层标准化的训练方法对支持集训练数据和查询集训练数据进行多通道维度的模型训练，利用直批标准化的训练方法对支持集训练数据和查询集训练数据进行统计量差异化的模型训练，利用任务标准化的训练方法对支持集训练数据和查询集训练数据进行任务级别统计量的模型训练，利用元批量标准化的训练方法对支持集训练数据和查询集训练数据进行均值以及方差的基本化的模型训练，以此完成对数据模型的所有数据训练；

S4：参数获取：通过上述步骤S2以及步骤S3得到模型参数，此模型参数包括参数预处理矩阵以及训练模型参数，所述参数预处理矩阵通过在task-learner网络模型的各层之间交叉放置非线性激活层产生，且所述参数预处理矩阵参数为meta-learned；

S5：模型处理：在上述步骤S4已经获取模型参数的基础上，通过加密单元对模型参数进行加密，以此得到加密模型参数，从而完成对计算机数据模型的训练。

2.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述步骤S1中，加密单元为基于Data-Encryption-Standard数据加密技术、单向函数数据加密技术、单向Hash函数加密技术或RSA算法加密技术中的一种或多种的技术集成加密系统。

3.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述步骤S1中，加密单元的工作流程为：根据多组训练数据，确定第一随机分布噪声函数；基于所述第一随机分布噪声函数对所述训练集进行加噪处理；且根据所述模型参数，确定第二随机分布噪声函数；基于所述第二随机分布噪声函数对所述模型参数进行加噪处理。

4.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述步骤S2中，当对支持集训练数据进行测试时，查询集训练数据中的随机数据作为观测值，当对查询集训练数据进行测试时，支持集训练数据中的随机数据作为观测值。

5.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述步骤S4中，参数预处理矩阵用于判断及修正训练模型参数的数据，参数预处理矩阵为回落式梯度曲线。

6.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述步骤S5中，加密模型参数为信息获取模型、布尔模型或模糊集模型中的一种或多种的组合。

7.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述步骤S5中，加密单元为基于序列加密算法以及分组加密算法的数据加密系统。

8.根据权利要求1所述的一种计算机数据模型训练方法，其特征在于：所述训练数据集的获取方法包括关联模型操作数据库、定向网络爬虫或自助式开源数据集中的一种或多种的组合。