[发明专利]一种基于贝叶斯优化的深度学习超参数的调优改进方法在审
| 申请号： | 201810318790.6 | 申请日： | 2018-04-11 |
| 公开（公告）号： | CN108573281A | 公开（公告）日： | 2018-09-25 |
| 发明（设计）人： | 曹连雨 | 申请（专利权）人： | 中科弘云科技（北京）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100095 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于贝叶斯优化的深度学习超参数的调优改进方法，其整体步骤为：采用快速最优拉丁方实验设计算法生成初始点集，提高有效评估点的生成率；采用并行计算在计算机中获取上述初始点集的响应，同时计算多个点在目标函数上的响应，构建数据集；进入贝叶斯优化迭代过程，在计算过程中使用并行计算的方法，加速整个优化过程。本发明可有效解决传统贝叶斯优化算法耗时长、性能波动大的缺陷，通过并行计算加快优化速度，显著提高了优化效率。 | ||
| 搜索关键词： | 贝叶斯 并行计算 优化 初始点 迭代过程 计算过程 目标函数 实验设计 算法生成 性能波动 优化算法 有效解决 整体步骤 拉丁方 评估点 数据集 响应 构建 耗时 改进 学习 计算机 | ||
【主权项】：
1.一种基于贝叶斯优化的深度学习超参数的调优改进方法，其特征在于：所述方法的整体步骤为：步骤1、采用快速最优拉丁方实验设计算法生成初始点集X＝x1...xt；步骤2、采用并行计算在计算机中获取上述初始点集的响应Y＝y1…yt，同时计算多个点x1...xt在目标函数上的响应y1…yt，构建数据集D＝{(x1，y1)...(xt，yt)}；步骤3、进入贝叶斯优化迭代过程：a、用数据集D中所有数据，构建高斯过程模型；b、使用获取函数u(x)获取下一个评估点xi，i的取值为1～t，xi＝argmax u(x|D)，计算响应yi＝f(xi)；c、增加新数据点到集合D，D←D∪{xi，yi}，i←i+1。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中科弘云科技（北京）有限公司，未经中科弘云科技（北京）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810318790.6/，转载请声明来源钻瓜专利网。
