[发明专利]一种DNN模型训练方法及装置在审
| 申请号： | 201910645026.4 | 申请日： | 2019-07-17 |
| 公开（公告）号： | CN110503184A | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 姚平;韩松江;徐杰;李蒙 | 申请（专利权）人： | 苏宁云计算有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 11111 北京市万慧达律师事务所 | 代理人： | 黄玉东<国际申请>=<国际公布>=<进入 |
| 地址： | 210000 江苏省南*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种DNN模型训练方法及装置，涉及机器学习技术领域，能够在不泄露双方公司原始数据集的前提下，实现对双方公司原始数据集的联合训练。该方法包括：分别对第一数据集和第二数据集中的维度向量进行统一的维度扩充；设置DNN模型的结构参数；使用上述第二层级对应的线性关系系数矩阵WL和偏倚向量bL分别对第一数据集和第二数据集中的数据转换；通过损失函数及反向传播函数分别对第二层级至第L层级中各神经元结果进行遍历计算，并在当次迭代相较于上次迭代中的各层级线性关系系数矩阵WL和偏倚向量bL的变化量均小于停止迭代阈值时对应输出，否则返回数据转换步骤重新执行迭代计算，直至迭代次数大于最大迭代次数时结束。 | ||
| 搜索关键词： | 迭代 层级 原始数据集 第一数据 数据集中 系数矩阵 线性关系 偏倚 向量 神经元 机器学习技术 遍历计算 迭代计算 反向传播 返回数据 结构参数 模型训练 数据转换 损失函数 维度向量 重新执行 变化量 阈值时 维度 泄露 输出 转换 联合 统一 | ||
【主权项】：
1.一种DNN模型训练方法，其特征在于，包括：/n获取第一数据集和第二数据集，分别对所述第一数据集和所述第二数据集中的维度向量进行统一的维度扩充；/n设置DNN模型的结构参数，并初始化第一数据集中各层级的线性关系系数矩阵WL和偏倚向量bL；/n使用上述第二层级对应的线性关系系数矩阵WL和偏倚向量bL分别对第一数据集和第二数据集中的数据转换；/n将第一数据集与第二数据集中的数据转换后叠加，遍历其中各元素执行前向传播计算输出第二层级中各神经元结果；/n基于第二层级中各神经元结果执行前向传播计算后对应输出第三层级至第L层级中各神经元结果；/n通过损失函数及反向传播函数分别对第二层级至第L层级中各神经元结果进行遍历计算，并在当次迭代相较于上次迭代中的各层级线性关系系数矩阵WL和偏倚向量bL的变化量均小于停止迭代阈值时对应输出，否则返回数据转换步骤重新执行迭代计算，直至迭代次数大于最大迭代次数时结束。/n
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苏宁云计算有限公司，未经苏宁云计算有限公司许可，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/201910645026.4/，转载请声明来源钻瓜专利网。
