一种基于神经网络的梯度下降迭代次数预测方法及装置
基本信息
| 申请号 | CN201810884710.3 | 申请日 | - |
| 公开（公告）号 | CN109165724A | 公开（公告）日 | 2019-01-08 |
| 申请公布号 | CN109165724A | 申请公布日 | 2019-01-08 |
| 分类号 | G06N3/04;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 王宏志;赵志强 | 申请（专利权）人 | 哈尔滨工创智能科技有限公司 |
| 代理机构 | 北京格允知识产权代理有限公司 | 代理人 | 哈工大大数据（哈尔滨）智能科技有限公司 |
| 地址 | 150001 黑龙江省哈尔滨市松北区高新技术产业开发区哈工大沿海创意科技港及物联网技术研发中心9号楼(创新路1616号)714-2室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于神经网络的梯度下降迭代次数预测方法，包括：输入以梯度下降法求解形式表示的机器学习任务；收集历史情况的数据，训练基于神经网络的梯度下降优化器；将机器学习任务输入训练得到的梯度下降优化器，利用神经网络预测机器学习任务的最少迭代次数，以及对应的梯度下降法。本发明在为机器学习任务选择梯度下降法并预测迭代次数的过程中，利用历史情况中的数据训练梯度下降优化器，通过神经网络框架选择合适的梯度下降法以及预测迭代次数，神经网络通过对数据的训练学习，能够自主地更新隐层，更快找出合适的梯度下降法，同时得到的迭代次数的预估值不受所提供的数据和用户要求的影响，减少优化器对于人工的依赖。 |
