基于公平感知的多目标学习模型训练方法、装置、设备

AITNT
正文
推荐专利
基于公平感知的多目标学习模型训练方法、装置、设备
申请号:CN202411014402
申请日期:2024-07-26
公开号:CN119227829A
公开日期:2024-12-31
类型:发明专利
摘要
本发明涉及机器学习技术领域,具体是涉及基于公平感知的多目标学习模型训练方法、装置、设备。本发明首先计算预训练机器学习模型的各个预设评估指标的指标值,然后根据各个预设评估指标的该指标值,计算各个预设评估指标的相关性,并根据该相关性,从各个预设评估指标中筛选出目标评估指标,最后根据该目标评估指标对机器学习模型进行下一轮的训练。本发明在每轮训练之后,都计算各个评估指标之间的相关性,并根据该相关性尽量筛选出相关性小或者无相关性甚至负相关性的评估指标,使得这些评估指标更能真实的评估出每轮训练之后的模型,也就是本发明在模型训练过程中调整评估指标,能够使得评估指标更好地适用于模型训练。
技术关键词
训练机器学习模型 学习模型训练方法 指标 模型训练装置 机器学习技术 模型训练模块 可读存储介质 终端设备 处理器 数据 程序 存储器 计算机 参数
系统为您推荐了相关专利信息
1
一种基于强化学习A2C算法的水文模型实时修正方法
概念性水文模型 修正方法 校正 算法 参数
2
内燃机车智能驾驶仿真测试方法及系统
虚拟仿真环境 行驶状态信息 深度强化学习 图像特征信息 驾驶仿真测试方法
3
人工智能模型的预测稳定性评估方法、装置、设备及产品
人工智能模型 稳定性评估方法 指标 样本 校准误差
4
光储逆变器的测试方法及系统
三端口 长短期记忆网络 特征值集合 指标 参数
5
一种采集系统风险评估方法、系统、介质、设备及程序
系统运行状态 风险评估方法 信息采集系统 历史运行数据 电力
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号