摘要
本申请提供了一种超参空间分析方法、装置、电子设备和存储介质。本公开实施例的方法包括:获取精密系统的超参数据;利用超参数据通过深度学习模型进行空间建模,以使得深度学习模型表征超参数据对应的超参空间中第一维度与第二维度间的映射关系;计算深度学习模型的夏普利(Shapley)值,Shapley值用于指示第二维度对第一维度的影响程度;使用协方差矩阵自适应演化(CMA‑ES)算法针对深度学习模型在超参空间进行空间寻优以获得边界特征值,边界特征值指示超参空间中第一维度上变化最快的点的位置;Shapley值和边界特征值用于对精密系统进行设置或优化。本公开实施例能够实现对精密系统的高效、准确、低成本的设置或优化。
技术关键词
深度学习模型
超参数
精密系统
空间分析方法
特征值
协方差矩阵
集成学习模型
输出特征
长短期记忆网络
数据
电子设备
多层感知器
可读存储介质
存储计算机程序
存储器
处理器
注意力机制
分析装置
关系
系统为您推荐了相关专利信息
动态分配方法
计算机电源
动态分配功率
热力图
神经架构搜索
图像处理器
样本
模型训练方法
历史性能数据
特征值
偏振光
训练深度学习模型
马赛克
注意力
图像传感器