摘要
本申请提供一种基于深度学习在多数据混合探索方法,包括:根据不同数据源的采样覆盖面和样本容量,评估数据规模,判断数据源是否能支持模型构建;若数据规模无法满足要求,则通过生成对抗网络扩充样本分布;基于统计测试或先验知识评定数据源质量,确定质量权重;构建能反映数据源质量的子网络,获取质量得分,更新质量权重;通过关联分析评估数据源匹配程度,确定样本和特征选择;提取异质数据源的多样特征,表达数据关系;利用部分标记数据特征表示学习网络,评价特征的判别性能;学习不同数据源对应的任务子空间,实现联合推理,得到最终决策。
技术关键词
样本
条件生成对抗网络
生成式对抗网络
特征选择
评价特征
数据
规模
自动编码器网络
决策
标签
异质
注意力机制
神经网络参数
神经网络结构
神经网络训练
复杂度
标记
多层感知机
系统为您推荐了相关专利信息
聚类方法
协同过滤算法
研发团队
数据缺失值
样本
情感语音识别方法
语音识别模型
情感类别
长短期记忆单元
超参数