基于自抗扰控制的深度学习优化方法、系统、设备及介质

本申请涉及深度学习技术领域，特别涉及一种基于自抗扰控制的深度学习优化方法、系统、设备及介质，其中，方法包括：在深度学习模型迭代训练的过程中，获取深度学习模型在当前迭代步骤的模型参数和上一次迭代步骤的控制输入值，并输入扩张状态观测器，扩张状态观测器输出状态估计值和总扰动估计值；将状态估计值和总扰动估计值输入自抗扰控制器，自抗扰控制器计算深度学习模型在当前迭代步骤的控制输入值；根据当前迭代步骤的控制输入值和当前迭代步骤的模型参数，更新深度学习模型的模型参数，将更新后的模型参数作为深度学习模型在下一次迭代步骤的模型参数，增强了优化过程对复杂环境和干扰的鲁棒性，显著提升了深度学习模型的训练效率和性能。