自动化机器学习方法及其装置制造方法及图纸

本公开涉及一种自动化机器学习方法及其装置，根据本公开一实施例的自动化机器学习方法可以包括如下步骤：注册至少一个第一参数集，其包括影响学习模型性能的至少一个参数的不同设置数据的组合；基于输入的学习条件，从所述第一参数集中选定将用于生成所述学习模型的至少一个第二参数集；基于所述第二参数集以及预定的输入数据集学习网络函数，从而生成与各所述第二参数集对应的所述学习模型，计算各所述学习模型的验证分数(validation score)；以及基于所述验证分数，将生成的所述学习模型中的一个选择为应用模型。学习模型中的一个选择为应用模型。学习模型中的一个选择为应用模型。

【技术实现步骤摘要】
【国外来华专利技术】自动化机器学习方法及其装置


[0001]本公开(disclosure)的技术思想涉及一种自动化机器学习方法以及装置。

技术介绍

[0002]机器学习(Machine Learning)作为人工智能(AI)的一个领域，以数据为基础，是开发能够使计算机进行学习的算法和技术的领域，作为图像处理、影像识别、语音识别、网络检索等各个领域的核心技术，在预测(prediction)、对象检测(detection)、对象分类(classification)、对象分割(segmentation)和异常检测(anomaly detection)中表现出卓越的性能。
[0003]为了通过上述机器学习推导出具有目标性能的学习模型，需要适当地选择用于机器学习的神经网络(neural network)。然而，由于神经网络的选择没有绝对的标准，因此选择符合待应用的领域或输入数据的特性的神经网络不可避免地成为一个难题。
[0004]例如，根据数据集的种类，深层的网络可能具有更好的性能，但也可能存在即使没有深层也能获得足够性能的情况，尤其是生产企业，有时会非常看本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种自动化机器学习方法，其中，包括如下步骤：注册至少一个第一参数集，其包括影响学习模型性能的至少一个参数的不同设置数据的组合；基于输入的学习条件，从所述第一参数集中选定将用于生成所述学习模型的至少一个第二参数集；基于所述第二参数集以及预定的输入数据集学习网络函数，从而生成与各所述第二参数集对应的所述学习模型，计算各所述学习模型的验证分数；以及基于所述验证分数，将生成的所述学习模型中的一个选择为应用模型。2.根据权利要求1所述的自动化机器学习方法，其中，注册所述第一参数集的步骤包括如下步骤：对所述至少一个参数进行不同设置数据的组合，从而生成多个候选参数集；通过第一数据集对各所述候选参数集进行所述网络函数的学习，执行交叉验证；以及根据所述交叉验证的结果，将所述候选参数集中至少一个确定为所述第一参数集。3.根据权利要求2所述的自动化机器学习方法，其中，基于与所述第一数据集不同的至少一个第二数据集，反复执行所述交叉验证的步骤和确定为所述第一参数集的步骤。4.根据权利要求2所述的自动化机器学习方法，其中，所述交叉验证的结果包括计算的各所述候选参数集的所述交叉验证的验证分数的平均及标准偏差，在确定为所述第一参数集的步骤中，基于所述验证分数的平均及标准偏差执行统计学比较，从而将具有高于预定的基准值的性能的所述候选参数集确定为所述第一参数集。5.根据权利要求1所述的自动化机器学习方法，其中，所述第一参数集包括与网络函数种类、优化器、学习速度以及数据增强中至少一个相关的参数的设置数据。6.根据权利要求1所述的自动化机器学习方法，其中，所述学习条件包括与学习环境、推理速度以及检索范围中至少一个相关的条件。7.根据权利要求6所述的自动化机器学习方法，其中，选定所述第二参数的步骤包括如下步骤：基于架构以及所述推理速度中至少一个排列所述第一参数集；以及根据输入的所述学习条件，将排列的所述第一参数集中靠前的预定比率选定为所述第二参数集。8.根据权利要求1所述的自动化机器学习方法，其中，基于召回率、精确率、准确率以及它们的组合中至少一个计算所述验证分数。9.一种自动化机器学习装置，其中，包括：存储器，存储用于自动化机器学习的程序；处理器...

【专利技术属性】
技术研发人员：李在桓，林亨珍，
申请(专利权)人：纽乐科有限公司，
类型：发明
国别省市：