一种模型训练方法、装置、设备及存储介质制造方法及图纸

本申请提供一种模型训练方法、装置、设备及存储介质，涉及计算机技术领域，该方法能够实现构建监测光通道中目标端口的光放数据的异常监测模型，以便更准确地监测光通道的性能状况。该方法包括：获取OCM中目标端口的历史光放数据，将历史光放数据输入前馈神经网络模型，得到前馈神经网络模型的输出层输出的训练结果，根据历史光放数据以及训练结果，迭代更新输入层的第一权重以及至少一个隐藏层中每个隐藏层的第二权重，在满足迭代条件的情况下，根据更新后的第一权重以及每个第二权重，调整前馈神经网络模型，得到异常监测模型。本申请可用于监测光通道性能状况的过程中，用于解决人工监测光通道性能状况时监测结果不准确的问题。

【技术实现步骤摘要】

本申请涉及计算机，尤其涉及一种模型训练方法、装置、设备及存储介质。

技术介绍

1、在光网络中，传送业务信号的光通道一般是由多段光纤链路构成的，其间往往需要经过多个节点中继，由于光纤的损耗、色散和非线性以及光器件的噪声、串扰等因素的累积作用，光通道的传输性能下降、进而导致传输的光信号劣化、误码增多，无法满足特定业务的服务质量(quality of service，qos)要求。因此，在光通信设备和系统设计过程中监测光通道的性能状况是非常关键的步骤。

2、目前，相关技术中监测光通道的性能状况的方法为：通过光通道监测器(opticalchannel monitor，ocm)采集光通道中传输的光信号的光放数据，基于采集的光放数据监控光信号的动态情况，从而评估光通道的性能状况。其中，ocm通常有8个端口，包括一个可调谐光学滤波器和光电探测器，用于测量光信号的光谱，并采集各个光通道的光放数据。但是，这种方法中需要人工从ocm中查询端口的光放数据，并基于人工经验分析查询的光放数据评估光通道的性能状况，该方法对监测人员的专业能力要求较高，且人工采集信息可能存在本文档来自技高网...

【技术保护点】

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述历史光放数据以及所述训练结果，迭代更新所述输入层的第一权重以及所述至少一个隐藏层中每个隐藏层的第二权重，包括：

3.根据权利要求2所述的方法，其特征在于，在所述第i次迭代为首次迭代的情况下，所述第i次迭代时的第一权重和所述第i次迭代时的第二权重为随机生成的权重矩阵。

4.根据权利要求2所述的方法，其特征在于，所述根据所述历史光放数据和第i次迭代时的第一权重，确定第i次迭代时所述输入层的输出数据，包括：

5.根据权利要求2所述的方法，其特征...

【技术特征摘要】

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述历史光放数据以及所述训练结果，迭代更新所述输入层的第一权重以及所述至少一个隐藏层中每个隐藏层的第二权重，包括：

3.根据权利要求2所述的方法，其特征在于，在所述第i次迭代为首次迭代的情况下，所述第i次迭代时的第一权重和所述第i次迭代时的第二权重为随机生成的权重矩阵。

4.根据权利要求2所述的方法，其特征在于，所述根据所述历史光放数据和第i次迭代时的第一权重，确定第i次迭代时所述输入层的输出数据，包括：

5.根据权利要求2所述的方法，其特征在于，所述根据所述输入层的输出数据和第i次迭代时的第二权重，确定第i次迭代时所述前馈神经网络模型的训练结果，包括：

6.根据权利要求2所述的方法，其特征在于，所述根据所述历史光放数据、所述训练结果以及误差函数，确定第i次迭代时的训练误差，包括：

7.根据权利要求2至6任一项所述的方法，其特征在于，所述迭代条件包括以下任一项：所述迭代次数i大于第一预设阈值、所述第i次迭代时的训练误差小于第二预设阈值。

8.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

9.一种模型训练装置，其特征在于，所述装置包括：获取模块、处理模块、更新模块以及调整模块；

10.根据权利要求9所述的装置，其特征在于，所述更新模块具体用于，根据所述历史光放数据和第i次迭代时的第一权重，确定第i次迭代时所述输入层的输出数据；i为正整数；根据所述输入层的输出数据和第i次迭代时的第二权重，确定第i次迭代时所述前馈神经网络模型的训练结果；根据所述历史光放...

【专利技术属性】
技术研发人员：杨鹏真，沈世奎，周彦韬，唐宇，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：