【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种模型参数的优化方法、装置、计算机设备及存储介质。
技术介绍
1、当前常见的神经网络模型优化算法大多研究利用训练样本集对模型进行迭代训练的学习过程进行模型的参数优化，但实际上神经网络模型的性能还受到超参数的影响，不同的超参数组合会显著影响模型的性能。超参数是在模型在开始学习过程之前设置的参数，超参数可以用于定义关于模型的更高层次的概念，如复杂性或学习能力，且超参数不能直接从通过训练样本集对模型训练过程中的数据中学习得到，而需要在模型开始学习过程之前预先定义。
2、由于模型的超参数包括复杂的不同类型的参数，而传统的超参数优化方案中使用单一的优化算法对超参数进行寻优，往往难以找到模型最优的超参数组合，导致最终优化得到的模型的性能不佳。
技术实现思路
1、本申请提出了一种模型参数的优化方法、装置、计算机设备及存储介质。
2、第一方面，本申请实施例提供了一种模型参数的优化方法，所述方法包括：基于网格搜索算法对待优化的多种第一超参数的参数值进行搜...
【技术保护点】
1.一种模型参数的优化方法，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，在所述基于所述多个第一超参数组合以及待优化的多个第二超参数组合，构建多个初始模型之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述利用训练样本集，并基于差分进化算法对所述多个初始模型中的所述第二超参数进行迭代优化，直至满足预设终止条件，得到多个优化后的初始模型，作为多个第一故障诊断模型，包括：
4.根据权利要求3所述的方法，其特征在于，在所述若基于所述分类准确率、所述适应度以及进化次数，确定目标超参数组合对应的多个所...
【技术特征摘要】
1.一种模型参数的优化方法，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，在所述基于所述多个第一超参数组合以及待优化的多个第二超参数组合，构建多个初始模型之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述利用训练样本集，并基于差分进化算法对所述多个初始模型中的所述第二超参数进行迭代优化，直至满足预设终止条件，得到多个优化后的初始模型，作为多个第一故障诊断模型，包括：
4.根据权利要求3所述的方法，其特征在于，在所述若基于所述分类准确率、所述适应度以及进化次数，确定目标超参数组合对应的多个所述初始模型中的第二超参数优化均不满足所述预设终止条件，则基于所述差分进化算法，对所述目标超参数组合对应的多个所述初始模型中的所述第二超参数进行迭代优化之前，所述方法还包括：
5.根据权...
【专利技术属性】
技术研发人员：黄忠山，文雯，明瑶，栗幸杰，
申请(专利权)人：广州汽车集团股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。