一种基于梯度的样本学习难度度量方法及装置

实质审查的生效

摘要

本发明公开了一种基于梯度的样本学习难度度量方法及装置，根据给定训练样本，构建一个深度神经网络，并使用随机梯度下降作为优化策略进行一次完整训练；记录这次完整训练中，K次迭代的Softmax层前一层的梯度向量；依次计算每个样本K次迭代的梯度向量的模，均值和方差；将所得均值和方差进行加权相加，并用以度量对应样本的相对学习难度；使用局部异常因子（LoF_k）对各样本的梯度向量的模的均值和方差组成的数组进行分析，视局部异常因子数值大于1的样本为异常点。针对异常点，构建一个logistic回归模型。利用上述构建的logistic回归模型，找到使异常点的局部异常因子最大的加权参数。

基本信息

专利标题：

一种基于梯度的样本学习难度度量方法及装置

专利标题（英）：

暂无

公开（公告）号：

CN114492736A

申请号：

CN202111658842.2

公开（公告）日：

2022-05-13

申请日：

2021-12-30

授权号：

暂无

授权日：

暂无

发明人：

张吉吴偶祝蔚瑶朱玉许增辉

申请人：

之江实验室

申请人地址：

浙江省杭州市余杭区中泰街道之江实验室南湖总部

代理机构：

杭州浙科专利事务所(普通合伙)

代理人：

杨小凡

优先权：

CN202111658842.2

主分类号：

G06N3/04

IPC分类号：

G06N3/04 G06N3/08 G06V10/82

IPC结构图谱

G部——物理

G06

计算；推算或计数

G06N

基于特定计算模型的计算机系统

G06N3/00

基于生物学模型的计算机系统

G06N3/02

采用神经网络模型

G06N3/04

体系结构，例如，互连拓扑

法律状态

2022-05-31 ：

实质审查的生效

IPC(主分类) : G06N 3/04
申请日 : 20211230

2022-05-13 ：

公开

注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。

文件下载

暂无PDF文件可下载