一种适应大数据处理要求的深层学习模型

提出基于参数更新与结构更新的深层学习模型。将向量空间表示扩展到张量空间表示,解决数据结 构表示的局限性,能很好地表示非结构化、半结构化等高维数据。改进后的模型具备保留原有训练参数、数据等 信息能力,不需要再次训练原数据集,并且能根据新进数据进行参数调整或结构调整更新,从而实现对新进数据 的学习。实验结果表明,该模型具有很好的拓展适应性与保持性,能适应大数据背景下数据变化快、类型复杂等 要求,具有很好的拓展实用性。

  • 2021-06-21
  • 收藏0
  • 阅读67
  • 下载0
  • 8页
  • pdf
  • 785.22M

评价

评分 :
   *