龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种用于快速图像分类问题的分布式模型训练算法，包括：图像数据的准备与分布；模型初始化；分布式模型训练；模型评估和性能优化。所训练的分布式模型是一种基于Nesterov加速的自适应矩估计算法，即NGTAdam算法，包括：初始化参数；计算梯度，并基于梯度跟踪法更新梯度估计器；更新一阶矩估计向量，更新二阶矩估计向量；自适应更新学习率；更新临时变量和Nesterov动量变量；基于梯度下降法更新估计解。此外，本发明还公开了NGTAdam算法的理论收敛上界保证算法收敛。本发明提出的方法注重实时决策和动态优化，能够高效求解大规模在线优化问题，适用多种场景，解决了现有图像分类算法在训练大规模图像数据时速度慢、准确性不佳等问题。
主权项：1.一种用于快速图像分类问题的分布式模型训练算法，其特征在于，该分布式模型训练算法是一种基于Nesterov加速的自适应矩估计算法，简称为NGTAdam算法，具体包括以下步骤：S1、初始化NGTAdam算法的参数；导入图像数据集并进行数据预处理，在去中心化网络上，将训练数据分布到所有节点上；S2、每个节点上，利用估计解和Nesterov动量变量更新临时变量，并利用临时变量计算当前梯度；S3、每个节点上，基于梯度跟踪法更新梯度估计器；S4、每个节点上，采用指数移动平均更新一阶矩估计值和二阶矩阵估计值；S5、每个节点上，使用经过步骤S4更新后的一阶矩估计值和二阶矩估计值自适应更新估计解的梯度下降方向；S6、结合邻居节点的Nesterov动量变量，基于梯度下降法更新本节点的Nesterov动量变量；S7、结合邻居节点的临时变量，基于梯度下降法更新本节点估计解；S8、重复S2-S7进行多次迭代，直到满足算法结束条件。
全文数据：
权利要求：
百度查询： 安徽大学 一种用于快速图像分类问题的分布式模型训练算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号