深度算法预测模型的数据优化
程劲松
南京航空航天大学 南京 211106
摘要：在所有的问题场景中运行所有可能的解决方案时,没有哪一种解决方案的性能始终优于其他选项.这个事实促使人们使用定制的方法,即可以根据特定的问题输入自动预测可行的算法.在主流的预测方法几乎都依赖人工设计特征的情况下,近些年来深度学习开始被用于问题实例特征的自动化提取.算法预测数据集的特殊性导致最终输入训练模型的样本与标签存在诸多变数,从而影响深度模型在该数据集上的学习能力.因此,论文是在原始方法的基础上通过改进数据样本和算法标签的生成提升了在某些数据集上基于深度模型的算法预测任务性能.
关键词：算法预测特征提取卷积神经网络数据处理
分类号：O141.4(数理逻辑、数学基础)
论文发表日期：2022-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 23-27 )
英文信息