基于学习速率与更新向量的混合云数据冗余值迭代算法
张晓丽
东北大学机械工程与自动化学院,辽宁沈阳110819;长春师范大学数学学院,吉林长春130032
摘要：针对传统混合云数据冗余值迭代算法的平均回报值较低、收敛稳定性较差、收敛动作规模较小等问题,提出一种基于学习速率与更新向量的混合云数据冗余值迭代算法.首先,构建混合云数据冗余值值函数,在该函数中引入一个新的参数更新权重向量,基于深度学习中学习速率要求,获取值函数的稳定值;其次,依据获取的稳定值计算值函数稳定值向量,利用新权值处理稳定值向量,获取值函数更新向量;最后,对权值增量进行计算,结合哈希表完成混合云数据冗余值的迭代研究.实验结果表明,该算法的平均回报值最高,且收敛速度最快.
关键词：学习速率更新向量深度学习混合云数据冗余值迭代算法
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(41071262)国家自然科学基金(61300230)
论文发表日期：2020-10-28
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：6( 114-119 )
英文信息