【技术实现步骤摘要】
本专利技术涉及深度学习增强，具体是指用于数理统计的深度学习模型数值技能增强方法及系统。
技术介绍
1、数理统计的深度学习模型数值技能增强方法及系统，旨在通过结合深度学习与统计学的优势，提高模型在数据分析和推断中的表现，这些方法通常包括对模型的结构和训练过程进行优化，以提升其对数值数据的处理能力，例如，通过数据增强技术扩展训练集，或者使用正则化方法防止过拟合，从而提高模型的泛化能力，其作用在于，通过更准确和高效的数值分析，增强模型对复杂数据模式的识别能力，进而在预测、分类和决策支持等领域提供更加可靠的解决方案。这些系统不仅能帮助研究人员和数据科学家快速获得洞察，还能在实际应用中推动智能化决策。
2、但是，在已有的深度学习模型数值技能增强方法中，存在着现有技术针对深度学习模型的数值技能难以避免的存在对于数值单位理解错误，进而导致数值计算和推理的准确率进一步下降，因而必须同时针对数值技能在定性和定量两个角度分别进行增强的技术问题；在已有的深度学习模型数值技能增强方法中，存在着除了基本的模型训练方式增强之外，也需要对数据本身进行增强和处理的技术问题；在已有的维度感知增强和数值推理优化方法中，存在着传统方法聚焦于训练多个模型去针对对应的具体任务进行解决，而这难以避免的会导致多个模型叠加的准确度和可用性下降，进而降低了单个深度学习模型的数值技能的技术问题。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供了用于数理统计的深度学习模型数值技能增强方法及系统，针对在
2、本专利技术采取的技术方案如下：本专利技术提供的一种用于数理统计的深度学习模型数值技能增强方法，该方法包括以下步骤：
3、步骤s1：数据集建构；
4、步骤s2：数据增强；
5、步骤s3：维度感知增强；
6、步骤s4：数值推理优化；
7、步骤s5：模型数值技能增强。
8、进一步地，在步骤s1中，所述数据集建构，用于构建增强数值技能所需的原始数据集和数值技能知识库，具体为通过原始数据采集和知识库构建，得到数理统计原始数据；
9、所述数理统计原始数据，具体包括数据源数据集和数值技能知识库；
10、所述数据源数据集，具体指数值技能增强语料数据，包括原始语句数据和语法成分三元组数据；
11、所述数值技能知识库，具体指包括维度感知和数值推理数据源的原始知识库，包括维度感知数据集和数值推理数据集；
12、所述数值技能知识库，具体通过对所述数据源数据集依次进行基于规则的自动数据划分和数据筛选，得到维度感知数据集和数值推理数据集，并通过得到所述维度感知数据集和所述数值推理数据集，构建得到所述数值技能知识库。
13、进一步地，在步骤s2中，所述数据增强，用于对原始数据集进行增强和优化，具体为采用情境学习方法对所述数理统计原始数据中的数据源数据集进行数据增强，得到增强数理数据集，包括以下步骤：
14、步骤s21：数据集初始化，具体为对所述数理统计原始数据中的数据源数据集进行特征提取操作，并通过设定特征矩阵和标签向量，得到初始化原始数据样本集；
15、步骤s22：增强情境构建，具体为针对维度感知增强和数值推理优化，进行上下文情境设计，并构建得到上下文情境集合；
16、所述上下文情境集合，用于辅助数据增强模型理解数据特性，具体为构建维度感知增强情境和数值推理优化情境；
17、所述维度感知增强情境，具体包括单位维度跨语言识别感知情境、单位描述性感知情境、单位量感知情境、单位转换值感知情境和单位出现频率感知情境；
18、所述数值推理优化情境，具体包括变量线性关系推理情境、变量非线性关系推理情境、比例关系推理情境和约束条件推理情境；
19、步骤s23：数据增强生成，具体为依据所述上下文情境集合，训练标准对抗生成网络，构建生成条件并进行数据扩展，得到生成特征样本集；
20、步骤s24：增强数据整合，具体为将所述生成特征样本集和初始化原始数据样本集进行整合合并，得到增强整合数据集；
21、步骤s25：去重标准化，具体为对所述增强整合数据集依次进行数据去重和数据标准化操作，得到综合优化数据集；
22、所述数据去重，具体指对所述增强整合数据集中的重复样本进行去除，具体采用相似度检测方法进行自动数据去重，得到去重数据集；
23、所述数据标准化，具体指采用均值标准化对所述去重数据集进行数据标准化，得到综合优化数据集；
24、步骤s26：数据情境增强，具体为通过所述数据集初始化、所述增强情境构建、所述数据增强生成、所述增强数据整合和所述去重标准化，进行数据情境增强，得到增强数理数据集。
25、进一步地，在步骤s3中，所述维度感知增强，用于对模型的维度感知性能进行优化，具体为依据所述增强数理数据集和所述数理统计原始数据中的数值技能知识库，通过构建维度感知增强知识库，进行维度感知增强，并构建得到维度感知增强层，用于模型数值技能增强的模型训练；
26、所述通过构建维度感知增强知识库，进行维度感知增强，并构建得到维度感知增强层的步骤，包括：
27、步骤s31：维度感知增强知识库初始化，具体为依据所述数值技能知识库中的维度感知数据集，结合所述增强数理数据集中的上下文情境集合，进行维度感知增强知识库初始化，得到维度感知情境数据集；
28、所述维度感知情境数据集，具体包括单位维度跨语言识别感知情境数据、单位描述性感本文档来自技高网...
【技术保护点】
1.用于数理统计的深度学习模型数值技能增强方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤S1中，所述数据集建构，用于构建增强数值技能所需的原始数据集和数值技能知识库，得到数理统计原始数据；
3.根据权利要求2所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤S2中，所述数据增强，用于对原始数据集进行增强和优化，包括以下步骤：
4.根据权利要求3所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：所述维度感知增强，用于对模型的维度感知性能进行优化，所述通过构建维度感知增强知识库，进行维度感知增强，并构建得到维度感知增强层的步骤，包括：
5.根据权利要求4所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤S36中，所述构建维度知识连接单元的步骤，包括：
6.根据权利要求5所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤S4中，所述数值推理优化，用于对模型的数值推理性能进行优化，所述
7.根据权利要求6所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤S5中，所述模型数值技能增强，用于实施模型训练并实现深度学习模型的数值技能增强，具体为通过所述维度感知增强知识库、所述维度感知增强层和所述数值推理优化层，采用标准变压器结合seq2seq方法，进行模型训练，得到生成式深度学习数值技能增强模型，并通过应用所述生成式深度学习数值技能增强模型，进行数理统计计算。
8.用于数理统计的深度学习模型数值技能增强系统，用于实现如权利要求1-7中任一项所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：包括数据集建构模块、数据增强模块、维度感知增强模块、数值推理优化模块和模型数值技能增强模块。
9.根据权利要求8所述的用于数理统计的深度学习模型数值技能增强系统，其特征在于：所述数据集建构模块，用于数据集建构，通过数据集建构，得到数理统计原始数据，并将所述数理统计原始数据发送至数据增强模块；
...【技术特征摘要】
1.用于数理统计的深度学习模型数值技能增强方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤s1中，所述数据集建构，用于构建增强数值技能所需的原始数据集和数值技能知识库，得到数理统计原始数据；
3.根据权利要求2所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤s2中，所述数据增强，用于对原始数据集进行增强和优化，包括以下步骤：
4.根据权利要求3所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：所述维度感知增强，用于对模型的维度感知性能进行优化，所述通过构建维度感知增强知识库，进行维度感知增强，并构建得到维度感知增强层的步骤，包括：
5.根据权利要求4所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤s36中，所述构建维度知识连接单元的步骤，包括：
6.根据权利要求5所述的用于数理统计的深度学习模型数值技能增强方法，其特征在于：在步骤s4中，所述数值推理优化，用...
【专利技术属性】
技术研发人员：陈语嫣，
申请(专利权)人：襄阳官庄劳务服务有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。