典型文献
深度算法预测模型的数据优化
文献摘要：
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.
文献关键词：
算法预测;特征提取;卷积神经网络;数据处理
中图分类号：
作者姓名：
程劲松
作者机构：
南京航空航天大学 南京 211106
文献出处：
引用格式：
[1]程劲松-.深度算法预测模型的数据优化)[J].计算机与数字工程,2022(01):23-27
A类：
B类：
算法预测,数据优化,问题场景,选项,自动预测,设计特征,自动化提取,预测数据,训练模型,变数,影响深度,深度模型,和算
AB值：
0.353065
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
