基于学习速率与更新向量的混合云数据冗余值迭代算法

• 作者: 张晓丽
• 来源期刊: 河南理工大学学报（自然科学版）
• 学科: 工学
• 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
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 计算机·人工智能·大数据
• 页码范围: 114-119
• 页数: 6页
• 分类号: TP181
• 语种: 中文

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.