基于学习速率与更新向量的混合云数据冗余值迭代算法

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

所属期刊栏目：39

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目41071262,61300230

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：114-119