[发明专利]一种模型训练的方法以及相关装置

权利要求书

1.一种模型训练的方法，其特征在于，包括：

获取训练集合和目标集合，所述训练集合包括至少一个数据样本，所述目标集合为预设的预测数据分布样本集合；

将所述训练集合和所述目标集合输入生成式对抗网络，通过所述生成式对抗网络生成所述训练集合的新特征；

根据所述新特征计算所述训练集合与所述目标集合之间的相似度，选择相似度超过第一预设阈值的所述训练集合作为训练样本；

采用所述训练样本进行模型训练。

2.根据权利要求1所述的方法，其特征在于，所述生成式对抗网络包括生成器、第一判别器和第二判别器；

通过所述生成器接收所述训练集合和所述目标集合，生成所述新特征；

通过所述生成器输出具备所述新特征的所述训练集合和所述目标集合；

通过所述第一判别器区分所述生成器输出的所述训练集合的正样本和负样本；

通过所述第二判别器区分所述生成器输出的所述训练集合和所述目标集合。

3.根据权利要求2所述的方法，其特征在于，所述通过所述生成器接收所述训练集合和所述目标集合，生成所述新特征包括：

通过所述生成器接收所述训练集合，所述目标集合，第一标签以及第二标签，所述第一标签用于区分所述训练集合和所述目标集合，所述第二标签用于区分所述训练集合的所述正样本和所述负样本；

以总体损失函数的输出最小为目标更新所述生成器的参数和所述第一判别器的参数；

通过参数更新后的所述生成器生成所述新特征。

4.根据权利要求2所述的方法，其特征在于，所述通过所述第二判别器区分所述生成器输出的所述训练集合和所述目标集合包括：

通过所述第二判别器接收所述生成器输出的所述训练集合，所述目标集合和所述第一标签；

以总体损失函数的输出最小为目标更新所述第二判别器的参数；

通过参数更新后的所述第二判别器区分所述生成器输出的所述训练集合和所述目标集合。

5.根据权利要求2所述的方法，其特征在于，所述将所述训练集合和所述目标集合输入生成式对抗网络，通过所述生成式对抗网络生成所述训练集合的新特征包括：

根据所述训练集合和所述目标集合通过所述生成器生成第一新特征；

根据具备所述第一新特征的所述训练集合和所述目标集合计算所述第二判别器准确率；

若所述第二判别器的准确率小于第二预设阈值，则输出所述第一新特征；

若所述第二判别器的准确率不小于第二预设阈值，则根据所述训练集合和所述目标集合通过所述生成器生成第二新特征。

6.根据权利要求2所述的方法，其特征在于，所述将所述训练集合和所述目标集合输入生成式对抗网络，通过所述生成式对抗网络生成所述训练集合的新特征包括：

根据所述训练集合和所述目标集合通过所述生成器生成第一迭代次数所对应的第一新特征；

若所述第一迭代次数达到第三预设阈值，则输出所述第一新特征；

若所述第一迭代次数未达到第三预设阈值，则根据所述训练集合和所述目标集合通过所述生成器生成第二迭代次数所对应的第二新特征。

7.根据权利要求2所述的方法，其特征在于，所述将所述训练集合和所述目标集合输入生成式对抗网络，通过所述生成式对抗网络生成所述训练集合的新特征包括：

根据所述训练集合和所述目标集合通过所述生成器生成第一新特征；

计算所述生成器的参数变化值；

若所述生成器的参数变化值小于第四预设阈值，则输出所述第一新特征；

若所述生成器的参数变化值不小于第四预设阈值，则根据所述训练集合和所述目标集合通过所述生成器生成第二新特征。