一种基于动态权重调整的自适应机器学习算法

本发明提供了一种基于动态权重调整的自适应机器学习算法，包括步骤：数据预处理；初始化模型参数；动态权重调整模块，计算梯度的统计特性，调整学习率，调整权重更新策略，更新权重；模型训练；模型评估；迭代更新。本发明通过计算梯度的统计特性，动态调整学习率和权重更新策略，通过引入动量和二阶矩校正，使模型在训练过程中能够自适应地更新参数，提高收敛速度和稳定性。经过实验表明，本发明在处理非平稳数据和噪声数据时，具有较高的准确性和泛化能力，因此具有广泛的应用前景。