摘要
本发明属于数据处理技术领域，具体涉及一种基于深度学习的服务器数据处理方法及系统，旨在解决多模态数据处理中模态融合效率低、模型适配性差和资源利用率不足的问题。首先对混合待处理数据进行预处理并划分为结构化数据、图像数据、文本数据和时序数据子集；构建时变神经网络拓扑结构，基于服务器负载和数据特征动态调整网络边权重，实现多模态特征的初步提取与关联捕捉；利用注意力机制的跨模态特征提取器生成融合特征向量；通过动态自适应数据处理模块匹配深度学习模型进行并行处理；最后基于处理效率、资源占用率和准确率构建强化学习奖励函数，对模型进行联合迭代优化。
