一种数据训练的优化方法及系统

本发明公开了一种数据训练的优化方法及系统，涉及优化算法技术领域，包括，利用梯度分布熵值构建频域噪声整形滤波函数，对原始梯度张量进行傅里叶变换后应用频域噪声整形滤波函数，得到滤波频域梯度谱；通过逆傅里叶变换重构滤波频域梯度谱为优化梯度张量；根据梯度分布熵值通过指数衰减公式计算动态学习率；对更新后数据进行下一批次训练，当熵值波动强度小于熵值波动收敛阈值时终止训练，得到优化后的数据。通过引入相位对齐校准、熵驱动正则化项以及基于熵值波动强度的收敛判断机制，本发明提升了数据更新质量与训练终止判断的智能化水平；具备良好的可解释性与工程应用价值，适用于大规模数据训练及对梯度噪声敏感的多种任务场景。