一種多任務(wù)稀疏貝葉斯極限學(xué)習(xí)機回歸方法

基本信息

申請?zhí)?/td> CN202010097148.7 申請日 -
公開（公告）號 CN111291898A 公開（公告）日 2020-12-11
申請公布號 CN111291898A 申請公布日 2020-12-11
分類號 G06N20/00;G06N3/04;G06N3/08 分類 計算；推算；計數(shù);
發(fā)明人 黃永;李惠;高競澤 申請（專利權(quán)）人 哈爾濱工業(yè)大學(xué)資產(chǎn)經(jīng)營有限公司
代理機構(gòu) 哈爾濱市陽光惠遠知識產(chǎn)權(quán)代理有限公司 代理人 孫莉莉
地址 150001 黑龍江省哈爾濱市南崗區(qū)西大直街92號
法律狀態(tài) -

摘要

摘要 本發(fā)明提出一種多任務(wù)稀疏貝葉斯極限學(xué)習(xí)機回歸方法，所述方法包括對于單隱含層神經(jīng)網(wǎng)絡(luò)的輸入層至隱含層的隨機特征提取、輸出層權(quán)值的多任務(wù)稀疏建模及后驗估計、多任務(wù)稀疏貝葉斯極限學(xué)習(xí)機參數(shù)和超參數(shù)快速優(yōu)化估計等。本發(fā)明所述方法采用層次貝葉斯模型對極限學(xué)習(xí)機輸出層權(quán)值進行多任務(wù)稀疏求解，在保證精度的前提下，裁剪了極限學(xué)習(xí)機的冗余隱含層神經(jīng)元，得到了更為緊湊的神經(jīng)網(wǎng)絡(luò)，有效的避免了極限學(xué)習(xí)機的過擬合現(xiàn)象，并能使隱含層神經(jīng)元個數(shù)無須預(yù)先確定。從稀疏貝葉斯學(xué)習(xí)的角度，前端的單隱含層神經(jīng)網(wǎng)絡(luò)可以使稀疏貝葉斯學(xué)習(xí)方法得以應(yīng)用于非線性問題。