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。 |
