一種多任務稀疏貝葉斯極限學習機回歸方法

基本信息

申請?zhí)?/td> CN202010097148.7 申請日 -
公開（公告）號 CN111291898B 公開（公告）日 2020-12-11
申請公布號 CN111291898B 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）人 哈爾濱極座科技合伙企業(yè)（有限合伙）
代理機構 哈爾濱市陽光惠遠知識產(chǎn)權代理有限公司 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)明提出一種多任務稀疏貝葉斯極限學習機回歸方法，所述方法包括對于單隱含層神經(jīng)網(wǎng)絡的輸入層至隱含層的隨機特征提取、輸出層權值的多任務稀疏建模及后驗估計、多任務稀疏貝葉斯極限學習機參數(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習機輸出層權值進行多任務稀疏求解，在保證精度的前提下，裁剪了極限學習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，有效的避免了極限學習機的過擬合現(xiàn)象，并能使隱含層神經(jīng)元個數(shù)無須預先確定。從稀疏貝葉斯學習的角度，前端的單隱含層神經(jīng)網(wǎng)絡可以使稀疏貝葉斯學習方法得以應用于非線性問題。