[发明专利]基于结构化数据的深度学习架构搜索方法有效

专利信息
申请号: 202110730220.X 申请日: 2021-06-29
公开(公告)号: CN113379068B 公开(公告)日: 2023-08-08
发明(设计)人: 王宏志;薛仲豪;王春楠 申请(专利权)人: 哈尔滨工业大学
主分类号: G06N3/0442 分类号: G06N3/0442;G06N3/0464;G06N3/048;G06N3/092
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 岳泉清
地址: 150001 黑龙*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 结构 数据 深度 学习 架构 搜索 方法
【权利要求书】:

1.基于结构化数据的深度学习架构搜索方法,其特征在于,该搜索方法包括:

S1、采用递归神经网络生成编码,根据编码确定唯一的深度神经网络模型;

S2、在结构化数据集上训练深度神经网络模型,所述结构化数据提供网页的页面信息和对网页的页面内容进行分类;

S3、根据训练结果,更新递归神经网络;

S4、采用深度神经网络模型对搜索空间进行搜索,采用蒙特卡洛策略梯度更新搜索策略,获得最优架构;

将搜索空间用于网页搜索引擎,获得网页搜索的最优架构,展示网页重要信息;

S1所述采用递归神经网络生成编码的具体方法为:

递归神经网络模型由两个长短记忆单元构成,两个长短记忆单元通过全连接层生成N维向量;

采用ε-贪心的方法获取每层神经网络的神经单元数量,以神经单元数量作为深度神经网络模型的编码;

采用递归神经网络模型能够扩展搜索空间,两个长短记忆单元用于保存前置信息;

激活函数的选择方法为:

ε-贪心的结果作为下一次迭代的输入,获得展开后的递归神经网络模型;

递归神经网络模型每展开两次产生一个隐藏层;

根据第二次展开的输出确定激活函数的类型;

S1所述根据编码确定深度神经网络模型包括:

ε-贪心的结果作为下一次迭代的输入,获得展开后的递归神经网络模型;

递归神经网络每展开一次,在深度神经网络中增加一个新的隐藏层,最终生成深度神经网络模型。

2.根据权利要求1所述的基于结构化数据的深度学习架构搜索方法,其特征在于,所述两个长短记忆单元通过全连接层生成N维向量采用的激活函数是归一化指数函数。

3.根据权利要求1所述的基于结构化数据的深度学习架构搜索方法,其特征在于,所述N维向量是对标签的独热编码分类的预测。

4.根据权利要求3所述的基于结构化数据的深度学习架构搜索方法,其特征在于,所述标签是每层神经网络的最优单元数量。

5.根据权利要求1所述的基于结构化数据的深度学习架构搜索方法,其特征在于,所述编码格式为:

{10,relu,8,sigmoid,5,softmax};

其中,10、8、5表示神经单元数量,relu、sigmoid、softmax均表示激活函数。

6.根据权利要求1-5中任意一项所述的基于结构化数据的深度学习架构搜索方法,其特征在于,所述递归神经网络将t-1时刻的输出向量直接传递给t时刻的输出向量。

7.根据权利要求6所述的基于结构化数据的深度学习架构搜索方法,其特征在于,所述递归神经网络在首次展开时,递归神经网络的输入置为单位向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110730220.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top