[发明专利]用于受监督的神经网络学习的组合方法无效
| 申请号： | 02821729.2 | 申请日： | 2002-08-29 |
| 公开（公告）号： | CN1578968A | 公开（公告）日： | 2005-02-09 |
| 发明（设计）人： | R·K·舍蒂;V·蒂阿加赖安 | 申请（专利权）人： | 霍尼韦尔国际公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 中国专利代理(香港)有限公司 | 代理人： | 刘杰;王勇 |
| 地址： | 美国新*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种用于机器学习(例如受监督的人工神经网络学习)的技术，包括接收数据和检查读出数据的维数，以及使用主要方法减少该维数以便提高机器学习的性能。该技术还包括指定神经网络的结构，并且初始化权重以便在包括减少的维数的读出数据与预测值之间建立连接。该技术还包括使用指定的神经网络结构、初始化的权重和包括减少的维数的读出数据来执行受监督的机器学习，以便对于值进行预测。然后将预测的值与归一化的系统误差阈值进行比较，并且根据该比较的结果来修改初始化的权重以便生成在权重空间具有减少的误差的学习过的神经网络。使用已知的值验证学习过的神经网络，然后将其用于对于值进行预测。 | ||
| 搜索关键词： | 用于 监督 神经网络 学习 组合 方法 | ||
【主权项】：
1.一种用于受监督的人工神经网络机器学习的计算机实现的方法，该方法包括：根据维数来减少接收到的数据的维数以便提高机器学习的性能；指定受监督的神经网络结构；初始化权重以便在接收到的数据和预测值之间建立连接强度；使用指定的结构、初始化的权重和包括减少维数的接收到的数据来执行受监督的机器学习，以便对于值进行预测；以及根据归一化的系统误差阈值来修改初始化的网络权重，以便生成在权重空间具有减少的误差的学习过的神经网络。
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霍尼韦尔国际公司，未经霍尼韦尔国际公司许可，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/patent/02821729.2/，转载请声明来源钻瓜专利网。
