[发明专利]用于学习模式分类和判定值估计的方法和装置

摘要

一种用于通过基于风险微分学习(RDL)目标函数(28)对响应于一个输入模式(26)的网络的实际输出与对于该模式的期望输出进行比较，训练神经网络模型(21)对该模式进行分类或者对与模式相关的判定值进行估计的装置和方法，该比较结果通过数值优化控制神经网络模型的参数的调整。该RDL目标函数包括一个或多个项，每一项是一个风险/利润/分类品质因数(RBCFM)函数，该函数是一个风险微分的合成的、单调非递减的、反对称/非对称的、分段可微的函数(图6)，该风险微分是在响应于一个给定的输入模式所产生的神经网络模型的输出之间的差分。每个RBCFM函数具有数学特征，这样，RDL能够做出最大正确性/利润性和最小复杂性的普遍保证。还公开了一个使用RDL使资源分配利润最大化的策略。

主权项

1.一种用于训练一个神经网络模型，以分类输入模式或者估计与输入模式相关的判定值的方法，其中所述模型以通过数值优化可调的相互联系的数值参数为特征，所述方法包括：将由所述模型产生的响应于一个预定输入模式的一个实际分类或值估计与对于所述预定输入模式所期望的分类或值估计进行比较，所述比较基于包括一个或多个项的目标函数来实现，每一个所述项为一个具有可变幅角δ的合成项函数，并对接近零的δ值具有过渡区，所述项函数在所述过渡区中关于值δ＝0对称；以及使用所述比较的结果来控制所述数值优化，通过所述数值优化来调整所述模型的参数。