[发明专利]基于先验知识的可拓神经网络模式识别方法无效
| 申请号： | 201310532381.3 | 申请日： | 2013-10-31 |
| 公开（公告）号： | CN103559542A | 公开（公告）日： | 2014-02-05 |
| 发明（设计）人： | 周玉;王亭岭;宫贺;陈建明;熊军华 | 申请（专利权）人： | 华北水利水电大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 郑州联科专利事务所(普通合伙) 41104 | 代理人： | 时立新 |
| 地址： | 450000*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于先验知识的可拓神经网络模式识别方法，包括以下步骤：（1）准备训练样本集和知识库；（2）根据训练样本和先验知识，确定可拓神经网络的初始权值；（3）利用训练样本对可拓神经网络进行训练，如果训练过程收敛或总误差率到达预设值，则停止训练，保存训练后的可拓神经网络的权值向量；否则继续训练；（4）利用训练好的可拓神经网络进行模式识别，直至所有识别对象全部识别完毕。本发明在先验知识和训练样本共同驱动下，指导可拓神经网络的学习，完成可拓神经网络的训练和学习，减轻其学习负担，有效提高可拓神经网络的性能，减少训练时间，提高识别精度。 | ||
| 搜索关键词： | 基于 先验 知识 神经网络 模式识别 方法 | ||
【主权项】：
1.一种基于先验知识的可拓神经网络模式识别方法，其特征在于：包括以下步骤：（1）、准备训练样本集和知识库，训练样本集是已经获取的观测数据，假设训练样本集为![]()
其中Np是样本集的样本总个数，第i个样本表示为![]()
其中n是样本特征向量包含的特征总个数，第i个样本类别标签是p；知识库是存储关于面对具体对象而已经知道的信息；针对可拓神经网络权值所体现的知识特点，选择对象特征向量各个特征值的经典域极值，即![]()
Lkj表示第k种模式关于第j个特征属性的定量范围；（2）、根据训练样本和先验知识，确定可拓神经网络的初始权值； （3）、利用训练样本对可拓神经网络进行训练；如果训练过程收敛或总误差率到达预设值，则停止训练，保存训练后的可拓神经网络的权值向量；否则继续训练； （4）、利用训练好的可拓神经网络进行模式识别，直至所有识别对象全部识别完毕。
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华北水利水电大学，未经华北水利水电大学许可，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/patent/201310532381.3/，转载请声明来源钻瓜专利网。
