[发明专利]误差反向传播神经网络的预测方法、系统及服务器在审
| 申请号： | 201510925606.0 | 申请日： | 2015-12-11 |
| 公开（公告）号： | CN105373830A | 公开（公告）日： | 2016-03-02 |
| 发明（设计）人： | 杨庭清;徐俊;姜烨;徐正蓺;田欣;张晓凌;何子卿;张浩 | 申请（专利权）人： | 中国科学院上海高等研究院 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 上海光华专利事务所 31219 | 代理人： | 王再朝 |
| 地址： | 201210 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种误差反向传播神经网络的预测方法，包括：构建一个初始神经网络；利用预先采集的N个训练数据样本对初始神经网络进行训练以获取第一收敛神经网络；对第一收敛神经网络中隐含层的神经元节点的输出数据进行相关性分析，合并大于预设相关性阈值的隐含层的神经元节点以产生保留m个隐含层的神经元节点的第二收敛神经网络；对第二收敛神经网络中隐含层的神经元节点的输出数据和第一收敛神经网络中输出层的神经元节点的输出数据进行关联性分析以获取优化神经网络；再次利用N个训练数据样本对优化神经网络进行训练以获取预测神经网络。本发明确定单隐含层神经网络隐含层节点个数，弥补了单一的主分量分析和关联系数法的不足之处。 | ||
| 搜索关键词： | 误差 反向 传播 神经网络 预测 方法 系统 服务器 | ||
【主权项】：
一种误差反向传播神经网络的预测方法，其特征在于，所述误差反向传播神经网络的预测方法包括以下步骤：构建一个初始神经网络；所述初始神经网络包括输入层、隐含层、及输出层；所述隐含层包括n个神经元节点；其中，n为大于1的正整数；通过与所述单隐含层神经网络对应的训练函数，利用预先采集的N个训练数据样本对所述初始神经网络进行训练以获取第一收敛神经网络；其中，N为大于1的正整数；对所述第一收敛神经网络中隐含层的神经元节点的输出数据进行相关性分析，合并大于预设相关性阈值的隐含层的神经元节点以产生保留m个隐含层的神经元节点的第二收敛神经网络；其中，m为大于1小于n的正整数；对所述第二收敛神经网络中隐含层的神经元节点的输出数据和第一收敛神经网络中输出层的神经元节点的输出数据进行关联性分析以获取优化神经网络；再次利用N个训练数据样本对所述优化神经网络进行训练以获取预测神经网络。
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中国科学院上海高等研究院，未经中国科学院上海高等研究院许可，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/201510925606.0/，转载请声明来源钻瓜专利网。
