[发明专利]一种超深度回归分析学习方法在审
| 申请号： | 201710123049.X | 申请日： | 2017-02-27 |
| 公开（公告）号： | CN108510068A | 公开（公告）日： | 2018-09-07 |
| 发明（设计）人： | 顾泽苍 | 申请（专利权）人： | 顾泽苍 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300010 天津市*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明为一种超深度回归分析学习方法，具体实施步骤是在计算点到直线距离步骤里，针对给定的直线，求给定范围内的各个数据到直线的距离，在概率尺度自组织步骤里，针对点到直线的距离进行概率尺度自组织的机器学习，得到最大概率的数据分布，在回归分析结果步骤：针对最大概率的数据分布再求出最为接近的直线，判断回归分析学习否完成，否就继续概率尺度自组织步骤的处理；是就得到最大概率的回归分析结果。本发明实施效果是：可获得最大概率的回归分析结果，可以剔除噪声，以及可以穿越噪声数据的障碍，自律的逼近最大概率的区域，超深度回归分析学习结果同实际公式计算出的结果具有明显的逼近效果。 | ||
| 搜索关键词： | 回归分析 最大概率 概率尺度 自组织 数据分布 逼近 公式计算 机器学习 结果步骤 学习结果 噪声数据 直线距离 计算点 学习 剔除 噪声 穿越 | ||
【主权项】：
1.一种超深度回归分析学习方法，是由计算点到直线步骤，概率尺度自组织步骤以及得到回归分析结果步骤构成的，其特征在于：(1)计算点到直线距离步骤：针对数据分布中的直线；求给定范围内的各个数据到直线的距离；(2)概率尺度自组织步骤：针对上述求出的点到直线的距离；进行概率尺度自组织的机器学习，得到最大概率的数据分布；(3)得到回归分析结果步骤：将上述求出的最大概率的数据分布再求出最为接近的直线；判断概率尺度自组织机器学习的处理是否可以完成，否就继续概率尺度自组织步骤的处理；是就得到最大概率的回归分析结果。
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顾泽苍，未经顾泽苍许可，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/201710123049.X/，转载请声明来源钻瓜专利网。
- 上一篇：基于工程化实现的卷积神经网络量化方法
- 下一篇：一种超深度流形学习方法
