[发明专利]基于神经网络的数据处理方法、介质、装置和计算设备

摘要

本发明的实施方式提供了一种基于神经网络的数据处理方法。该方法包括：获取包括至少一组特征数据组的训练特征数据样本S，特征数据组包括至少两个特征信息对应的特征数据和目标变量；通过S中的每组特征信息对应的特征数据和目标变量确定n个隐层节点的模型最终权值；根据n个隐层节点的模型最终权值以及S中的特征信息，确定一种代入S中的任意一组特征信息对应的特征数据时，得到的目标概率Y与其对应的目标变量之间的均方误差值或对数损失函数值小于预定值的神经网络模型，即目标神经网络模型。通过优先确定隐层节点的初始化权值，从而减少反复随机赋值初始化权值的时间，从而提高神经网络模型的训练效率。此外，本发明的实施方式提供了一种介质、装置及计算设备。

主权项

一种基于神经网络的数据处理方法，包括：获取训练特征数据样本S，所述S包括至少一组特征数据组，所述特征数据组包括至少两个特征信息对应的特征数据和目标变量；通过所述S中的每组特征信息对应的特征数据和目标变量确定n个隐层节点的模型最终权值，所述n为大于1的整数，所述n个隐层节点的模型最终权值为n个隐层节点的初始化权值通过反向传递Back Propagation算法得到的系数值；根据所述n个隐层节点的模型最终权值以及所述S中的特征信息，确定目标神经网络模型，所述目标神经网络模型为代入所述S中的任意一组特征信息对应的特征数据时，得到的目标概率Y与其对应的目标变量之间的均方误差值或对数损失函数值小于预定值的神经网络模型。