[发明专利]残缺数据深度学习神经网络方法、装置、计算机设备及存储介质有效
| 申请号： | 201711205193.4 | 申请日： | 2017-11-27 |
| 公开（公告）号： | CN108197706B | 公开（公告）日： | 2021-07-30 |
| 发明（设计）人： | 朱定局 | 申请（专利权）人： | 华南师范大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G16H50/20 |
| 代理公司： | 广州华进联合专利商标代理有限公司 44224 | 代理人： | 谢曲曲 |
| 地址： | 510000 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种残缺数据深度学习神经网络方法、装置、计算机设备及存储介质，方法包括：获取预先训练好的深度学习神经网络；从待预测数据中获取输入数据；根据所述输入数据和所述预先训练好的深度学习神经网络的输入变量确定至少一个缺少数据的输入变量；将对所述缺少数据的输入变量进行赋值获得的数据，与从所述待预测数据中获取的输入数据进行组合，生成多组完整输入数据；将所述多组完整输入数据输入到所述预先训练好的深度学习神经网络中，计算得到多组输出数据。通过这种方式，能够在输入数据缺少数据的情况，仍然能够通过神经网络输出预测的输出变量，为研究工作提供数据支持，减少了输入数据检测和采集的成本。 | ||
| 搜索关键词： | 残缺 数据 深度 学习 神经网络 方法 装置 计算机 设备 存储 介质 | ||
【主权项】：
1.一种深度学习神经网络方法，所述方法包括：获取预先训练好的深度学习神经网络；从待预测数据中获取输入数据；根据所述输入数据和所述预先训练好的深度学习神经网络的输入变量确定至少一个缺少数据的输入变量；将对所述缺少数据的输入变量进行赋值获得的数据，与从所述待预测数据中获取的输入数据进行组合，生成多组完整输入数据；将所述多组完整输入数据输入到所述预先训练好的深度学习神经网络中，计算得到多组输出数据。
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南师范大学，未经华南师范大学许可，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/201711205193.4/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
