[发明专利]一种基于栈式降噪自编码神经网络的数据约简方法在审
| 申请号： | 201811476554.3 | 申请日： | 2018-12-05 |
| 公开（公告）号： | CN109598336A | 公开（公告）日： | 2019-04-09 |
| 发明（设计）人： | 肖子洋;邱日轩;付晨;李路明;褚红亮 | 申请（专利权）人： | 国网江西省电力有限公司信息通信分公司;国家电网有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N20/00 |
| 代理公司： | 南昌新天下专利商标代理有限公司 36115 | 代理人： | 施秀瑾 |
| 地址： | 330077 *** | 国省代码： | 江西;36 |
| 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栈式降噪自编码神经网络的数据约简方法，其特征在于，栈式降噪自编码神经网络的约简模型构建步骤如下：步骤1：将前一个DAE的输出，作为下一个DAE的输入，以此来达到层层编码的目的；步骤2：用 |
||
| 搜索关键词： | 自编码 降噪 约简 栈式 神经网络 微调 神经网络算法 初始参数 分类效果 机器学习 模型构建 输入样本 学习算法 运算成本 分类器 复杂度 高效性 交叉熵 特征集 最小化 降维 重构 样本 并用 验证 输出 应用 改进 网络 保证 | ||
【主权项】：
1.一种基于栈式降噪自编码神经网络的数据约简方法，其特征在于，通过qD，原始数据X被扰乱成，并将此带有噪声的数据作为自编码器的输入，通过fθ，对隐藏层各个神经元的激活值进行计算，栈式降噪自编码神经网络的约简模型构建步骤如下：步骤1：将前一个DAE的输出，作为下一个DAE的输入，以此来达到层层编码的目的；步骤2：用x0来表示原始的输入样本，并用xi来代表第i层的DAE的编码情况，可以得出每一层的DAE的编码情况，其表示方式如下：xi＝fθ(xi‑1) i＝1,2,3,…。步骤3：进行逐层贪婪训练及微调，其中，逐层贪婪训练过程通过最小化原始输入数据与重构编码的差异训练权重，得到初始参数，微调过程通过BP算法调整初始参数的交叉熵函数以保证重构误差的最小化，以得到最优重构效果的目的。
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国网江西省电力有限公司信息通信分公司;国家电网有限公司，未经国网江西省电力有限公司信息通信分公司;国家电网有限公司许可，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/201811476554.3/，转载请声明来源钻瓜专利网。
