[发明专利]基于DNN的回归分布模型及其训练方法、电子设备有效
| 申请号： | 201910041056.4 | 申请日： | 2019-01-16 |
| 公开（公告）号： | CN109903075B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 张发恩;刘俊龙;周鹏程 | 申请（专利权）人： | 创新奇智（合肥）科技有限公司 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06N3/08 |
| 代理公司： | 深圳市智享知识产权代理有限公司 44361 | 代理人： | 王琴;蒋慧 |
| 地址： | 230000 安徽省合肥市高新区习友路333*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于DNN的回归分布模型训练方法，其用于训练获得回归分布模型W(x，a)＝b，x为特征值，其包括n个子特征，n≥1，a和b其中一者为分位点，另一者为对应分位点的回归值；所述方法将分位点或回归值以变量作为DNN的输入参数进行了模型训练，可训练获得预测任意分位点的回归值之第一模型F(x，q)＝y和/或预测任意回归值的分位点之第二模型Q(x，y)＝q。本发明所提供的基于DNN的回归分布模型训练方法训练所获得的模型及电子设备均具有预测便利，节约了计算资源，预测效率高等优点。 | ||
| 搜索关键词： | 基于 dnn 回归 分布 模型 及其 训练 方法 电子设备 | ||
【主权项】：
1.一种基于DNN的回归分布模型训练方法，其用于训练获得回归分布模型W(x，a)＝b，x为特征值，其包括n个子特征，n≥1，a和b其中一者为分位点，另一者为对应分位点的回归值；其特征在于：基于DNN的回归分布模型训练方法包括：步骤S1：提供k个用于训练回归分布模型W(x，a)＝b的训练样本，k≥1；每一训练样本具有已知的特征值和回归值；步骤S2：构建DNN；DNN包括输入层、隐藏层及输出层；输入层包括对应特征值之输入的神经元，输入层及隐藏层的至少一层中包括对应a的随机采样值之输入的神经元，输出层为单个神经元，其对应b的取值；及步骤S3：将所述样本输入至DNN中，利用前向传播算法及反向传播算法训练获得回归分布模型W(x，a)＝b。
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创新奇智（合肥）科技有限公司，未经创新奇智（合肥）科技有限公司许可，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/201910041056.4/，转载请声明来源钻瓜专利网。
