[发明专利]神经网络的正则化训练在审
| 申请号： | 202180039912.8 | 申请日： | 2021-06-02 |
| 公开（公告）号： | CN115668227A | 公开（公告）日： | 2023-01-31 |
| 发明（设计）人： | J·E·M·梅纳特 | 申请（专利权）人： | 罗伯特·博世有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 中国专利代理(香港)有限公司 72001 | 代理人： | 姬亚东;刘春元 |
| 地址： | 德国斯*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种用于借助于学习数据集（2）来训练人工神经网络KNN（1）的方法（100），所述KNN将一个或多个输入参量（11）转化成一个或多个输出参量（13），所述学习数据集包括具有测量数据的学习输入参量值（11a）和相关的学习输出参量值（13a），所述方法具有如下步骤：来自至少一个学习数据集（2）的学习输入参量值（11a）由所述KNN（1）映射（110）到输出参量值（13）；所述输出参量值（13）与相应的学习输出参量值（13a）的偏差根据成本函数（14）被处理（120）成所述KNN（1）在处理所述学习输入参量值（11a）时的误差（14a）的量度；从所述误差（14a），通过反向传播来确定（130）对所述参数（12）的如下更改，在通过所述KNN（1）来进一步处理学习输入参量值（11a）时，对所述更改的执行预计会改善通过所述成本函数（14）对在此所获得的输出参量值（13）的评估，而且将所述更改应用（140）于所述KNN（1）；其中所述输出参量值（13）的一部分（13*）至少在反向传播（130）中被排除（131）。 | ||
| 搜索关键词： | 神经网络 正则 训练 | ||
【主权项】：
暂无信息
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罗伯特·博世有限公司，未经罗伯特·博世有限公司许可，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/202180039912.8/，转载请声明来源钻瓜专利网。
- 上一篇：从增材制造的部件分离多余材料的方法和装置
- 下一篇：贴合晶圆用支撑基板
