The invention discloses a width learning method based on the minimum P norm, which includes: step 1: obtaining training input data and training output data; step 2: generating hidden layer node output matrix by randomly generated weights and biases in the same way as the width learning system; step 3: taking the P norm of error as cost function and combining fixed point iteration strategy to solve the output. Weight; Step 4: Estimate the corresponding output of the test input using the trained model parameters. Because BLS can not effectively perform regression and classification tasks in the presence of complex noise or abnormal interference, a width learning method based on minimum P norm is proposed. Using the P norm of the error, the method can deal with different noise disturbances well, and it can still complete the regression and classification tasks smoothly in the presence of complex noise or abnormal disturbances. It has important research significance and wide application value.
【技术实现步骤摘要】
一种基于最小P范数的宽度学习方法
本专利技术涉及一种基于最小P范数的宽度学习方法。
技术介绍
深度神经网络学习模型已经被成功应用于诸多回归及分类问题的建模上。典型的深度神经网络学习模型包括深度玻尔兹曼机(DeepBoltzmannMachines,DBM)、深度置信网络(DeepBeliefNetworks,DBN)、卷积神经网络(ConvolutionalneuralNetworks,CNN)等。为了有效的建立网络模型,这些深度学习办法需要不断调整神经网络的层数以及每层网络所需要的节点数,然后采取迭代的方式确定各个层与层之间的连接权。在数据量十分庞大的时候,这种调整是十分耗时的,从而给实际应用带来了困难。为了解决这一难题,澳门大学陈俊龙等在随机矢量功能连接神经网络(RandomVectorFunctionalLinkNeuralNetwork,RVFLNN)的基础上提出了一种宽度学习方法,并将其命名为宽度学习系统(BroadLearningSystem,BLS)。从提出到现在不足两年的时间里,BLS已经在在手写字体识别和人脸识别等实际任务中表现出了逼近深度神经网络学习模型的识别能力。BLS的设计思路为:首先,将原始的输入数据经过一系列的随机映射,形成“特征节点”矩阵;然后,在“特征节点”矩阵的基础上,经过一系列的随机增强变换,形成“增强节点”矩阵;最后,所有的“特征节点”矩阵和“增强节点”矩阵被送入到输出端,并借助于伪逆求出隐层与输出层之间的连接权。由于BLS在生成“特征节点”矩阵和“增强节点”矩阵的过程中,所有的隐层连接权都是随机产生的,并且一 ...
【技术保护点】
1.一种基于最小P范数的宽度学习方法,其特征在于,包括以下步骤:步骤1:获得训练输入数据
【技术特征摘要】
1.一种基于最小P范数的宽度学习方法,其特征在于,包括以下步骤:步骤1:获得训练输入数据与训练输出数据其中N表示数据样本的数目,M和C分别表示每个输入矢量与输出矢量对应的维度;步骤2:采用与宽度学习系统相同的方式,将X送入含有L个隐层节点的单隐层神经网络,通过随机产生的权值和偏置生成隐层节点输出矩阵步骤3:将误差的P范数作为代价函数并结合固定点迭代策略求解输出权步骤4:利用训练好的模型参数,包括:训练过程随机产生的权值和偏置以及输出权W,估计测试输入对应的输出。2.根据权利要求1所述的基于最小P范数的宽度学习方法,其特征在于,步骤2中,生成隐层节点输出矩阵的过程为:步骤2-1:采用k组随机产生的权值和偏置通过变换来构造“特征节点”矩阵其中φi是一个线性变换,q表示每组特征映射所对应的“特征节点”数目;步骤2-2:采用m组随机产生的权值和偏置通过变换...
【专利技术属性】
技术研发人员:陈霸东,郑云飞,王飞,杜少毅,任鹏举,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。