【技术实现步骤摘要】
【国外来华专利技术】用于自动编码器的模糊输入
本公开大体涉及用于训练和使用神经网络的方法、系统和设备，并且更具体地涉及向具有一个或多个自动编码器层的神经网络提供模糊输入。
技术介绍
在过去的几十年中，维数再难一直是各种工程应用中众所周知的问题。因此，降维技术在许多研究领域中发挥非常重要的作用，尤其是在大数据和实时应用的时代。最近推出的“自动编码器”概念获得相当大量的关注并取得非常有希望的成果。然而，与传统的神经网络类似地，自动编码器是确定性结构，不太适合处理数据不确定性，而数据不确定性真实世界应用的非常重要的方面。附图说明参考以下附图描述本公开的非限制性和非穷尽性实现方式，其中除非另有说明，否则相同的附图标记在各个附图中指代相同的部分。参考以下描述和附图将更好地理解本公开的优点，在附图中：图1是根据一个实现方式的示出模糊化层的示意性框图；图2是根据一个实现方式的示出数据点和聚类的图形图；图3是根据一个实现方式的示出聚类的图形图；图4是根据一个实现方式的示出聚类和对应的隶属函数的图形图；图5是根据一个实现方式的示出自动编码器的示意图；图6是根据一个实现方式的示出深度自动编码器堆栈的创建...
【技术保护点】
1.一种用于根据不确定性或噪声来降低维数并改善神经网络操作的方法，所述方法包括：接收包括多个样本的原始数据，其中每个样本包括多个输入特征；基于所述原始数据而生成模糊数据；以及将所述原始数据和所述模糊数据输入神经网络自动编码器的输入层中。
【技术特征摘要】
【国外来华专利技术】1.一种用于根据不确定性或噪声来降低维数并改善神经网络操作的方法，所述方法包括：接收包括多个样本的原始数据，其中每个样本包括多个输入特征；基于所述原始数据而生成模糊数据；以及将所述原始数据和所述模糊数据输入神经网络自动编码器的输入层中。2.如权利要求1所述的方法，其中生成所述模糊数据包括基于包括多个样本的训练数据的主体而确定多个聚类。3.如权利要求2所述的方法，其中生成所述模糊数据还包括生成多个隶属函数，其中所述多个隶属函数包括用于所述多个聚类中的每一者的隶属函数。4.如权利要求3所述的方法，其中生成所述模糊数据包括针对特定样本计算所述多个隶属函数中的一者或多者的激活度，其中所述特定样本包括训练样本或真实世界样本。5.如权利要求4所述的方法，其中输入所述模糊数据包括将所述多个隶属函数中的一者或多者的所述激活度输入到所述自动编码器的输入层中的一个或多个输入节点中。6.如权利要求1所述的方法，其中生成所述模糊数据包括计算基于训练数据而确定的一个或多个隶属函数的激活度，其中所述特定样本包括训练样本或真实世界样本。7.如权利要求6所述的方法，其中输入所述模糊数据包括将所述多个隶属函数中的一者或多者的所述激活度输入到所述自动编码器的输入层中的一个或多个输入节点中。8.如权利要求1所述的方法，其中输入所述原始数据和所述模糊数据包括在训练自动编码器期间输入。9.如权利要求1所述的方法，所述方法还包括：移除所述自动编码器的输出层并添加一个或多个附加的神经网络层；以及训练剩余的自动编码器层和所述一个或多个附加的神经网络层以实现所期望的输出。10.如权利要求9所述的方法，其中所述一个或多个附加的神经网络层包括一个或多个分类层，并且其中所述所期望的输出包括分类。11.如权利要求1所述的方法，所述方法还包括在训练期间堆叠一个或多个自动编码器层以创建深度自动编码器堆栈。12.一种系统，所述系统包括：训练数据部件，所述训练数据部件被配置为获得包括多个训练样本的原始数据；聚类部件，所述聚类部件被配置为识别所述原始数据内的多个组或聚类；隶属函数部件，所述隶属函数部件被配置为确定多个隶属函数，其中所述多个隶属函数包括用于所述多个组或聚类中的每一者的隶属函数；激活级别部件，所述激活级别部件被配置为基于样本...
【专利技术属性】
技术研发人员：布鲁诺·西利·贾尔斯科斯塔，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国,US
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。