一种通用的深宽网络结合框架的构建方法技术

本发明专利技术公开了一种通用的深宽网络结合框架的构建方法，包括以下步骤：S1、初始化宽度学习参数，包括映射特征组个数、组内特征个数以及增强节点个数；S2、由输入数据，使用具有随机值的深度网络或其组件初始化宽度学习中的映射特征节点组；S3、由得到的映射特征使用深度网络或其组件构建增强特征节点组；S4、将两组提取的特征合并，共同连接到最终输出层；S5、使用优化算法对深宽网络参数进行优化，包括最后一层连接权重和特征层中深度网络的参数，直到达到停止条件。本发明专利技术将深度学习或其组件提取特征的能力融合到宽度学习中，实现深宽结合的模型，有效解决了深度学习中参数量大，时间消耗长的问题。耗长的问题。耗长的问题。

【技术实现步骤摘要】
一种通用的深宽网络结合框架的构建方法


[0001]本专利技术属于神经网络
，具体涉及一种通用的深宽网络结合框架的构建方法。

技术介绍

[0002]网络空间信息在形式上多种多样(如文本，图像，音频，视频等)，在数据量上呈爆炸式增长，而在数据处理上则呈现出高复杂度、高实时性和高并发性等特性，这些复杂特性对网络空间信息的智能化处理提出了新的挑战。计算智能方法已经成为了网络空间信息智能化处理的基础核心方法。
[0003]神经网络作为计算智能的有效方法，目前已经流行两大流派：深度学习和宽度学习。两种模型具有各自独特的优缺点，并能供数据中获取不同角度的信息。深度学习提取的特征更细节，但是其时间代价高；而宽度学习的单层设计使其速度极快，但浅层结构在一定程度影响了模型在实际高维数据上的分类效果。如何能够将两种模型相结合实现一种高效且效果好的模型，对解决当前大规模背景下高维数据的处理和模式识别具有重大意义。

技术实现思路

[0004]本专利技术的主要目的在于克服现有技术的缺点与不足，提出一种通用的深宽网络结合框架的构建方法，将深度学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通用的深宽网络结合框架的构建方法，其特征在于，包括以下步骤：S1、初始化宽度学习参数，包括映射特征组个数、组内特征个数以及增强节点个数；S2、由输入数据，使用具有随机值的深度网络或其组件初始化宽度学习中的映射特征节点组；S3、由得到的映射特征使用深度网络或其组件构建增强特征节点组；S4、将两组提取的特征合并，共同连接到最终输出层；S5、使用优化算法对深宽网络参数进行优化，包括最后一层连接权重和特征层中深度网络的参数，直到达到停止条件。2.根据权利要求1所述的一种通用的深宽网络结合框架的构建方法，其特征在于，步骤S2中，映射特征节点为整个深度学习模型或模型中组件，在优化过程中，其参数值可变。3.根据权利要求1所述的一种通用的深宽网络结合框架的构建方法，其特征在于，步骤S3中，增强节点为整个深度学习模型或模型中组件，在优化过程中，其参数可变。4.根据权利要求1所述的一种通用的深宽网络结合框架的构建方法，其特征在于，步骤S2具体包括：利用输入数据X，使用深度网络f
k
(θ1)计算特征映射节点Z
n
≡[Z1,Z2,
…
,Z
n
]，其中第i组映射特征Z
i
的计算如公式(1)，每一组特征包含k个映射特征；Z
i
＝X*f
k
(θ1),i＝1,2,
…
,n
ꢀꢀꢀ
(1)。5.根据权利要求1所述的一种通用的深宽网络结合框架的构建方法，其特征在于，步骤S3具体包括：由映射节点Z
n
使用随机初始化的深度网络d...

【专利技术属性】
技术研发人员：冯绮颖，郭继凤，陈俊龙，刘竹琳，张通，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：