【技术实现步骤摘要】
本专利技术涉及模式识别的，具体而言，涉及可解释性稀疏多专家系统。
技术介绍
1、多专家(moe，即mixture-of-experts)系统是一个由多个“专家”组成的智能系统，每个专家负责处理特定类型的数据或任务。当输入信息进入系统时，系统会根据这个信息的特点选择最合适的专家处理，从而提高准确性。
2、现有的moe系统在很多领域很有用，但有一个问题：
3、多专家技术的构建基于分合(divide-and-conquer)思想。整个问题样本空间在多专家模型中得到划分，其中每个专家负责样本局部空间，对moe训练完成以后，对于新样本，门控网络决定哪个专家用于解决此问题，最后通过加权平均的策略得到输出。
4、moe在自然语言处理、计算机视觉、多模态领域性能良好，而且促进了计算机视觉和多模态领域的发展，但是它们通常结构复杂、难以解释，普通用户很难理解系统的工作原理。
技术实现思路
1、本专利技术的目的在于：设计一种具备特征选择功能的新型多专家系统，使其能够有效选择关...
【技术保护点】
1.可解释性稀疏多专家系统，其特征在于，所述多专家系统包括：多层线性专家模型、特征选择门控网络和输出节点；
2.如权利要求1所述的可解释性稀疏多专家系统，其特征在于，所述多专家系统的最终输出y(x)的计算公式为：
3.如权利要求2所述的可解释性稀疏多专家系统，其特征在于，所述多层线性专家模型中第i个单独专家系统对多层输入样本的输出结果yi(x)的表达式为：
4.如权利要求2所述的可解释性稀疏多专家系统，其特征在于，所述第i个单独专家系统的归一化权重的表达式为：
5.如权利要求4所述的可解释性稀疏多专家系统，其特征在于，所...
【技术特征摘要】
1.可解释性稀疏多专家系统，其特征在于，所述多专家系统包括：多层线性专家模型、特征选择门控网络和输出节点；
2.如权利要求1所述的可解释性稀疏多专家系统，其特征在于，所述多专家系统的最终输出y(x)的计算公式为：
3.如权利要求2所述的可解释性稀疏多专家系统，其特征在于，所述多层线性专家模型中第i个单独专家系统对多层输入样本的...
【专利技术属性】
技术研发人员：杨军，高涛，刘行健，徐勇勇，
申请(专利权)人：中国电子科技集团公司第十五研究所，
类型：发明
国别省市：
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。