一种混合SVM回归算法的OIN神经网络训练方法技术

本发明专利技术公开了一种混合SVM回归算法的OIN神经网络训练方法，主要包括以下步骤：OIN前向传播部分；SVM回归部分；OIN后向传播部分；经过多次训练后最终得到一个优化的OIN/SVM混合模型，在测试阶段，将测试样本输入到优化后的OIN/SVM混合模型中，就得到预测结果，从而实现对样本的分类的预测或回归的预测。本发明专利技术采用最新设计的OIN人工神经网络训练方法，该方法可以大大提高传统后播算法的收敛性。

【技术实现步骤摘要】

本专利技术涉及数据分析方法，尤其涉及一种混合SVM回归算法的OIN神经网络训练方法。
技术介绍
人工神经网络(ANN, Artificial Neural Network)是一种优化的机器学习方法，并被广泛应用到各种数据分析领域中，来替代或补充基于多项式的回归分析和分类。现有的神经网络应用只能限定在含有少量设计参数的简单设计中，其用于建模的所需数据集规模应随设计参数的数量呈几何或指数级增加，因此，一个神经元分析需要具有大量充分的密度分布和实验数据，而另一方面，计算成本也相应增加，而在设计空间中的大量数据的低效利用也可能导致计算成本的过度浪费。利用人工神经网络ANN来分析一个物理对象，优化在特定物理环境对象的反应，是非常常见的方法。人工神经网络ANN适合于多维数据的插补并提供合理的数学模型，即对现实的物理对象用复杂和精确的一系列数值解进行表达和优化。人工神经网络ANN尤其适合于需要满足多个设计条件的情况。在人工神经网络ANN中，一个前向感知机人工神经网络(MLP ANN, MultilayerPerceptron Artificial Neural Network)是一种非线性估计技本文档来自技高网...

【技术保护点】
一种混合SVM回归算法的OIN神经网络训练方法，其特征是，主要包括以下步骤：Step（1）：初始化部分，对输入样本值进行归一化，产生初始隐含层权值，并计算出隐含层神经元的输入值，根据隐含层神经元采用的激活函数得到相应的隐含层神经元输出值；Step（2）：根据类别数M和原始样本的类别，利用输出重定向OR建立各个原始样本相应的MLP分类训练的M维理想分类向量；Step（3）：根据类别数M建立M个SVM回归分析模型，每个SVM回归分析模型的输入向量是Step（1）得到的隐含层神经元输出值，而每个SVM回归分析模型的理想输出值是Step（2）建立的M维理想分类向量的其中一个元素；Step（4）：SVM...

【技术特征摘要】

【专利技术属性】
技术研发人员：蔡珣，蔡菲，吕知辛，朱波，马军，
申请(专利权)人：山东大学，
类型：发明
国别省市：