一种自适应确定隐层节点数的增量半监督超限学习机系统

发明专利有效专利

申请号：
CN202010857885.2
IPC分类号：G06N3/08
申请日期：
2020-08-24
申请人：
丽水学院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种自适应确定隐层节点数的增量半监督超限学习机系统
申请号	CN202010857885.2	申请日期	2020-08-24
法律状态	实质审查	申报国家	中国
公开/公告日	2020-12-22	公开/公告号	CN112116088A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8查看分类表>
申请人	丽水学院	申请人地址	浙江省丽水市莲都区学院路1号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	丽水学院	当前权利人	丽水学院
发明人	卢诚波;梅颖;高源
代理机构	杭州斯可睿专利事务所有限公司	代理人	丁晓光

摘要

本发明涉及机器学习技术领域，具体地说，涉及一种自适应确定隐层节点数的增量半监督超限学习机系统。其包括超限学习平台，超限学习平台包括前馈神经网络单元、半监督学习单元、超限学习单元和增量学习单元；半监督学习单元用于通过未标记样本和标记样本相结合的方式来进行模式识别工作；超限学习单元用于构建半监督学习系统；增量学习单元用于增加隐层节点，并确定隐层节点的数量。本发明中通过设置的增量单元使半监督超限习机能够逐个或者成批增加隐层节点，并自适应确定隐层节点数量，在此过程当中，网络的外权矩阵不需要重新训练，只需逐步更新，当隐层节点数较大时，能大幅减少半监督超限学习机的训练时间。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供