[發明專利]一種機器模型動態調整方法在審
| 申請號： | 201811643887.0 | 申請日： | 2018-12-29 |
| 公開（公告）號： | CN109740736A | 公開（公告）日： | 2019-05-10 |
| 發明（設計）人： | 金濤;江浩 | 申請（專利權）人： | 杭州銘智云教育科技有限公司 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04;G06N3/063 |
| 代理公司： | 杭州橙知果專利代理事務所(特殊普通合伙) 33261 | 代理人： | 李品 |
| 地址： | 310000 浙江省杭州市*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 子任務處理 選擇子 神經元 與門單元 神經網 構建 與門 動態調整 機器模型 任務生成 神經 轉化 模型動態調整 輸入神經元 模糊 互不連接 可變化 連通 | ||
1.一種機器模型動態調整方法，其特征在于，包括：
構建多個輸入神經元；
構建多個任務生成神經元和轉化神經層，所述轉化神經層包括與門選擇子層和與所述與門選擇子層連接的模糊選擇子層；所述與門選擇子層包括獨立互不連接的多個與門單元，每個與門單元均與模糊選擇子層連接；任務生成神經元能夠進行可變化調整；
構建與所述轉化神經層連通的子任務處理層，所述子任務處理層包括不止一個子任務處理神經網，每個子任務處理神經網只處理一個子任務；務生成神經元、與其對應的與門單元和與其對應的子任務處理神經網編號相同，并一一連接。
2.根據權利要求1所述的方法，其特征在于：
所述與門單元和和子任務處理神經網均伴隨所述任務生成神經元的調整進行調整。
3.根據權利要求1所述的方法，其特征在于：
所述任務生成神經元可變化調整的方法包括：
獲取上一時刻某個任務生成神經元的聚類中心ci和當前時刻輸入的數據樣本x(k)；
計算上一時刻某個任務生成神經元的聚類中心ci的密度值pk(ci)；
計算數據樣本x(k)的密度值pk(x(k))；
根據所述上一時刻某個任務生成神經元的聚類中心ci的密度值pk(ci)、數據樣本x(k)和數據樣本x(k)的密度值pk(x(k))用于計算任務轉化的參考特征值，所述參考特征值為||x(k)-ci||；
根據所述上一時刻某個任務生成神經元的聚類中心ci的密度值pk(ci)、數據樣本x(k)的密度值pk(x(k))、數據樣本x(k)和所述參考特征值為||x(k)-ci進行任務生成神經元可變化調整。
4.根據權利要求3所述的方法，其特征在于：
根據公式計算聚類中心ci的密度值pk(ci)；
根據公式計算數據樣本x(k)的密度值pk(x(k))。
5.根據權利要求4所述的方法，其特征在于：
若參考特征值大于預設第一閾值并且所述數據樣本x(k)的密度值pk(x(k))大于預設的第二閾值，則增加一個任務生成神經元；
若參考特征值小于第一閾值并且所述數據樣本x(k)的密度值pk(x(k))大于上一時刻某個任務生成神經元的聚類中心ci的密度值pk(ci)，則由數據樣本x(k)的聚類中心替代上一時刻某個任務生成神經元的聚類中心ci，任務生成神經元個數不變；
若參考特征值小于第三閾值，則按照預設規則減少一個任務生成神經元。
6.根據權利要求5所述的方法，其特征在于：
所述第一閾值可以為第二閾值可以為上一時刻各個任務生成神經元所處理的數據對應的聚類中心的最大值的一半。
7.根據權利要求5所述的方法，其特征在于：
第三閾值是第一閾值的0.5-0.7倍。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于杭州銘智云教育科技有限公司，未經杭州銘智云教育科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811643887.0/1.html，轉載請聲明來源鉆瓜專利網。
