[發(fā)明專利]一種機(jī)器模型動(dòng)態(tài)調(diào)整方法

在審

• 申請?zhí)枺?/td>: 201811643887.0
• 申請日: 2018-12-29
• 公開（公告）號: CN109740736A
• 公開（公告）日: 2019-05-10
• 發(fā)明（設(shè)計(jì)）人: 金濤;江浩
• 申請（專利權(quán)）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(wù)所(特殊普通合伙) 33261
• 代理人: 李品

本發(fā)明提供了一種機(jī)器模型動(dòng)態(tài)調(diào)整方法，包括構(gòu)建多個(gè)輸入神經(jīng)元；構(gòu)建多個(gè)任務(wù)生成神經(jīng)元和轉(zhuǎn)化神經(jīng)層，所述轉(zhuǎn)化神經(jīng)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(dú)立互不連接的多個(gè)與門單元，每個(gè)與門單元均與模糊選擇子層連接；任務(wù)生成神經(jīng)元能夠進(jìn)行可變化調(diào)整；構(gòu)建與所述轉(zhuǎn)化神經(jīng)層連通的子任務(wù)處理層，所述子任務(wù)處理層包括不止一個(gè)子任務(wù)處理神經(jīng)網(wǎng)，每個(gè)子任務(wù)處理神經(jīng)網(wǎng)只處理一個(gè)子任務(wù)；務(wù)生成神經(jīng)元、與其對應(yīng)的與門單元和與其對應(yīng)的子任務(wù)處理神經(jīng)網(wǎng)編號相同，并一一連接。本發(fā)明可以根據(jù)實(shí)際的輸入情況進(jìn)行模型動(dòng)態(tài)調(diào)整。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種機(jī)器模型動(dòng)態(tài)調(diào)整方法。

背景技術(shù)

機(jī)器學(xué)習(xí)模型的構(gòu)建是基于機(jī)器學(xué)習(xí)模型應(yīng)用的前提，近十年來，模擬生物機(jī)器學(xué)習(xí)模型的結(jié)構(gòu)呈現(xiàn)復(fù)雜多變的趨勢，并且不同結(jié)構(gòu)的機(jī)器模型所擅長解決的技術(shù)問題也并不相同，比如常見的前饋神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)、深度學(xué)習(xí)網(wǎng)絡(luò)都已經(jīng)取得了廣泛的應(yīng)用。但是這些神經(jīng)網(wǎng)絡(luò)的內(nèi)部結(jié)構(gòu)并不能靈活的進(jìn)行動(dòng)態(tài)變動(dòng)，在解決復(fù)雜的時(shí)序問題的時(shí)候存在困難

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明提出了一種機(jī)器模型動(dòng)態(tài)調(diào)整方法。本發(fā)明具體是以如下技術(shù)方案實(shí)現(xiàn)的：

一種機(jī)器模型動(dòng)態(tài)調(diào)整方法，包括：

構(gòu)建多個(gè)輸入神經(jīng)元；

構(gòu)建多個(gè)任務(wù)生成神經(jīng)元和轉(zhuǎn)化神經(jīng)層，所述轉(zhuǎn)化神經(jīng)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(dú)立互不連接的多個(gè)與門單元，每個(gè)與門單元均與模糊選擇子層連接；任務(wù)生成神經(jīng)元能夠進(jìn)行可變化調(diào)整；

構(gòu)建與所述轉(zhuǎn)化神經(jīng)層連通的子任務(wù)處理層，所述子任務(wù)處理層包括不止一個(gè)子任務(wù)處理神經(jīng)網(wǎng)，每個(gè)子任務(wù)處理神經(jīng)網(wǎng)只處理一個(gè)子任務(wù)；務(wù)生成神經(jīng)元、與其對應(yīng)的與門單元和與其對應(yīng)的子任務(wù)處理神經(jīng)網(wǎng)編號相同，并一一連接。

進(jìn)一步地，所述與門單元和和子任務(wù)處理神經(jīng)網(wǎng)均伴隨所述任務(wù)生成神經(jīng)元的調(diào)整進(jìn)行調(diào)整。

進(jìn)一步地，所述任務(wù)生成神經(jīng)元可變化調(diào)整的方法包括：

獲取上一時(shí)刻某個(gè)任務(wù)生成神經(jīng)元的聚類中心c_i和當(dāng)前時(shí)刻輸入的數(shù)據(jù)樣本x(k)；

計(jì)算上一時(shí)刻某個(gè)任務(wù)生成神經(jīng)元的聚類中心c_i的密度值p_k(c_i)；

計(jì)算數(shù)據(jù)樣本x(k)的密度值p_k(x(k))；

根據(jù)所述上一時(shí)刻某個(gè)任務(wù)生成神經(jīng)元的聚類中心c_i的密度值p_k(c_i)、數(shù)據(jù)樣本x(k)和數(shù)據(jù)樣本x(k)的密度值p_k(x(k))用于計(jì)算任務(wù)轉(zhuǎn)化的參考特征值，所述參考特征值為||x(k)-c_i||；

根據(jù)所述上一時(shí)刻某個(gè)任務(wù)生成神經(jīng)元的聚類中心c_i的密度值p_k(c_i)、數(shù)據(jù)樣本x(k)的密度值p_k(x(k))、數(shù)據(jù)樣本x(k)和所述參考特征值為||x(k)-c_i||進(jìn)行任務(wù)生成神經(jīng)元可變化調(diào)整。

進(jìn)一步地，根據(jù)公式計(jì)算聚類中心c_i的密度值p_k(c_i)；

根據(jù)公式計(jì)算數(shù)據(jù)樣本x(k)的密度值p_k(x(k))。

進(jìn)一步地，若參考特征值大于預(yù)設(shè)第一閾值并且所述數(shù)據(jù)樣本x(k)的密度值p_k(x(k))大于預(yù)設(shè)的第二閾值，則增加一個(gè)任務(wù)生成神經(jīng)元；