[發(fā)明專利]一種基于神經(jīng)網(wǎng)絡的人類行為依賴度分析方法

有效

• 申請?zhí)枺?/td>: 201910248071.6
• 申請日: 2019-03-29
• 公開（公告）號: CN110119810B
• 公開（公告）日: 2023-05-16
• 發(fā)明（設計）人: 王曉玲;張欣蕾;李欣;靳遠遠
• 申請（專利權(quán)）人: 華東師范大學
• 主分類號: G06N3/084
• 分類號: G06N3/084;G06N3/04;G06F18/214
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 季永康

1.一種基于神經(jīng)網(wǎng)絡的人類行為依賴度分析方法，步驟包括：

S1根據(jù)選定的粒度處理個體行為數(shù)據(jù)，獲取各被測個體每日行為向量；

S2根據(jù)當前日期和個體特定行為習慣，獲取各被測個體時間T內(nèi)個性化向量，其中對于每一位個體在時間t的個性化向量構(gòu)建方法為：

(1，π₁(t)，π₂(t)，π₃(t)，π₄(t)，π₅(t)，π₆(t)，π₇(t))

令π(t)表示時間t是周幾，π_i(t)的定義如下：

S3將被測個體行為向量作為神經(jīng)網(wǎng)絡公有結(jié)構(gòu)輸入，該個體時間T內(nèi)個性化向量作為神經(jīng)網(wǎng)絡私有結(jié)構(gòu)輸入，該個體當日被評價行為時間作為目標輸出，設置隱層單元個數(shù)、學習率、訓練輪數(shù)，初始化神經(jīng)網(wǎng)絡參數(shù)；其中神經(jīng)網(wǎng)絡公有結(jié)構(gòu)對于每一次迭代都會進行參數(shù)更新，每一位個體的神經(jīng)網(wǎng)絡私有結(jié)構(gòu)只有在當前個體的數(shù)據(jù)作為輸入時才進行更新；

S4訓練神經(jīng)網(wǎng)絡，使用標準反向傳播算法更新神經(jīng)網(wǎng)絡參數(shù)；

S5將各個體被評價行為特征對應至少一個神經(jīng)單元，其對所有隱層單元的貢獻之和，作為該個體u的特定行為依賴程度a_u值，其計算公式為：

其中，q₂為私有結(jié)構(gòu)隱層單元數(shù)目，i為私有結(jié)構(gòu)輸入特定行為依賴程度特征對應的下標，V_uij為個體u的對應的神經(jīng)網(wǎng)絡私有結(jié)構(gòu)中輸入層到隱層的n₂*q₂維權(quán)重矩陣V_u第i行第j列對應的值，n₂為私有結(jié)構(gòu)輸入的特征維度；

其中神經(jīng)網(wǎng)絡公有結(jié)構(gòu)第h個隱層單元輸入公式為：神經(jīng)網(wǎng)絡公有結(jié)構(gòu)第h個隱層單元輸出公式為：b_ch＝f_ch(α_ch-λ_ch)，其中v_cih為矩陣V_C第i行第h列值，V_C表示公有結(jié)構(gòu)輸入層到隱層權(quán)重矩陣，x₁表示被測個體行為向量，n₁表示公有結(jié)構(gòu)輸入維度，f_ch表示公有單元隱層激活函數(shù)，λ_ch表示公有結(jié)構(gòu)第h個隱層單元閾值；

其中神經(jīng)網(wǎng)絡私有結(jié)構(gòu)第h個隱層單元輸入公式為：神經(jīng)網(wǎng)絡私有結(jié)構(gòu)第h個隱層單元輸出公式為：b_uh＝f_uh(α_uh-λ_uh)，其中v_uih表示矩陣V_u第i行第h列值，V_u表示私有結(jié)構(gòu)輸入層到隱層權(quán)重矩陣，x₂表示個性化向量，其中n₂、f_uh、λ_uh分別表示：私有結(jié)構(gòu)輸入維度、用戶u私有結(jié)構(gòu)隱層激活函數(shù)、用戶u私有結(jié)構(gòu)第h個隱層單元閾值；

其中神經(jīng)網(wǎng)絡輸出層輸入公式為：神經(jīng)網(wǎng)絡輸出層輸出公式為：其中該w_i表示矩陣W的第i維值，矩陣W表示隱層到輸出層權(quán)重矩陣，而該q、f_o、θ分別表示：隱層單元總數(shù)、輸出層激活函數(shù)、輸出層閾值；每一組數(shù)據(jù)輸入都對神經(jīng)網(wǎng)絡參數(shù)進行更新，個體u在時刻t的數(shù)據(jù)計算得到的損失為：參數(shù)更新公式：

θ＝θ+ηΔθ

λ_ch＝λ_ch+ηΔλ_ch

λ_uh＝λ_uh+ηΔλ_uh

w_h＝w_h+ηΔw_h

v_cih＝v_cih+ηΔv_cih

v_uih＝v_uih+ηΔv_uih

其中：w_h為W第h維值，v_cih為矩陣V_c第i行第h列值，v_uih為矩陣V_u第i行第h列值，η表示學習率；

令：

則：

Δθ＝-g

同理：

Δw_h＝gb_h

Δλ_ch＝--e_ch

Δλ_uh＝--e_uh

Δvc_ih＝ec_hx_1i

Δv_uih＝e_uhx_2i

其中：

2.根據(jù)權(quán)利要求1所述基于神經(jīng)網(wǎng)絡的人類行為依賴度分析方法，其中神經(jīng)網(wǎng)絡在訓練時候，隱層與輸出層的激活函數(shù)可以選擇線性的。