[發明專利]基于多層徑向基網絡的大型動物體重自動評估方法、系統及介質

在審

• 申請號: 202110854716.8
• 申請日: 2021-07-28
• 公開（公告）號: CN113487107A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 梁云;陳浩銘;劉財興;田緒紅
• 申請（專利權）人: 華南農業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.基于多層徑向基網絡的大型動物體重自動評估方法，其特征在于，包括下述步驟：

根據設定的各徑向基層中心點的個數，以位置隨機的方式生成中心點，基于中心點生成對應的徑向基核函數以及徑向基神經元，通過連接全連接層調整維度以連接下一層，重復上述步驟以構造多層徑向基網絡模型；

訓練多層徑向基網絡模型，首先將分別歸一化處理后的體況參數輸入多層徑向基網絡模型得到輸出數據，將輸出數據和標準數據作為損失函數的參數輸入計算損失值，然后利用損失函數優化多層徑向基網絡模型的參數，當損失值穩定達到預期某一極小值時，即得到訓練好的多層徑向基網絡模型；

將待預測的大型動物的歸一化后的體況參數結果作為輸入數據，輸入到訓練好的多層徑向基網絡模型，所述多層徑向基網絡模型的輸出即為待預測的大型動物體重估計值。

2.根據權利要求1所述基于多層徑向基網絡的大型動物體重自動評估方法，其特征在于，所述中心點是和輸入數據相同維度的向量，表示在該維度空間中的一個點，初始位置隨機，后續通過損失函數求導進行更新調整；

所述生成中心點對應的徑向基核函數以及徑向基神經元的過程具體為：每個中心點隨機生成徑向基神經元控制數σ，以每個中心點再生成徑向基神經元其中，為第k層第i個中心點，x^k為第k層輸入數據，σ控制徑向基神經元的形狀和作用范圍，其初始值隨機，后續通過損失函數求導進行更新調整；該層的輸出數據是一個行數為該層徑向基網絡神經元數量，列數為1的矩陣；

所述全連接層為一個行數等于徑向基層輸出矩陣列數的矩陣，通過矩陣相乘以調整輸出數據的維度。

3.根據權利要求1所述基于多層徑向基網絡的大型動物體重自動評估方法，其特征在于，所述徑向基核函數的工作過程為：

將輸入的數據從低緯度映射至高緯度，對于映射到高維度的數據先依次計算出其與第k層各個中心點的歐式距離即為其中x^k為映射在第k層所有徑向基核上的輸入數據，c_i為第i個中心點，c_i與x_i是維度相同的一維向量；

根據σ所控制的第k層第i個徑向基核函數的形狀并通過徑向基核函數，即其中為第k層第i個徑向基核函數的輸出值，依次輸出所有中心點的在徑向基核函數作用下的反應值；

連接全連接層并得到其輸出其中為全連接層中第k層中第j個神經元的輸出值，b^k表示全連接層第k層的偏置數，表示第k層中的第j個全連接神經元的權值，然后再連接下一層徑向基網絡。

4.根據權利要求1所述基于多層徑向基網絡的大型動物體重自動評估方法，其特征在于，所述體況參數包括體長、體高、體寬、腹圍、腰圍。

5.根據權利要求1所述基于多層徑向基網絡的大型動物體重自動評估方法，其特征在于，所述歸一化處理具體為，將輸入的體況參數與對應的體重分別進行歸一化，歸一化方法均相同，具體如下式：

其中x和x′分別表示歸一化前某頭大型動物的體況參數組成的一維向量和歸一化后該頭大型動物的體況參數組成的一維向量，min為理論上該大型動物各體況最小值所組成的一維向量，max為理論上該大型動物各體況最大值所組成的一維向量。