[發(fā)明專利]一種基于粒計(jì)算的小樣本學(xué)習(xí)方法

在審

• 申請?zhí)枺?/td>: 202110871319.1
• 申請日: 2021-07-30
• 公開（公告）號: CN113609767A
• 公開（公告）日: 2021-11-05
• 發(fā)明（設(shè)計(jì)）人: 宋明麗;劉亞鵬
• 申請（專利權(quán)）人: 中國傳媒大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于粒計(jì)算的小樣本學(xué)習(xí)算法，具體包括如下步驟：

步驟(1)：對實(shí)驗(yàn)采用的數(shù)據(jù)集進(jìn)行劃分，得到訓(xùn)練集、驗(yàn)證集和測試集；

步驟(2)：使用訓(xùn)練集預(yù)訓(xùn)練一個(gè)BP神經(jīng)網(wǎng)絡(luò)；

步驟(3)：待BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練完成后，為每個(gè)神經(jīng)元連接權(quán)重分配粒度，形成粒度神經(jīng)元，此時(shí)整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)可以視為一個(gè)粒度神經(jīng)網(wǎng)絡(luò)；

步驟(4)：使用粒子群算法對分配在每個(gè)神經(jīng)元的粒度進(jìn)行調(diào)整優(yōu)化；

步驟(5)：使用測試集測試網(wǎng)絡(luò)性能。

2.根據(jù)權(quán)利要求1所述的一種基于粒計(jì)算的小樣本學(xué)習(xí)算法，其特征在于：引入信息粒作為信息處理基本單元，所述步驟(3)的粒度神經(jīng)網(wǎng)絡(luò)，其構(gòu)建基礎(chǔ)是基于數(shù)值型神經(jīng)網(wǎng)絡(luò)，先通過對數(shù)值神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練，待到網(wǎng)絡(luò)參數(shù)穩(wěn)定后，再對通過數(shù)值神經(jīng)網(wǎng)絡(luò)分配粒度的方式，使之?dāng)U展成粒度神經(jīng)元。

3.根據(jù)權(quán)利要求2所述的粒化權(quán)重，其形式包括模糊集，粗糙集，區(qū)間等信息粒框架形式。

4.根據(jù)權(quán)利要求3所述的粒度神經(jīng)元，粒度神經(jīng)元之間的信息的傳播，設(shè)計(jì)粒度計(jì)算，包括區(qū)間代數(shù)運(yùn)算，粗糙集理論，模糊計(jì)算等方式。

5.根據(jù)權(quán)利要求1所述的一種基于粒計(jì)算小樣本學(xué)習(xí)算法，其特征在于：所述步驟(4)的粒化的權(quán)重的粒度分配優(yōu)化方法，被配置為通過粒子群算法來對分配在網(wǎng)絡(luò)上所有的粒度參數(shù)進(jìn)行優(yōu)化，其中在使用粒子群優(yōu)化過程中，始終保持分配給每個(gè)權(quán)重的粒度總和不變。

6.根據(jù)權(quán)利要求5所述的優(yōu)化方法，其優(yōu)化目標(biāo)被配置為：樣本通過粒度神經(jīng)網(wǎng)絡(luò)后產(chǎn)生的信息粒盡可能的包含原樣本的標(biāo)簽即網(wǎng)絡(luò)需要實(shí)現(xiàn)對測試數(shù)據(jù)集標(biāo)簽的一個(gè)盡可能大的覆蓋程度，同時(shí)輸出的信息粒具有很高的特異性。