[發明專利]一種單層Bp神經網絡的等效方程組模型構造方法

在審

• 申請號: 202210089537.4
• 申請日: 2022-01-25
• 公開（公告）號: CN114298248A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 黃雄奕;蘇仁杰;于揚新
• 申請（專利權）人: 重慶醫科大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F17/12;G06V10/764;G06V10/774;G06V10/82
• 代理公司: 北京權智天下知識產權代理事務所(普通合伙) 11638
• 代理人: 盧超

1.一種單層Bp神經網絡的等效方程組模型構造方法，其特征在于，包括以下步驟：

步驟1、對數據集進行預處理；

步驟2、載入訓練集；

步驟3、讀取神經網絡結構；

步驟4、構造無約束條件下的等效方程組模型，并進行求解，然后驗證無約束條件下的等效方程組模型與單層Bp神經網絡的等效性；

步驟5、構造線性約束條件下的等效方程組模型，并進行求解；

步驟6、利用測試集測試帶有線性約束條件方程組的解。

2.根據權利要求1所述的方法，其特征在于，所述步驟1中的對數據集進行預處理具體為：將數據集的訓練集和測試集中的圖像數據變形為行向量，然后按列進行存放；通過上述預處理后將訓練集和測試集圖像樣本分別集命名為“F_train”和“F_test”；訓練集和測試集標簽集對應于圖像樣本集分別集命名為“B_train”和“B_test”，將測試集的圖片和標簽獨立封裝；所述的數據集為MNIST數據集；包含60000份訓練集圖片及其對應標簽和10000份測試集圖片及其對應標簽。

3.根據權利要求2所述的方法，其特征在于，所述步驟2中的載入訓練集具體為：將訓練集和測試集圖片集和標簽集載入到軟件工作區。

4.根據權利要求3所述的方法，其特征在于，所述步驟3中的讀取神經網絡結構具體為：輸入層神經元個數等于訓練集圖片像素點個數；輸出層神經元個數為訓練集圖片類別數。

5.根據權利要求4所述的方法，其特征在于，所述步驟4中的構造無約束條件下的等效方程組模型，并進行求解，然后驗證無約束條件下的等效方程組模型與單層Bp神經網絡的等效性，具體為：

步驟4.1、在無約束性條件情況下，根據線性非齊次方程組形式：AX＝B，利用單層BP神經網絡對應的輸入圖像和標簽值，編寫程序求解方程組模型，具體為：

0～9數字圖片被分為十類，標簽值按照One-hot編碼；由于One-hot編碼形式，每一位編碼對應一個方程中等式右邊的B項，那么一張圖片就對應了十個方程；

通過將系數矩陣W變形為列向量X，在已知方程組形式為AX＝B、列向量X為7840維，列向量B為10維，就可以根據矩陣乘法推斷出矩陣A的大小為10行7840列，從而構造出AX＝B具體的方程組模型；

步驟4.2、采用梯度下降迭代法求解方程組求解無約束性條件下的等效方程組模型；

步驟4.3、驗證無約束性條件下的方程組模型與單層BP網絡等效性。