一种基于精度的宽度学习动态节点调整方法
公开
摘要
本发明公开了一种基于精度的宽度学习动态节点调整方法，包括以下步骤：S1：设置初始映射特征节点和增强节点个数、预设精度和迭代次数，基于该参数建立宽度学习模型；S2：判断模型精度是否达到预设测试精度或迭代次数，若是，则输出模型训练和测试属性；若否，则进入S3；S3：根据宽度学习模型的精度和预设精度计算需要增加的增强节点数量；S4：增加增强节点数量，并构建宽度学习模型。本发明通过使用模型的精度差异自动计算出合适的增强节点增加数量，避免了人为设置模型参数的繁琐步骤，以及由设置过多引起的参数，占用内存和训练时间的激增。此外，宽度学习动态节点调整策略具有简单、性能高的优势。
基本信息
专利标题 ：
一种基于精度的宽度学习动态节点调整方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114611691A
申请号 ：
CN202210242223.3
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-11
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郭继凤陈俊龙刘竹琳
申请人 ：
华南理工大学
申请人地址 ：
广东省广州市南沙区环市大道南路25号华工大广州产研院
代理机构 ：
广州市华学知识产权代理有限公司
代理人 ：
李斌
优先权 ：
CN202210242223.3
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-06-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
