发明名称 |
基于满足K度稀疏约束的深度学模型的大数据处理方法 |
摘要 |
本发明提出了基于满足K度稀疏约束的深度学模型的大数据处理方法,所述方法包括:步骤1)通过渐变剪枝法用无标注训练样本构建满足K度稀疏约束的深度学模型;所述K度稀疏约束包括节点K度稀疏约束和层次K度稀疏约束;步骤2)将更新后的训练样本输入所述满足K度稀疏约束的深度学模型,优化模型的各层的权重参数;进而得到优化的满足K度稀疏约束的深度学模型;步骤3)将待处理的大数据输入所述优化的满足K度稀疏约束的深度学模型进行处理,最后输出处理结果。本发明的方法能够降低大数据处理的难度,提高大数据处理的速度。 |
申请公布号 |
CN106033555A |
申请公布日期 |
2016.10.19 |
申请号 |
CN201510112645.9 |
申请日期 |
2015.03.13 |
申请人 |
中国科学院声学研究所;上海尚恩华科网络科技股份有限公司 |
发明人 |
盛益强;王劲林;邓浩江;尤佳莉 |
分类号 |
G06N5/00(2006.01)I |
主分类号 |
G06N5/00(2006.01)I |
代理机构 |
北京方安思达知识产权代理有限公司 11472 |
代理人 |
王宇杨;杨青 |
主权项 |
基于满足K度稀疏约束的深度学习模型的大数据处理方法,所述方法包括:步骤1)通过渐变剪枝法用无标注训练样本构建满足K度稀疏约束的深度学习模型;所述K度稀疏约束包括节点K度稀疏约束和层次K度稀疏约束;所述节点K度稀疏约束是指模型中所有节点的正向出度不超过K;所述的K的取值范围为(1,N/H],其中,N为所述深度学习模型中所有节点的个数;H为模型隐层的层数;所述层次K度稀疏约束是指第h层所有节点的正向出度的和小于第h‑1层所有节点的正向出度的和;步骤2)将更新后的训练样本输入所述满足K度稀疏约束的深度学习模型,优化模型的各层的权重参数;进而得到优化的满足K度稀疏约束的深度学习模型;步骤3)将待处理的大数据输入所述优化的满足K度稀疏约束的深度学习模型进行处理,最后输出处理结果。 |
地址 |
100190 北京市海淀区北四环西路21号 |