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。

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。