基于深度置信网络的认知决策方法

摘要

本发明公开了基于深度置信网络认知决策方法，包括如下步骤：深度置信网络的输出作为决策过程的输入；对决策过程进行训练，调整权值和阈值；对误认知的样本进行再次训练，实现错误控制；重复上述步骤，直至对测试样本的认知准确性达到设定值，实现错误控制；根据训练和再训练的决策模型，判断并输出决策结果。本发明能够进一步控制认知决策的准确性。

主权项

基于深度置信网络的认知决策方法，其特征在于，包括：步骤1、选取输入样本集，根据样本集建立输入模型，对输入样本集的数据进行分类属性特征提取；步骤2、对深度置信网络进行训练，首先单独逐层训练每一层的限制玻尔兹曼机，然后在深度置信网络最后一层设置BP网络，使用上一层限制玻尔兹曼机的输出作为BP网络的输入，最后采用反向传播网络将错误信息自上到下传递给各层限制玻尔兹曼机；步骤3、深度置信网络的输出作为决策过程的输入，对决策过程进行训练，调整权值和阈值，对误认知样本进行再训练；步骤4、判断信息是否达到预设的准确度，若是则训练结束；否则继续判断是否达到再训练所设定的循环次数，若是则训练结束，否则重复步骤3；步骤5、输出决策结果。