用于受监督的神经网络学的组合方法

摘要

一种用于机器学(例如受监督的人工神经网络学)的技术，包括接收数据和检查读出数据的维数，以及使用主要方法减少该维数以便提高机器学的性能。该技术还包括指定神经网络的结构，并且初始化权重以便在包括减少的维数的读出数据与预测值之间建立连接。该技术还包括使用指定的神经网络结构、初始化的权重和包括减少的维数的读出数据来执行受监督的机器学，以便对于值进行预测。然后将预测的值与归一化的系统误差阈值进行比较，并且根据该比较的结果来修改初始化的权重以便生成在权重空间具有减少的误差的学过的神经网络。使用已知的值验证学过的神经网络，然后将其用于对于值进行预测。

主权项

1.一种用于受监督的人工神经网络机器学习的计算机实现的方法，该方法包括：根据维数来减少接收到的数据的维数以便提高机器学习的性能；指定受监督的神经网络结构；初始化权重以便在接收到的数据和预测值之间建立连接强度；使用指定的结构、初始化的权重和包括减少维数的接收到的数据来执行受监督的机器学习，以便对于值进行预测；以及根据归一化的系统误差阈值来修改初始化的网络权重，以便生成在权重空间具有减少的误差的学习过的神经网络。