[发明专利]一种基于多任务深度神经网络的数据识别方法及装置

权利要求书

1.一种基于多任务深度神经网络的数据识别方法，包括步骤：

步骤1、建立多任务深度神经网络，其中所述多任务深度神经网络为多层网络结构，输入层对应数据向量，输出层每两个节点对应一个类别标签，以用于表示是否属于该类别标签；该多任务深度神经网络具有网络权重，用于根据当前层节点值获得下一层节点值；

步骤2、将所述多任务深度神经网络相邻两层看作限制的波尔兹曼机，采用无监督地自底向上的逐层训练方法来预训练该多任务深度神经网络，获得相邻层之间的初始连接权重；

步骤3、利用反向传播算法有监督地最小化关于所述网络权重的目标函数，以获得优化后的网络权重；

步骤4、将待识别数据输入具有优化后网络权重的所述多任务深度神经网络，得到输出层节点值，并根据输出层节点值得出所述待识别数据所属的类别。

2.如权利要求1所述的数据识别方法，其特征在于，步骤1中除输入层的其它层节点值如下获得：

hi=g(WiThi-1)]]>

其中，h_i表示第i层的节点值向量，W_i表示第i层与其前一层的连接权重，h_i-1表示第i-1层的节点值向量，i为大于等于1的整数，h₀表示输入层数据向量；g(x)＝1/(1+e^-x)。

3.如权利要求1所述的数据识别方法，其特征在于，步骤2中将相邻两层看作一个限制的波尔兹曼机，求解初始连接权重，具体如下表示：

Wi←Wi-∈∂logP(hi)∂Wi]]>

其中，W_i表示第i层与其前一层的连接权重，h_i表示第i层的节点值向量，∈为常数，P(h_i)表示第i层数据的概率分布，i为大于等于1的整数。