[发明专利]基于正交投影矩阵的人工神经网络优化方法、系统、装置在审
| 申请号： | 201910138155.4 | 申请日： | 2019-02-25 |
| 公开（公告）号： | CN109934343A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 陈阳;曾冠雄;余山 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩;蔡文浩 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明属于机器学习及人工智能领域，具体涉及了一种基于正交投影矩阵的人工神经网络优化方法、系统、装置，旨在解决人工神经网络在连续学习时发生灾难性遗忘的问题。本发明方法包括：初始化人工神经网络并计算网络各层正交投影矩阵集；采用正交投影矩阵集更新人工神经网络权重矩阵并对当前任务的输入数据处理；采用递归的算法计算新的投影矩阵集并用于下一任务人工神经网络的权重矩阵更新；重复执行投影矩阵的递归运算以及权重矩阵的更新直至任务队列中所有任务执行完毕。本发明可以应用于不同任务空间，还可以用于局部网络甚至特定网络的特定权重上，计算简单、效果显著，避免了传统的人工神经网络“灾难性”遗忘的问题。 | ||
| 搜索关键词： | 人工神经网络 正交投影矩阵 权重矩阵 投影矩阵 灾难性 更新 遗忘 人工智能领域 输入数据处理 递归运算 机器学习 计算网络 局部网络 任务队列 任务空间 任务执行 算法计算 重复执行 初始化 传统的 递归 权重 优化 应用 网络 学习 | ||
【主权项】：
1.一种基于正交投影矩阵的人工神经网络优化方法，其特征在于，包括：步骤S10，初始化人工神经网络Μ(0)以及人工神经网络Μ(0)各层的正交投影矩阵集{Pl(0)}，l为人工神经网络的层数序号；步骤S20，基于人工神经网络Μ(j‑1)、任务队列中第j个任务R(j)的输入数据A(j)以及正交投影矩阵集{Pl(j‑1)}，更新所述人工神经网络Μ(j‑1)的权重矩阵，获取人工神经网络Μ(j)，j＝1；步骤S30，采用人工神经网络Μ(j)对任务队列中第j个任务R(j)的输入数据A(j)进行处理，获得神经网络Μ(j)各层输出数据集{Cl(j)}；步骤S40，基于所述神经网络Μ(j)各层输出数据集{Cl(j)}以及人工神经网络Μ(j‑1)各层的正交投影矩阵集{Pl(j‑1)}，采用递归的方式获取人工神经网络Μ(j)各层的正交投影矩阵集{Pl(j)}，j＝1；步骤S50，令j＝j+1，重复执行步骤S20至步骤S40直至任务队列中的任务执行完毕。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910138155.4/，转载请声明来源钻瓜专利网。
