[发明专利]一种拟合多尺度数据集的多尺度神经网络方法

摘要

本发明公开了一种拟合多尺度数据集的多尺度神经网络方法，包括步骤：针对数据集中的训练集，确定数据样本标签数据的尺度效应系数c；确定神经网络网络结构和多尺度代价函数J；将训练集的输入数据输入神经网络，通过前向计算过程，确定多尺度代价函数值；根据所述多尺度代价函数值，确定神经网络输出层和隐藏层的误差分量；根据误差分量确定神经网络的权重更新梯度，更新权重参数；迭代训练神经网络，直至神经网络的代价函数J小于预设数值χ或达到预定迭代训练次数。采用本发明，通过构造适用于多尺度数据的代价函数，从而确保神经网络能够精准学习数据的多尺度特征，本发明方法简单、实用，便于推广，具有很大的应用价值。