[发明专利]一种基于反馈训练的有监督深度学习方法

权利要求书

1.一种基于反馈训练的有监督深度学习方法，其特征在于，该方法在训练有监督深度学习模型的过程中，在每次迭代开始时，以一采样概率对训练集中的各样本进行抽样，所述采样概率随各样本的预测损失值动态调整。

2.根据权利要求1所述的基于反馈训练的有监督深度学习方法，其特征在于，所述采样概率动态调整的过程具体包括：

1)初始化各样本权重参数；

2)根据各样本当前的权重参数计算对应的采样概率：

其中，P(i)是样本i的采样概率，α为优先级系数，p_i为样本i的权重参数；

3)进行一次迭代后，获得各样本的预测损失值，基于所述预测损失值更新权重参数；

4)在下一次迭代开始时，令p_i＝p(i)，返回步骤2)。

3.根据权利要求2所述的基于反馈训练的有监督深度学习方法，其特征在于，所述初始化各样本权重参数时，令各样本权重参数均为1。

4.根据权利要求2所述的基于反馈训练的有监督深度学习方法，其特征在于，所述基于所述预测损失值更新权重参数具体为：

p(i)＝|δ(i)|+ε

其中，p(i)为更新后的样本i的权重参数，δ(i)为样本i的预测损失值，ε为修正因子。

5.根据权利要求4所述的基于反馈训练的有监督深度学习方法，其特征在于，所述修正因子ε为一大于0的正数。

6.根据权利要求4所述的基于反馈训练的有监督深度学习方法，其特征在于，所述预测损失值δ(i)的表达式为：

δ(i)＝L(y_i,f(x_i))

其中，x_i为输入，y_i为x_i对应的真值标签，函数f为通过输入x_i预测标签的函数，函数L为计算真值标签y_i与预测标签f(x_i)差异的损失函数。

7.根据权利要求2所述的基于反馈训练的有监督深度学习方法，其特征在于，所述基于所述预测损失值更新权重参数时，权重参数与预测损失值的倒数成正比。