[发明专利]一种基于无监督深度学习的农业大数据挖掘方法

摘要

本发明公开了一种基于无监督深度学习的农业大数据挖掘方法，包括：定义双向深度递归神经网络计算公式、定义深度双向深度递归神经网络计算公式、特征学习、数据预处理、最后得到预测值；本发明通过深度递归神经网络把多个传统神经网络的隐藏层神经元连接起来，每个神经网络表示某一时刻输入输出的一个模型，把多个连续时刻的模型连在一起，就可以结合前后时刻的内容来进行分析预测，以用于农业大数据的挖掘，填补现有技术在这一方面的空白。

主权项

1.一种基于无监督深度学习的农业大数据挖掘方法，其特征在于，包括以下步骤：步骤1)：定义双向深度递归神经网络计算公式：步骤2)：定义深度双向深度递归神经网络计算公式：和步骤1)的区别在于每一步/每一个时间点，设定多层结构：步骤3)：特征学习：使用一个自编码器从无标注数据中学习特征，具体为：步骤301)：假定有一个无标注的训练数据用其训练一个稀疏自编码器；步骤302)：利用训练得到模型参数W⁽¹⁾，b⁽¹⁾，W⁽²⁾，b⁽²⁾，给定任意的输入数据x，可以计算隐藏单元的激活量a，相比原始输入x，a作为一个更好的特征描述；步骤303)：特征激活量a的计算：假定有大小m₁的已标注训练集可以为输入数据找到更好的特征描述，直接使用a₁⁽¹⁾来代替原始数据x₁⁽¹⁾；步骤304)：基于步骤303)训练出一个有监督学习算法，得到一个判别函数y值进行预测；步骤4)：数据预处理：在步骤3)特征学习阶段，从未标注训练集的学习过程中直接计算了各种数据预处理参数。