[发明专利]一种自适应设置深度置信网络参数的方法及系统

权利要求书

1.一种基于遗传算法的自适应设置深度置信网络参数的方法，其特征在于，所述方法包括：

设置待优化的深度置信网络参数的初始值，并根据所述初始值建立设置深度置信网络参数的适应度函数；

根据所述适应度函数，利用遗传算法获取最优个体数据；

将所述最优个体数据进行反编码获得最优深度置信网络参数。

2.根据权利要求1所述的方法，其特征在于，设置待优化的深度置信网络参数的初始值，并根据所述初始值建立设置深度置信网络参数的适应度函数，包括：

设置待优化的深度置信网络参数的初始值；

利用遗传算法对所述深度置信网络参数的初始值进行二进制编码，构造初始种群，并将其作为训练样本；

确定深度置信网络的拓扑结构后对所述训练样本进行识别，得到所述训练样本的识别率；

根据所述识别率计算识别率均值，并将所述识别率均值作为设置深度置信网络参数的适应度函数。

3.根据权利要求2所述的方法，其特征在于，根据所述适应度函数，利用遗传算法获取最优个体数据，包括：

计算初始种群适应度；

根据所述初始种群适应度进行选择操作、交叉操作和变异操作后计算新产生种群适应度；

判断所述新产生种群适应度是否满足预设条件；

若满足则将所述新产生种群适应度作为最优个体数据；

若不满足则根据所述新产生种群适应度再次进行选择操作、交叉操作和变异操作，直到新得到的种群适应度满足预设条件，得到最优个体数据为止。

4.根据权利要求3所述的方法，其特征在于，所述预设条件具体为：循环执行选择操作、交叉操作和变异操作的次数满足循环代数或连续预定次数循环过程中得到的适应度数值的波动情况满足预定范围。

5.根据权利要求4所述的方法，其特征在于，利用遗传算法对所述深度置信网络参数进行二进制编码，包括：

利用遗传算法的工具箱中的编码函数对所述深度置信网络参数进行二进制编码。

6.一种基于遗传算法的自适应设置深度置信网络参数的系统，其特征在于，包括：

初始化模块，用于设置待优化的深度置信网络参数的初始值，并根据所述初始值建立设置深度置信网络参数的适应度函数；

遗传算法模块，用于根据所述适应度函数，利用遗传算法获取最优个体数据；

参数确定模块，用于将所述最优个体数据进行反编码获得最优深度置信网络参数。

7.根据权利要求6所述的系统，其特征在于，所述初始化模块包括：

初始值设置单元，用于设置待优化的深度置信网络参数的初始值；

编码单元，用于利用遗传算法对所述深度置信网络参数的初始值进行二进制编码，构造初始种群，并将其作为训练样本；

识别单元，用于确定深度置信网络的拓扑结构后对所述训练样本进行识别，得到所述训练样本的识别率；

适应度函数确定单元，用于根据所述识别率计算识别率均值，并将所述识别率均值作为设置深度置信网络参数的适应度函数。

8.根据权利要求7所述的系统，其特征在于，所述遗传算法模块包括：

第一计算单元，用于计算初始种群适应度；

第二计算单元，用于根据所述初始种群适应度进行选择操作、交叉操作和变异操作后计算新产生种群适应度；

判断单元，用于判断新产生种群适应度是否满足预设条件；

结果输出单元，用于若满足预设条件时，将新产生种群适应度作为最优个体数据；

第三计算单元，用于若不满足预设条件时，根据所述新产生种群适应度再次进行选择操作、交叉操作和变异操作后计算新产生种群适应度，并触发所述判断单元。

9.根据权利要求8所述的系统，其特征在于，所述编码单元包括：

编码子单元，用于利用遗传算法的工具箱中的编码函数对所述深度置信网络初始参数进行二进制编码。