[发明专利]基于无标记样本的神经网络构建方法及其装置

摘要

本发明公开了一种基于无标记样本的神经网络构建方法，属于智能科学与技术中的机器学习领域。该方法以神经网络中隐层神经元的敏感性为基准，通过逐渐裁剪隐层神经元中敏感性低的神经元达到逐渐简化网络结构、提高分类器性能的目的。与传统方式相比，在计算隐层神经元敏感性的过程中，本发明不但使用了有标记的样本，还大量使用了没有标记的样本，这样大大提高了敏感性计算精度。本发明还公开了基于无标记的神经网络构建装置。本发明可以有效提高神经网络构建效率，并提高神经网络的性能。

主权项

一种基于无标记样本的神经网络构建方法，其特征在于：包括以下步骤：（S101）选取一个足够大的正整数m作为隐层神经元数，构建一个三层神经网络，并给定初始网络参数；（S103）利用有标记的样本集训练神经网络直到代价函数收敛到某个给定的很小的阈值e，得到经过训练的分类器；（S105）利用有标记和无标记样本计算隐层神经元的敏感性，并按照敏感性由小到大排序；（S107）去掉敏感性最小的隐层神经元，得到新结构的神经网络；（S109）对新的神经网络在原有参数的基础上再次使用有标记的样本集进行训练，如果代价函数能够收敛到某个很小的阈值e，则得到经过参数更新的分类器并重复步骤（S107）、（S109）；如果不能收敛则进入下一步；（S111）取隐层神经元数最小且能收敛的神经网络网络结构为最终的网络结构，其网络为最终输出的分类器。