公开(公告)号：CN116108890A

公开(公告)日：2023-05-12

申请号：CN202211575927.9

申请日：2022-12-09

Applicant: 湖南大学

Inventor： 刘立成 ,  刘婷云 ,  陈俊昊

IPC: G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于相关熵的宽度稀疏学习算法，包括RCBLS网络，RCBLS网络包括输入层、隐含层和输出层，RCBLS网络的隐含层由Nw组特征节点和Ne组增强节点组成，每组特征节点和增强节点分别包含Nf和Nh个节点，输入数据首先通过一个非线性映射函数提取出特征信息作为特征节点，映射特征再在通过一个非线性激活函数增强后置为增强节点，将所有特征节点和增强节点与输出层相连接后即可得到一个完整的BLS网络。本发明公开的基于相关熵的宽度稀疏学习算法能够在提取特征信息的同时迭代地去除数据中的噪声和离群值,丢弃噪声数据而只使用无污染数据进行建模的方式比对噪声数据分配低权重来建模的方式更能有效地消除噪声对数据建模的影响。

公开(公告)号：CN116258193A

公开(公告)日：2023-06-13

申请号：CN202211619014.2

申请日：2022-12-12

Applicant: 湖南大学

Inventor： 刘立成 ,  陈俊昊 ,  杨彬

IPC: G06N3/08 ,  G06F18/24

Abstract: 本发明公开了一种基于元素级加权策略的鲁棒宽度学习系统，首先是适应于元素级别权重的宽度学习系统，其在结构上仍然保留了基础的宽度学习系统特点，引入了元素级别的惩罚权重来对噪声标签样本进行惩罚，对每一个样本标签的每一个元素依照本发明中的标签噪声检测算法设置不同权重以抑制噪声的不良影响，保留其他未被污染元素的有效信息。本发明公开的基于元素级加权策略的鲁棒宽度学习系统具有遏制被噪声污染的样本标签中污染元素所提供的错误信息，从而增强宽度学习系统对于标签噪声数据的处理能力，提高宽度学习系统对数据标签被噪声污染的分类数据集的分类有效性的效果。