【CN110188875A】一种小样本数据预测方法及装置【专利】
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910303757.0
(22)申请日 2019.04.16
(71)申请人 中国农业大学
地址 100193 北京市海淀区圆明园西路2号
(72)发明人 孙龙清 罗冰 刘婷 陈帅华
刘岩
(74)专利代理机构 北京路浩知识产权代理有限
公司 11002
代理人 王庆龙 苗晓静
(51)Int.Cl.
G06N 3/08(2006.01)
G06K 9/62(2006.01)
(54)发明名称一种小样本数据预测方法及装置(57)摘要本发明实施例提供一种小样本数据预测方法及装置,该方法包括将待预测样本数据输入神经网络预测模型,输出待预测样本数据对应的预测值;其中,所述神经网络预测模型是根据双立方插值后的样本数据进行训练后得到的。本发明实施例通过采用双立方插值的方法对小样本据进行插值处理,使得插值后的数据集完全包含原始训练集数据,并且插值数据更加符合训练集数据的规律,实现对训练集数据的有效扩充。本发明实施例将双立方插值后的样本数据进行训练后得到神经网络预测模型,提高神经网络预测模型的泛化能力,避免过拟合现象的发生。将待预测样本数据输入神经网络预测模型,输出待预测样本数据对应的预测值,实现对数据更精确的预
测。权利要求书3页 说明书10页 附图2页CN 110188875 A 2019.08.30
C N 110188875
A
1.一种小样本数据预测方法,其特征在于,包括:
将待预测样本数据输入神经网络预测模型,输出待预测样本数据对应的预测值;其中,所述神经网络预测模型是根据双立方插值后的样本数据进行训练后得到的。
2.根据权利要求1所述的小样本数据预测方法,其特征在于,将待预测样本数据输入神经网络预测模型,之前还包括:
将初始样本数据划分为训练集和测试集,对训练集的样本数据进行双立方插值;引入隐藏层神经元确定参数因子,构建所述神经网络预测模型;
利用双立方插值后的样本数据对所述神经网络预测模型进行训练,直至模型收敛。
3.根据权利要求2所述的小样本数据预测方法,其特征在于,所述对训练集的样本数据进行双立方插值具体包括:
构造矩形网格,对于给定的初始样本数据(x i ,y j ),i=0,1,2…n;j=0,1,2…m,
则以构建xoy平面上的矩形网格,
且满足:
网格边界满足如下条件:
基于所述矩形网格,
构造双立方插值函数进行计算:
式中,x i 表示输入数据;y j 表示输出数据;a、b、c、d分别表示数据的最小值、输入数据最大值、输出数据最小值、输出数据最大值;a ij 表示构造的多项式的待定系数;
其中,a ij 通过分别连续对x与y向量取微分得到;
对双立方插值后的样本数据按照原比例划分成输入样本集合和输出样本集合。
4.根据权利要求3所述的小样本数据预测方法,其特征在于,所述引入隐藏层神经元确定参数因子,构建所述神经网络预测模型具体包括:
引入隐藏层神经元确定参数因子Num确定神经网络预测模型的隐藏层神经元个数,其中,神经网络预测模型包括输入层、
隐藏层和输出层;
式中,Num表示隐含层神经元的数量,c=rand(1,9)表示1到9之间一个随机常数;N x 表示输入样本维数,N y 表示输出样本的维数,N s 表示初始样本数据的样本数量。
5.根据权利要求4所述的小样本数据预测方法,其特征在于,所述利用插值后的样本数据对所述神经网络预测模型进行训练,直至模型收敛,具体包括:
权 利 要 求 书1/3页2CN 110188875 A