一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法

摘要

本发明涉及一种结合数据表示和伪逆学习自编码器的提高模式识别精度的方法。基于在低维空间中线性不可分的样本在高维空间中可能可分的模式识别理论，同时利用基于伪逆学习自编码器的快速学习优势，能够快速准确地对堆叠自编码器深度神经网络进行训练。本发明利用接受场对数据进行升维，包括四种具体的接受场函数来提升原始数据维数，分别是基于核函数的接受场，基于函数连接的接受场，基于非线性变换的接受场和基于随机映射的接受场。将经过接受场变换后的数据作为自编码器的输入，并利用伪逆学习方法快速的得到神经网络的权值矩阵。本发明在提高模式识别问题的精度上具有明显优势，适用于大多数回归和分类问题，所发明的方法不需要复杂的反向传播运算和耗时的超参数调优，有利于在移动端硬件实现。