首页> 中国专利> 一种基于神经网络最小化熵的因果网络发现方法及系统

一种基于神经网络最小化熵的因果网络发现方法及系统

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明提出一种基于神经网络最小化熵的因果网络发现方法及系统，克服了当前因果网络发现方法无法识别马尔可夫等价类、在有向无环图搜索时容易陷入局部最优的缺陷，解决了采用最小二乘损失作为损失函数的神经网络搜索方法适用性不广、准确率不高的问题，首先构建数据集，对数据集中的变量数据进行预处理，然后根据变量数据的特征构建神经网络，以损失函数为残差的熵，约束条件为无环性约束训练，进而得到数据之间的因果结构，以邻接矩阵表示因果关系的图，再对邻接矩阵进行剪枝处理，最后可视化输出因果网络，克服了传统方法无法识别马尔科夫等价类的困难，提高了局部结构的可识别性。

著录项

公开/公告号CN113159292A

专利类型发明专利
公开/公告日2021-07-23

原文格式PDF
申请/专利权人广东工业大学;
展开▼

申请/专利号CN202110454250.2
发明设计人陈伟霖;蔡瑞初;乔杰;郝志峰;陈炳丰;温雯;
展开▼

申请日2021-04-26
分类号G06N3/04(20060101);G06N3/08(20060101);G06N5/04(20060101);
代理机构44102 广州粤高专利商标代理有限公司;
代理人林丽明
地址 510090 广东省广州市越秀区东风东路729号
入库时间 2023-06-19 11:57:35

法律信息

法律状态公告日

法律状态信息

法律状态
2023-10-27

发明专利申请公布后的驳回 IPC(主分类):G06N 3/04 专利申请号:2021104542502 申请公布日:20210723

发明专利申请公布后的驳回

相似文献

专利
中文文献
外文文献

1. 一种基于神经网络最小化熵的因果网络发现方法及系统 [P] . 中国专利： CN113159292A . 2021-07-23
2. 一种融合卷积神经网络和循环神经网络的文本因果关系自动抽取方法 [P] . 中国专利： CN110704890A . 2020-01-17
3. Neural Networks ENTROPY-BASED NEURAL NETWORKS PARTIAL LEARNING METHOD AND SYSTEM [P] . 韩国专利： KR102120443B1 . 2020-06-08

机译：神经网络的基于熵的神经网络局部学习方法和系统
4. Neural Networks ENTROPY-BASED NEURAL NETWORKS PARTIAL LEARNING METHOD AND SYSTEM [P] . 韩国专利： KR20200038072A . 2020-04-10

机译：神经网络的基于熵的神经网络局部学习方法和系统
5. METHOD AND SYSTEM FOR ENTROPY-BASED NEURAL NETWORK PARTIAL LEARNING [P] . 世界知识产权组织专利： WO2020071618A1 . 2020-04-09

机译：基于熵的神经网络局部学习的方法和系统