本发明公开一种通用神经网络蒸馏公式方法,步骤如下:1)输入数据数据增强,利用增强数据集训练基线网络模型;2)特征递归消除模块对训练好的模型针对输入特征进行重要性分析,丢掉不重要的特征,直到不能丢弃任意特征;3)特征递归解耦消除模块交替地对训练好的模型针对输入特征进行耦合性分析和重要性分析,不断对输入特征进行解耦和丢弃,直到不能解耦和丢弃任意特征;4)将k‑分支神经网络拆分成k个子问题,使用符号回归方法获得子问题符号模型。并将子问题符号模型进行Stacking集成得到整个问题的符号模型。本发明提出的神经网络公式转换器NNFC是第一个通用地、在无任何先验情况下将神经网络蒸馏成可解释公式方法,可以在物理、化学、材料、矿物、地质等自然科学甚至社会科学领域发挥重要作用。
声明:
“通用神经网络蒸馏公式方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)