公开(公告)号：CN110288081A

公开(公告)日：2019-09-27

申请号：CN201910476156.X

申请日：2019-06-03

Applicant: 北京信息科技大学 ,  北京理工大学

Inventor： 王军茹 ,  卢继华 ,  易军凯 ,  徐懿 ,  李梦泽 ,  何天恺

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于FW机制及LSTM的递归网络模型及学习方法，属于递归神经网络以及自然语言处理技术领域。包括基于FW机制及LSTM的递归网络模型及依托的学习方法；前者包括数据导入模块、数据生成模块、加载与迭代模块、参数设定模块、模型定义模块、递归网络训练、评估以及测试模块；学习方法包括：1导入数据；2将导入数据进行拆分得到训练数据、评估数据和测试数据；3根据导入数据，获取预先设定好的配置参数；4完成权重参数的初始化；5将训练、评估和测试数据送入LSTM单元计算输出向量；6计算loss函数，对网络参数进行优化，输出复杂度。所述网络模型及学习方法进一步提升了LSTM模型处理的准确度及收敛速度。