本发明属于贝叶斯网络,具体地说是一种贝叶斯神经网络实验验证的方法和系统。
背景技术:
1、贝叶斯网络,又称信念网络或是因果网络,是描述数据变量之间依赖关系的一种图形模式,是一种用来推理的模型,适用与表达和分析不确定性和概率性的事件,能够在不确定性环境中实现知识表示、推断与预测等。
2、现在的实验验证手段主要运用的方法仍然是较为局限的实验论证,或者是利用软件进行模拟,即使利用到了一些数学分析方法,但是关系梳理方面也较为复杂,效率比较低下。
3、为此,本领域技术人员提出了一种贝叶斯神经网络实验验证的方法和系统来解决背景技术提出的问题。
技术实现思路
1、为了解决上述技术问题,本发明提供一种贝叶斯神经网络实验验证的方法和系统,以解决现有技术中实验验证过程中,关系梳理方面较为复杂,效率较为低下等问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种贝叶斯神经网络实验验证的方法和系统,包括以下步骤:
4、s1:根据实验验证的特性和贝叶斯神经网络算法将实验验证输入算法进行关系标记;
5、s2:在服务器中部署caffe深度学习神经网络系统;
6、s3:准备数据集,将实验过程中收集到的数据输入进s1步骤中的神经网络标记关系中,会发现数据小量增长,然后制作成数据集;
7、s4:将数据集输入进caffe神经网络系统,从而根据拟合线图,得出拟合的最佳训练值;
8、s5:得到实验验证的数据模型,然后将其植入进论证系统中即可。
9、优选的,所述s1步骤中的关系标记包括输入层标记、隐藏层标记、输出层标记
10、优选的,所述s2步骤中采用caffe深度学习神经网络系统,通过智能分析实验论证过程中的各项关联性数据,来进一步建立数据模型。
11、与现有技术相比,本发明具有如下有益效果:
12、本发明通过贝叶斯神经网络算法特性,并利用智能分析的方法,并依据该方法定制出贝叶斯神经网络智能分析系统,可以支持关系结构复杂与数据量庞大的分析,且节省人工实验成本,拟合过程由深度学习神经网络系统代替,预测准确率也得到提升。
1.一种贝叶斯神经网络实验验证的方法和系统,其特征在于:包括以下步骤:
2.如权利要求1所述一种贝叶斯神经网络实验验证的方法和系统,其特征在于:所述s1步骤中的关系标记包括输入层标记、隐藏层标记、输出层标记。
3.如权利要求1所述一种贝叶斯神经网络实验验证的方法和系统,其特征在于:所述s2步骤中采用caffe深度学习神经网络系统,通过智能分析实验论证过程中的各项关联性数据,来进一步建立数据模型。