[发明专利]一种训练深度神经网络的动态重采样方法在审
| 申请号： | 201711477740.4 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN108197697A | 公开（公告）日： | 2018-06-22 |
| 发明（设计）人： | 吉杰 | 申请（专利权）人： | 汕头大学 |
| 主分类号： | G06N3/02 | 分类号： | G06N3/02 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 张泽思;周增元 |
| 地址： | 515000 *** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 神经网络 重采样 训练集 准确率 算法 训练神经网络 原始训练集 采样概率 动态生成 真实分布 样本数 拟合 小类 验证 关联 平衡 | ||
【权利要求书】：
1.一种训练深度神经网络的动态重采样方法，其特征在于，包括计算采样概率的算法、动态生成训练集的算法、以及训练神经网络的过程中进行动态重采样；
所述计算采样概率的算法包括使用一个数组保存类采样概率，将所述数组中的每一个元素对应每一个类的采样概率，并定义所述数组的初始值、结束值和变化规律函数；
所述动态生成训练集的算法包括对原始训练集的每一个元素以该元素所属类别的采样概率进行随机采样，动态生成一个临时训练集；
所述训练神经网络的过程中进行动态重采样通过每轮训练前使用回调函数调用所述动态生成训练集的方法生成一个训练集，将该训练集做为本轮训练的输入，然后进行本轮的训练。
2.根据权利要求1所述的训练深度神经网络的动态重采样方法，其特征在于，所述数组的初始值为训练集样本中每一个类包含样本数的n次幂的倒数，所述数组的结束值为训练集样本中每一个类包含样本数的m次幂的倒数，其中n和m的取值范围(0-1)，n>m。
3.根据权利要求1或2所述的训练深度神经网络的动态重采样方法，其特征在于，所述变化规律函数的输入参数是训练轮次，输出是类采样概率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于汕头大学，未经汕头大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711477740.4/1.html，转载请声明来源钻瓜专利网。
