[发明专利]一种卷积神经网络结构的构建方法、计算机及介质在审
| 申请号： | 202210121033.6 | 申请日： | 2022-02-09 |
| 公开（公告）号： | CN114463560A | 公开（公告）日： | 2022-05-10 |
| 发明（设计）人： | 左东润;高又松;吴之光 | 申请（专利权）人： | 西安超越申泰信息科技有限公司 |
| 主分类号： | G06V10/44 | 分类号： | G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京连和连知识产权代理有限公司 11278 | 代理人： | 马鹏林;黄艳南 |
| 地址： | 710000 陕西省西安市国家民用*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 卷积 神经网络 结构 构建 方法 计算机 介质 | ||
1.一种卷积神经网络结构的构建方法，其特征在于，包括：
卷积层采用光谱维度的一维卷积；
全连接层对所述卷积层提取的第一特征做非线性组合，得到第二特征；
所述全连接层将所述第二特征映射到样本网络。
2.根据权利要求1所述的方法，其特征在于，所述卷积层采用第一阈值个卷积核对高光谱数据进行扫描。
3.根据权利要求1所述的方法，其特征在于，所述第一阈值包括8，16，32中的至少一项。
4.根据权利要求1所述的方法，其特征在于，所述全连接层采用第二阈值个神经元与所述卷积层进行对接。
5.根据权利要求1所述的方法，其特征在于，所述第二阈值包括16。
6.根据权利要求1所述的方法，其特征在于，所述全连接层的激活函数为：
f(x)＝max(0,x)
其中，f(x)表示总样本的平均损失值，x表示每个样本。
7.根据权利要求6所述的方法，其特征在于，所述激活函数的优化函数为：
其中，m代表更新参数，loss代表损失函数，p代表学习率。
8.根据权利要求6所述的方法，其特征在于，所述激活函数的优化函数为：
其中，fi(x)表示样本i的损失值，n表示每次迭代所需的样本数量。
9.一种计算机，其特征在于，包括：卷积层和全连接层；其中，
所述卷积层配置用于采用光谱维度的一维卷积；
所述全连接层配置用于对所述卷积层提取的第一特征做非线性组合，得到第二特征；
所述全连接层配置用于将所述第二特征映射到样本网络。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-8中任一项所述的方法所包含的步骤。
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西安超越申泰信息科技有限公司，未经西安超越申泰信息科技有限公司许可，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/202210121033.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种滤波器芯片及其加工方法
- 下一篇：图像拍摄方法及装置
