[发明专利]一种深度卷积神经网络模型构建方法在审
| 申请号： | 201710157013.3 | 申请日： | 2017-03-16 |
| 公开（公告）号： | CN106934456A | 公开（公告）日： | 2017-07-07 |
| 发明（设计）人： | 邹国锋;傅桂霞;赵新宇;林钉屹;高明亮;尹丽菊;李海涛 | 申请（专利权）人： | 山东理工大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N99/00 |
| 代理公司： | 淄博佳和专利代理事务所37223 | 代理人： | 张雯 |
| 地址： | 255086 山东省淄博*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种深度卷积神经网络模型构建方法，属于模式识别与机器学习领域。其特征在于包括以下步骤，1)、卷积神经网络模型初始化；2)、对网络进行端到端的全局扩展学习，直到卷积神经网络系统平均误差达到预设期望值；3)、全局扩展后，采用交叉验证样本对网络性能进行评估，若识别率未达到期望值，则对网络展开局部扩展学习；4)、增加新的增量式端到端扩展学习支路，实现网络结构的增量扩展学习，最终实现深度卷积神经网络的模型构建。本发明可根据参与训练样本的情况按需添加神经元，实现网络结构的扩充式扩展和增量式扩展，增强了数据样本和网络模型之间的关联性，实现了网络结构自适应增量学习。 | ||
| 搜索关键词： | 一种 深度 卷积 神经网络 模型 构建 方法 | ||
【主权项】：
一种深度卷积神经网络模型构建方法，其特征在于：包括以下步骤，1)、卷积神经网络模型初始化，初始网络模型只设置一条支路，该支路上包含输入层、卷积层、池化层和全连接层，且每层仅包含一幅特征图；2)、以卷积神经网络的收敛速度为评价指标，对网络进行端到端的全局扩展学习，直到卷积神经网络系统平均误差达到预设期望值，则全局网络扩展结束；3)、全局扩展后，采用交叉验证样本对网络性能进行评估，采用交叉验证样本测试所得网络的识别率，若识别率未达到期望值，则对网络展开局部扩展学习，直到交叉验证样本的识别率达到预设期望值后，停止局部网络学习；4)、保留扩充式扩展学习训练得到的网络训练结果，针对新追加的训练样本，增加新的增量式端到端扩展学习支路，实现网络结构的增量扩展学习，以系统平均误差达到期望值为训练结束的标志，最终实现深度卷积神经网络的模型构建。
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山东理工大学，未经山东理工大学许可，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/patent/201710157013.3/，转载请声明来源钻瓜专利网。
