[发明专利]一种增广神经网架构及其训练方法、计算机可读存储介质有效
| 申请号： | 201710312916.4 | 申请日： | 2017-05-05 |
| 公开（公告）号： | CN107256423A | 公开（公告）日： | 2017-10-17 |
| 发明（设计）人： | 赵勇;向函;符祖峰;谢锋;陈胜红 | 申请（专利权）人： | 深圳市丰巨泰科电子有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 深圳鼎合诚知识产权代理有限公司44281 | 代理人： | 郭燕 |
| 地址： | 518000 广东省深圳市龙华新*** | 国省代码： | 广东;44 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明提供一种增广神经网架构及其训练方法、计算机可读存储介质，增广神经网架构包括第一神经网络模型和第二神经网络模型，第一神经网络模型是已经采用样本训练好的模型，第二神经网络模型是未经样本训练的模型，第一神经网络模型和第二神经网络模型的输入端相连，训练方法包括如下过程：输入新样本，第一神经网络模型和第二神经网络模型分别基于新样本输出第一结果和第二结果；将期望结果减去第一结果后作为第二神经网络模型的目标值；基于目标值对第二神经网络模型进行训练。本发明在保证对原样本与新样本都具备有效识别能力的同时，扩展了增广神经网架构整体可识别的样本范围。 | ||
| 搜索关键词： | 一种 增广 神经 网架 及其 训练 方法 计算机 可读 存储 介质 | ||
【主权项】：
一种增广神经网架构的训练方法，其特征在于，所述增广神经网架构包括第一神经网络模型和第二神经网络模型，所述第一神经网络模型是已经采用样本训练好的模型，第二神经网络模型是未经样本训练的模型，所述方法包括：将用于神经网架构学习的新样本分别输入第一神经网络模型和第二神经网络模型，第一神经网络模型和第二神经网络模型分别基于新样本输出第一结果和第二结果；将期望结果减去第一结果后作为第二神经网络模型的目标值；基于目标值对第二神经网络模型进行训练。
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深圳市丰巨泰科电子有限公司，未经深圳市丰巨泰科电子有限公司许可，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/patent/201710312916.4/，转载请声明来源钻瓜专利网。
- 上一篇：数据量化方法及装置
- 下一篇：三值权重卷积网络处理系统及方法
