[发明专利]一种基于线性编码器和插值采样优化卷积神经网络的方法有效
| 申请号： | 201710946508.4 | 申请日： | 2017-10-12 |
| 公开（公告）号： | CN107609638B | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 王改华;袁国亮;李涛;吕朦 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06T3/40;G06K9/62 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 王琪 |
| 地址： | 430068 湖北*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图像识别领域，具体涉及一种基于线性编码器和插值采样优化卷积神经网络的方法。本发明构建的卷积神经网络，包括输入层、卷积层、池化层、全连接网络层及输出层，首先利用卷积线性编码器训练获得权值，并以此作为卷积神经网络的初始值，然后将卷积层获得的特征图分别进行多重插值采样池化，经过前向传播和反向调节，最终获得每一层中各个神经元的局部梯度以及每一层卷积层卷积核的权值。通过与现有的方法进行对比实验，实验结果表明：利用本发明方法构建的卷积神经网络对图像进行分类时，具有收敛速度更快，精确度更高的优点。 | ||
| 搜索关键词： | 一种 基于 线性 解码器 采样 优化 卷积 神经网络 方法 | ||
【主权项】：
1.一种基于线性编码器和插值采样优化卷积神经网络的方法，其特征在于，包括如下步骤：/n步骤1，构建卷积神经网络，包括输入层、S个卷积层、S个池化层、全连接网络层及输出层，并设定每个卷积层中卷积核的个数和大小；/n步骤2，根据构建的卷积神经网络中卷积层的个数，构建包括输入层、卷积核隐层和输出层的S个卷积线性编码器，并随机选取训练样本作为首个卷积线性编码器输入层的输入数据，前一个卷积线性编码器的输出作为后一个卷积线性编码器的输入，分别训练获取S个卷积线性编码器的权值；其中任意一个卷积线性编码器获得权值的实现方式如下，/n(1)对于一个单通道的单输入图片x，其对应的第k个卷积特征图为h
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湖北工业大学，未经湖北工业大学许可，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/201710946508.4/，转载请声明来源钻瓜专利网。
- 上一篇：条形码处理方法及装置
- 下一篇：一种阀值择端分级电位式人工神经元的设计方法
