[发明专利]一种深度神经网络模型的构建方法和装置有效
| 申请号： | 201810465595.6 | 申请日： | 2018-05-16 |
| 公开（公告）号： | CN108921282B | 公开（公告）日： | 2022-05-31 |
| 发明（设计）人： | 何文奇;海涵;彭翔;刘晓利;廖美华;卢大江 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 深圳市恒申知识产权事务所(普通合伙) 44312 | 代理人： | 王利彬 |
| 地址： | 518060 广东*** | 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： | 本发明公开了一种深度神经网络模型的构建方法和装置。对原始数据进行随机相位加密得到训练数据，利用训练数据训练第i‑1深度神经网络模型，得到第i深度神经网络模型，将训练数据输入第i深度神经网络模型得到第i输出结果，与训练数据对应的原始数据进行比对，判断比对结果是否满足预设收敛条件，若满足，则确定第i深度神经网络模型为构建的深度神经网络模型，若不满足，则令i＝i+1，重新利用训练数据训练第i‑1深度神经网络模型。由于训练数据输入到深度神经网络模型中，得到的输出结果是与原始数据进行比对的，因此该模型为能够破解随机相位加密的解密模型，解决了缺少能破解随机相位加密的算法模型的技术问题。 | ||
| 搜索关键词： | 一种 深度 神经网络 模型 构建 方法 装置 | ||
【主权项】：
1.一种深度神经网络模型的构建方法，其特征在于，所述方法包括：步骤A、对多组原始数据进行随机相位加密得到训练数据；步骤B、利用所述训练数据训练第i‑1深度神经网络模型，得到第i深度神经网络模型，及所述训练数据输入所述第i深度神经网络模型后的第i输出结果，并将所述第i输出结果与所述训练数据对应的原始数据进行比对，得到第i比对结果，所述i的初始值为1，且第0深度神经网络模型为初始模型；步骤C、当所述第i比对结果满足预设收敛条件时，确定所述第i深度神经网络模型为构建的深度神经网络模型；步骤D、当所述第i比对结果不满足所述预设收敛条件时，令i＝i+1，返回执行所述步骤B。
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大学，未经深圳大学许可，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/201810465595.6/，转载请声明来源钻瓜专利网。
