[发明专利]一种人工智能框架进行CNN迭代训练方法在审
| 申请号： | 201811088509.0 | 申请日： | 2018-09-18 |
| 公开（公告）号： | CN109325533A | 公开（公告）日： | 2019-02-12 |
| 发明（设计）人： | 刘宏基 | 申请（专利权）人： | 成都网阔信息技术股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 刘东 |
| 地址： | 610041 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种人工智能框架进行CNN迭代训练方法，为了实现智能训练，也可称为挂机训练。本CNN训练框架采用了动态学习率的算法和自动判收敛算法。随着训练轮次的展开，学习率会根据反向梯度算法中的梯度变化而动态调整，逐步减小至预设的值。梯度变化在一定时间内变化小于阈值，那么系统将自行停止训练，标志训练完成。训练完成后，用测试程序把得到的网络文件对未知样本集进行分类识别，再稍加辅以人工矫正，便能很方便的扩充训练数据集，进行迭代训练。最终实现的网络分类准确率能达到99.8％。 | ||
| 搜索关键词： | 迭代训练 人工智能 梯度变化 算法 训练数据集 测试程序 动态调整 动态学习 分类识别 梯度算法 网络分类 网络文件 智能训练 逐步减小 样本集 准确率 挂机 预设 矫正 收敛 学习 | ||
【主权项】：
1.一种人工智能框架进行CNN迭代训练方法，包括样本集，其特征在于：包括以下步骤：S1、构建CNN网络结构，所述CNN网络结构为训练网络，此训练网络包括三个卷积层、两个池化层和一个输出层；其中：第一层是卷积层，采用Relu激活函数，卷积方式为带边卷积；第二层是池化层，按照最大值池化；第三层是卷积层，采用Relu激活函数，卷积方式为带边卷积；第四层是卷积层，采用Relu激活函数，卷积方式为带边卷积；第五层是池化层，采用Relu激活函数；第六层是输出层，采用Softmax激活函数；S2、将样本集送入步骤S1建立的训练网络中进行识别训练，训练完成后得到CNN网络；S3、用测试程序把得到的CNN网络对未知样本集进行分类识别，再辅以人工矫正，进行迭代训练，得到新的的CNN网络；S4、重复步骤S3，根据反向梯度算法中的梯度变化动态调整学习率，学习率逐步减小至预设的值，直到梯度变化在一定时间内变化小于阈值，那么系统将自行停止训练，得到最终的CNN网络。
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成都网阔信息技术股份有限公司，未经成都网阔信息技术股份有限公司许可，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/201811088509.0/，转载请声明来源钻瓜专利网。
