[发明专利]一种基于谐振过滤的神经网络图像特征提取方法在审
| 申请号： | 201910494735.7 | 申请日： | 2019-06-10 |
| 公开（公告）号： | CN110222768A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 张霞;陆伟;陈栋;杨和稳;夏嵬;倪靖 | 申请（专利权）人： | 南京信息职业技术学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06K9/46 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 210023 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于谐振过滤的神经网络图像特征提取方法，包括以下步骤：S01，构建全连接神经网络，包括输入层、隐藏层和输出层；S02，设置训练数据像素点一一对应的波函数；S03，通过波函数中频率参数ω0与超参数ω对训练数据进行过滤；S04，过滤后的数据输入S01中全连接神经网络并输出结果；S05，设置代价函数，计算输出层误差，并通过反向传播计算各层的误差；S06，推导输入层期望误差，更新ω0，重新回到S03；S07，用梯度下降算法更新神经网络中的权重和偏置，重新回到S04；S08，得到训练好的神经网络。本发明提供的一种基于谐振过滤的神经网络图像特征提取方法，利用波函数性质对训练图像数据进行谐振过滤，能够提高神经网络图像特征提取能力。 | ||
| 搜索关键词： | 神经网络 过滤 图像特征提取 谐振 波函数 训练数据 输出层 输入层 代价函数 反向传播 计算各层 期望误差 输出结果 下降算法 训练图像 权重和 像素点 隐藏层 中频率 更新 构建 偏置 推导 | ||
【主权项】：
1.一种基于谐振过滤的神经网络图像特征提取方法，其特征在于：包括以下步骤：S01，构建全连接神经网络，包括输入层、隐藏层和输出层；S02，设置训练数据像素点一一对应的波函数；S03，通过波函数中频率参数ω0与超参数ω对训练数据进行过滤；S04，过滤后的数据输入S01中全连接神经网络并输出结果；S05，设置代价函数，计算输出层误差，并通过反向传播计算各层的误差；S06，推导输入层期望误差，更新ω0，重新回到S03；S07，用梯度下降算法更新神经网络中的权重和偏置，重新回到S04；S08，得到训练好的神经网络。
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南京信息职业技术学院，未经南京信息职业技术学院许可，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/201910494735.7/，转载请声明来源钻瓜专利网。
