[发明专利]基于自适应L-BFGS算法的深度神经网络的批量学习方法有效
| 申请号： | 202111069585.9 | 申请日： | 2021-09-13 |
| 公开（公告）号： | CN113705724B | 公开（公告）日： | 2022-08-30 |
| 发明（设计）人： | 黄鹤;王俊;曹洪龙;胡丹峰;张永亮 | 申请（专利权）人： | 苏州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人： | 李柏柏 |
| 地址： | 215000 江苏*** | 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： | 本发明提出一种基于自适应的L‑BFGS算法的批量学习方法，用于深度神经网络的训练，每次训练时按一定规则选取一部分样本计算更新参数，以减少计算复杂度，同时解决一阶算法(如Mini‑Batch GD)训练时存在的收敛速度慢，易陷入局部最优点等缺点。本发明提出的算法解决了L‑BFGS算法中记忆尺度选择困难的问题。本发明提出的算法引入了多步拟牛顿理论对AL‑BFGS中衡量近似程度的计算公式进行了改进，使得到海塞矩阵逆的近似矩阵与海塞矩阵的逆矩阵之间近似程度更高。本发明提出的算法选取多个记忆尺度，计算出不同的方向进行叠加，得到最终的搜索方向，从而加强对最近曲率信息的使用，加快了收敛速度。 | ||
| 搜索关键词： | 基于 自适应 bfgs 算法 深度 神经网络 批量 学习方法 | ||
【主权项】：
暂无信息
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苏州大学，未经苏州大学许可，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/202111069585.9/，转载请声明来源钻瓜专利网。
