[发明专利]基于难样本挖掘的深度网络模型构建方法及系统在审
| 申请号： | 202210033502.9 | 申请日： | 2022-01-12 |
| 公开（公告）号： | CN114548366A | 公开（公告）日： | 2022-05-27 |
| 发明（设计）人： | 肖德贵;黎佳志 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 长沙朕扬知识产权代理事务所(普通合伙) 43213 | 代理人： | 包雨函 |
| 地址： | 410000 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于难样本挖掘的深度网络模型构建方法及系统，通过构造深度网络模型，输入训练样本对深度网络模型进行训练：在每次迭代训练过程中抽取训练样本的特征向量，计算特征向量及其类中心权重向量之间的角边界裕量，并根据角边界裕量判断特征向量是否为类内难样本，根据判断结果对特征向量进行难样本标记；基于标记后的特征向量计算深度网络模型输出的角边界裕量损失值与类内难样本损失值，并结合角边界裕量损失值与类内难样本损失值，优化深度网络模型的网络参数，本发明考虑了类内难样本对模型精度的影响，并结合基于角边界裕量损失与类内难样本损失对训练过程进行监督，能提升类内特征分布的紧凑性，从而提升模型的判别力。 | ||
| 搜索关键词： | 基于 样本 挖掘 深度 网络 模型 构建 方法 系统 | ||
【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湖南大学，未经湖南大学许可，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/202210033502.9/，转载请声明来源钻瓜专利网。
