[发明专利]一种基于深度神经网络的海洋噪声信号识别方法在审
| 申请号： | 201810361731.7 | 申请日： | 2018-04-20 |
| 公开（公告）号： | CN108596078A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 行鸿彦;余培 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 南京汇盛专利商标事务所(普通合伙) 32238 | 代理人： | 张立荣;裴咏萍 |
| 地址： | 210019 江*** | 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： | |||
| 搜索关键词： | 海洋噪声 神经网络 信号识别 置信 神经元 神经网络模型 神经网络训练 准确度 反向传播 权值训练 网络训练 前向 分辨 运算 分类 更新 网络 | ||
【权利要求书】：
1.一种基于深度神经网络的海洋噪声信号识别方法，该方法通过建立DNN深度神经网络模型，对模型每层神经元的权值进行前向运算和反向传播的不断训练与更新，得到能够分辨出不同类型海洋噪声信号的分类权值，从而实现对不同类型海洋噪声信号的识别；其特征在于：所述识别方法利用深度置信网络进行所述DNN深度神经网络的初始权值训练，将得到的权值作为深度神经网络训练的初始权值，之后对数据进行训练，从而实现对不同类型海洋噪声信号的识别。
2.根据权利要求1所述的识别方法，其特征在于：所述识别方法利用深度置信网络进行所述DNN深度神经网络的初始权值训练，将得到的权值作为深度神经网络训练的初始权值，再通过非线性sigmoid激励函数实现函数值归一化，求出实际输出与期望输出的误差函数，然后利用梯度下降算法求极小值得出一个权值的误差系数，利用这个系数与权值求和不断更新权值，最终得到能够分辨出不同类型海洋噪声信号的分类权值。
3.根据权利要求2所述的识别方法，其特征在于：所述DNN深度神经网络分为五层，包括输入层、输出层和三层隐藏层；所述输入层为首层，具有24个神经元；第一隐藏层有20个神经元，第二和第三隐藏层分别具有16个和8个神经元；所述输出层有4个神经元。
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工程大学，未经南京信息工程大学许可，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/pat/books/201810361731.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：高光谱图像自适应光谱聚焦波段选择方法
- 下一篇：手势识别方法、装置及电子设备
