[发明专利]基于少量个性化样本的双网络深度学习方法在审
| 申请号： | 201610546022.7 | 申请日： | 2016-07-12 |
| 公开（公告）号： | CN107609566A | 公开（公告）日： | 2018-01-19 |
| 发明（设计）人： | 盛益强;赵震宇 | 申请（专利权）人： | 中国科学院声学研究所;上海尚恩华科网络科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 北京方安思达知识产权代理有限公司11472 | 代理人： | 王宇杨,杨青 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于少量个性化样本的双网络深度学习方法，所述双网络包括重构网络与深度网络，该方法包括采集少量个性化样本；其中，所述个性化样本包括样本数据及其标签；利用个性化样本中的样本数据训练所述重构网络，然后将个性化样本中的标签输入经过训练后的重构网络中，生成新的重构数据及其标签；基于来自重构网络的新的重构数据及其标签训练所述深度网络；将待测试的数据输入到经过训练的深度网络中，得到S形函数的输出，再经过一个软最大回归从所述S形函数的输出中选择一个结果作为个性化的响应。 | ||
| 搜索关键词： | 基于 少量 个性化 样本 网络 深度 学习方法 | ||
【主权项】：
一种基于少量个性化样本的双网络深度学习方法，所述双网络包括重构网络与深度网络，该方法包括：步骤1)、采集少量个性化样本；其中，所述个性化样本包括样本数据及其标签；步骤2)、利用个性化样本中的样本数据训练所述重构网络，然后将个性化样本中的标签输入经过训练后的重构网络中，生成新的重构数据及其标签；步骤3)、基于步骤2)所得到的来自重构网络的新的重构数据及其标签训练所述深度网络；步骤4)、将待测试的数据输入到经过训练的深度网络中，得到S形函数的输出，再经过一个软最大回归从所述S形函数的输出中选择一个结果作为个性化的响应。
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中国科学院声学研究所;上海尚恩华科网络科技股份有限公司，未经中国科学院声学研究所;上海尚恩华科网络科技股份有限公司许可，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/201610546022.7/，转载请声明来源钻瓜专利网。
