[发明专利]一种基于生成对抗网络的逐层更新算法有效
| 申请号： | 201710579117.3 | 申请日： | 2017-07-17 |
| 公开（公告）号： | CN107590530B | 公开（公告）日： | 2020-09-22 |
| 发明（设计）人： | 周智恒;李立军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 罗观祥;李本祥 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 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生成对抗网络的逐层更新算法，属深度学习神经网络领域，包括以下步骤：S1、构造深度卷积生成式对抗网络DCGAN模型；S2、输入图像数据集，对DCGAN模型进行训练；S3、记录图像生成器逐层转置卷积得到的特征图；S4、记录图像判别器逐层卷积得到的特征图；S5、比较特征图的差值，用梯度下降方法对图像生成器的权值参数进行更新。传统方法只关注图像生成器生成图像的最终结果，导致图像生成器需要通过更多的训练时间才能学习到数据集的特征，同时无法准确学习到数据集中特征的细节；而本方法逐层地对图像生成器学习到的特征进行调整，既减小了训练时间，又能够让图像生成器学习到的图像特征更加精确。 | ||
| 搜索关键词： | 一种 基于 生成 对抗 网络 更新 算法 | ||
【主权项】：
一种基于生成对抗网络的逐层更新算法，其特征在于，所述动态调整算法包括下列步骤：S1、构造深度卷积生成式对抗网络DCGAN模型，该DCGAN模型包含记录图像生成器和记录图像判别器，采用交叉熵函数作为双方的损失函数；S2、输入图像数据集，对所述DCGAN模型进行训练；S3、所述记录图像生成器逐层转置卷积得到第一特征图；S4、所述记录图像判别器逐层卷积得到第二特征图；S5、比较所述第一特征图和所述第二特征图的差值，利用梯度下降方法对所述记录图像生成器的权值参数进行更新。
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华南理工大学，未经华南理工大学许可，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/201710579117.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种废轮胎低温常压热裂解生产工艺
- 下一篇：一种塑料瓶自动收集压扁设备
