快速训练深度神经网络的方法、装置、设备和存储介质
实质审查的生效
摘要
本发明涉及一种快速训练深度神经网络的方法、装置、电子设备和计算机可读存储介质。其中方法包括：获取训练数据集，训练数据集包括多个图像训练样本；针对每个图像训练样本，提取图像特征；由多个图像训练样本的图像特征构成深度神经网络的输入矩阵；深度神经网络由多层构成，沿着网络正向传播样本；计算l层到l+1层的连接权重；使用l层到l+1层的连接权重，乘以第l层的神经元输出矩阵，并应用激活函数，可以得到第l+1层的输出矩阵；调节正则化参数以控制重构误差的大小；获取深度神经网络的输出矩阵；将深度神经网络的输出矩阵，输入感知机，进行图像分类。
基本信息
专利标题 ：
快速训练深度神经网络的方法、装置、设备和存储介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114462597A
申请号 ：
CN202210131124.8
公开（公告）日 ：
2022-05-10
申请日 ：
2022-02-13
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
郭平杨栋
申请人 ：
北京师范大学
申请人地址 ：
北京市海淀区新街口外大街19号
代理机构 ：
代理人 ：
优先权 ：
CN202210131124.8
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-05-27 ：
实质审查的生效
IPC(主分类) : G06N 3/08
申请日 : 20220213
申请日 : 20220213
2022-05-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
