[发明专利]基于大数据的深度学习方法

权利要求书

1.一种基于大数据的深度学习方法，其特征在于，所述基于大数据的深度学习方法包括以下步骤：

建立深度学习模型，所述深度学习模型包括多层神经元模型；

选取预选图像的部分区域图像作为一神经元模型的输入；

对该输入进行卷积求和、添加偏移量经过激活函数之后输出的特征映射图作为下一层神经元模型的输入；

每一层神经元模型的输出作为下一层神经元模型的输入；

提取每一层输入的特征映射图的局部显著特征并存储。

2.如权利要求1所述的基于大数据的深度学习方法，其特征在于，所述深度学习模型采用稀疏链接。

3.如权利要求1所述的基于大数据的深度学习方法，其特征在于，每一层所述神经元模型采用相同的卷积操作。

4.如权利要求1至3任一项所述的基于大数据的深度学习方法，其特征在于，在提取每一层输入的特征映射图的局部显著特征之后还包括：对所述局部显著特征划分不重叠的矩形，对于每个矩形进行池化函数操作。

5.如权利要求1所述的基于大数据的深度学习方法，其特征在于，所述提取每一层输入的特征映射图的局部显著特征包括：对每一层输入的特征映射图进行采样计算得到局部显著特征。

6.如权利要求1所述的基于大数据的深度学习方法，其特征在于，所述神经元模型包括链接矩阵。

7.如权利要求6所述的基于大数据的深度学习方法，其特征在于，所述方法还包括：计算每一层神经元模型的误差敏感项，依据每一层神经元模型的误差敏感项对每一层神经元模型的链接矩阵进行更新。

8.如权利要求1所述的基于大数据的深度学习方法，其特征在于，所述方法还包括：通过GPU加速、数据并行、模型并行的方式对所述深度学习模型加速。