[发明专利]一种基于注意力的卷积神经网络优化方法在审
| 申请号： | 201810519139.5 | 申请日： | 2018-05-28 |
| 公开（公告）号： | CN108875592A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 王红滨;王勇军;何鸣;王念滨;周连科;陈田田;秦帅;赵昱杰;李秀明;薛冬梅 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 卷积神经网络 矢量化数据 水下目标 噪声数据 定长 水听 优化 输入数据集 注意力模型 结果分析 目标噪声 排布位置 时序关系 实验过程 训练网络 识别率 拼接 分段 注意力 试验 学习 图片 | ||
【权利要求书】：
1.一种基于注意力模型的卷积神经网络优化方法，其特征是：
(1)噪声数据的切分
所述噪声数据的切分是对水下目标的噪声数据以100ms为单位进行分段；
(2)数据特征的提取
所述数据特征的提取是针对每段噪声数据提取其MFCC，MFCC的提取过程如公式为：
式中，f为目标噪声频率，mel(f)为所示目标噪声提取的梅尔倒谱系数；
(3)多路数据拼接
将水下目标噪声数据分段并进行数据特征的提取后，结合水听器的组阵位置，组成相应的向量矩阵，同时，不同的时序数据组成不同批次的数据，每段噪声数据通过上一步得到的MFCC按多路水听器的排放位置以及每段噪声数据的时序关系进行拼接，形成深度学习模型输入数据集；
(4)基于注意力模型加速池化操作
使用卷积模型处理水下目标噪声数据，在卷积结构的处理方法中注意力被定义为相应卷积层中卷积操作后的特征图，通过主成分分析的方法确定特征图的降维方向，在提取卷积核的特征的基础上进行池化；
(6)注意力加权连接
利用卷积核特征将卷积神经网络提取的特征，即最后一层结果，基于注意力模型进行加权处理。
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201810519139.5/1.html，转载请声明来源钻瓜专利网。
