[发明专利]一种继承具体应用模型的深度学习模型的训练方法和系统在审
| 申请号： | 201811317357.7 | 申请日： | 2018-11-07 |
| 公开（公告）号： | CN109543839A | 公开（公告）日： | 2019-03-29 |
| 发明（设计）人： | 赵铭;林镇锋;易文峰;杨育;杨正刚;李小芬;徐文娟 | 申请（专利权）人： | 深圳市康拓普信息技术有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 深圳市顺天达专利商标代理有限公司 44217 | 代理人： | 郭伟刚 |
| 地址： | 518000 广东省深圳*** | 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： | |||
| 搜索关键词： | 应用模型 学习 训练应用 初始化 继承 系统设计 训练数据 应用 | ||
1.一种继承具体应用模型的深度学习模型的训练方法，其特征在于，包括以下步骤：
步骤S1、找出与深度学习模型的待训练应用相关的具体应用模型；
步骤S2、自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；
步骤S3、自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。
2.根据权利要求1所述的训练方法，其特征在于，深度学习模型采用卷积神经网络模型、深度信念网络模型、深度玻尔兹曼机模型或堆叠自动编码器模型。
3.根据权利要求1所述的训练方法，其特征在于，具体应用模型为采用该具体应用模型中与具体应用有关的特征值赋值于深度学习模型参数的深度学习模型。
4.根据权利要求1所述的训练方法，其特征在于，对深度学习模型进行初始化的过程表示将具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型中的深度学习模型参数赋值的过程。
5.一种继承具体应用模型的深度学习模型的训练系统，其特征在于，包括以下步骤：
继承模块(100)，用于找出与深度学习模型的待训练应用相关的具体应用模型；
初始化模块(200)，用于自动采用具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型进行初始化；
训练模块(300)，用于自动采用与待训练应用相关的训练数据训练初始化后的深度学习模型。
6.根据权利要求5所述的训练系统，其特征在于，深度学习模型采用卷积神经网络模型、深度信念网络模型、深度玻尔兹曼机模型或堆叠自动编码器模型。
7.根据权利要求5所述的训练系统，其特征在于，具体应用模型为采用该具体应用模型中与具体应用有关的特征值赋值于深度学习模型参数的深度学习模型。
8.根据权利要求5所述的训练系统，其特征在于，对深度学习模型进行初始化的过程表示将具体应用模型中与其具体应用有关的深度学习模型参数值对深度学习模型中的深度学习模型参数赋值的过程。
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深圳市康拓普信息技术有限公司，未经深圳市康拓普信息技术有限公司许可，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/pat/books/201811317357.7/1.html，转载请声明来源钻瓜专利网。
