[发明专利]一种基于有序回归正则的分类方法在审
| 申请号： | 202110035501.3 | 申请日： | 2021-01-12 |
| 公开（公告）号： | CN112766345A | 公开（公告）日： | 2021-05-07 |
| 发明（设计）人： | 宋艳枝;唐文强 | 申请（专利权）人： | 合肥黎曼信息科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 安徽省蚌埠博源专利商标事务所(普通合伙) 34113 | 代理人： | 朱恒兰 |
| 地址： | 230001 安徽省合肥市高新区创新*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 有序 回归 正则 分类 方法 | ||
【权利要求书】：
1.一种基于有序回归正则的分类方法，包括如下步骤：
步骤S01：设计神经网络结构：借鉴经典分类模型，结合具体的分类任务，设计合理的网络结构；
步骤S02：设计有序回归正则项：根据具体的分类任务，设计有序回归正则项，确定损失函数；
步骤S03：确定训练超参数：根据经验知识，选择合适的超参数；
步骤S04：模型训练：使用训练集训练端到端模型；
步骤S05：新样本预测和结果解释：使用训练好的模型对新样本进行预测，并对模型的结果做出解释。
2.根据权利要求1所述基于对偶距离损失的生成对抗网络训练方法，其特征在于：所述步骤S01中，借鉴的经典模型是ResNet，在此模型的基础上，依分类任务修改模型，以适应具体的分类任务。
3.根据权利要求1所述基于对偶距离损失的生成对抗网络训练方法，其特征在于：所述步骤S02中，设计的正则项是基于有序回归技术，所述的损失函数同时考虑了分类损失和回归损失。
4.根据权利要求1所述基于对偶距离损失的生成对抗网络训练方法，其特征在于：所述步骤S05中，新样本输入模型，模型输出分类结果。
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合肥黎曼信息科技有限公司，未经合肥黎曼信息科技有限公司许可，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/202110035501.3/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种用于青色空心砖块成型装置
- 下一篇：一种基于图卷积网络的多示例学习方法
