[发明专利]纸样规格参数推理模型的神经网络的训练学习方法和系统在审
| 申请号： | 201710383948.3 | 申请日： | 2017-05-26 |
| 公开（公告）号： | CN107392306A | 公开（公告）日： | 2017-11-24 |
| 发明（设计）人： | 罗戎蕾;朱庆艳;唐峰;支阿玲;胡国安;蓝文明;周水华;周玉辉;张晓峰 | 申请（专利权）人： | 浙江理工大学;浙江森马服饰股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N5/04 |
| 代理公司： | 浙江永鼎律师事务所33233 | 代理人： | 陆永强 |
| 地址： | 310000 浙江省杭州市杭*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种纸样规格参数推理模型的神经网络的训练学习方法和系统，包括以下步骤S1在输入层导入多组学习样本后将各个连接权值和阈值进行初始化设置；S2随机选取一组学习样本，通过中间层算法计算中间层各单元的输入和输出；S3通过输出层算法计算输出层各单元的输出和响应；S4计算输出层各单元的输出层一般化误差，并通过中间层一般化误差算法计算中间层各单元的中间层一般化误差；S5修正输出层连接权，修正算法修正输出层输出阈值；修正中间层连接权，修正算法修正中间层输出阈值；S6随机选取下一组学习样本并返回步骤S2。本发明通过选取合适的训练速率等方法使网络逐步收敛，提高学习训练效果。 | ||
| 搜索关键词： | 纸样 规格 参数 推理 模型 神经网络 训练 学习方法 系统 | ||
【主权项】：
一种纸样规格参数推理模型的神经网络的训练学习方法，其特征在于，包括以下步骤：S1：在输入层导入包括网络输入向量和网络目标向量的多组学习样本后将输出层连接权、中间层连接权、中间层输出阈值和输出层输出阈值进行初始化设置；S2：随机选取一组学习样本，并基于选取的学习样本、中间层连接权和中间层输出阈值通过中间层算法计算中间层各单元的输入和中间层各单元输出；S3：基于输出层连接权、输出层输出阈值和步骤S2中得到的中间层各单元的输出通过输出层算法计算输出层各单元的输出和输出层各单元的响应；S4：根据网络目标向量和网络输出层各单元的响应计算输出层各单元的输出层一般化误差，并基于输出层连接权、输出层一般化误差和中间层的输出通过中间层一般化误差算法计算中间层各单元的中间层一般化误差；S5：根据输出层一般化误差和中间层的输出通过输出层连接权修正算法修正输出层连接权，通过输出层输出阈值修正算法修正输出层输出阈值；根据中间层一般化误差和网络输入向量通过中间层连接权修正算法修正中间层连接权，通过中间层输出阈值修正算法修正中间层输出阈值；S6：随机选取下一组学习样本并返回步骤S2，直至选取至最后一组学习样本和/或网络全局误差小于一个设定阈值。
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浙江理工大学;浙江森马服饰股份有限公司，未经浙江理工大学;浙江森马服饰股份有限公司许可，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/patent/201710383948.3/，转载请声明来源钻瓜专利网。
