[发明专利]深度学习分类模型的训练装置和方法有效
| 申请号： | 201710798596.8 | 申请日： | 2017-09-07 |
| 公开（公告）号： | CN109472274B | 公开（公告）日： | 2022-06-28 |
| 发明（设计）人： | 刘晓青;谭志明 | 申请（专利权）人： | 富士通株式会社 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N20/00 |
| 代理公司： | 北京三友知识产权代理有限公司 11127 | 代理人： | 李辉 |
| 地址： | 日本神奈*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种深度学习分类模型的训练装置和方法。所述训练方法包括：为目标数据的目标属性生成多个相关属性以相应地增加多个相关训练分支；基于所述目标数据生成相似数据以相应地增加相似训练分支；针对训练主干、所述相似训练分支和多个所述相关训练分支分别进行训练；以及基于分别训练的结果对特征提取和/或属性分类的参数进行调整。由此，即使在小数据集的情况下，也能够减少或避免深度学习分类模型的过拟合问题。 | ||
| 搜索关键词： | 深度 学习 分类 模型 训练 装置 方法 | ||
【主权项】：
1.一种深度学习分类模型的训练装置，其特征在于，所述训练装置包括：属性生成单元，其基于目标数据的目标属性生成多个相关属性；其中所述目标数据的目标属性对应一训练主干，所述目标数据的所述多个相关属性对应多个相关训练分支；数据生成单元，其基于所述目标数据以及训练数据集生成相似数据；其中所述相似数据的目标属性对应一相似训练分支；训练单元，其针对所述训练主干、所述相似训练分支和多个所述相关训练分支，分别进行包括特征提取和属性分类的训练；以及参数调整单元，其基于分别训练的结果对所述特征提取的参数和/或所述属性分类的参数进行调整，以对整个网络模型进行训练。
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富士通株式会社，未经富士通株式会社许可，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/201710798596.8/，转载请声明来源钻瓜专利网。
