[发明专利]一种基于图像的模型融合的神经网络结构训练方法在审
| 申请号： | 201710845881.0 | 申请日： | 2017-09-19 |
| 公开（公告）号： | CN109522914A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 张伟;刘英丽;黄昊;王康;何旭;高升 | 申请（专利权）人： | 中国科学院沈阳自动化研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 沈阳科苑专利商标代理有限公司 21002 | 代理人： | 李巨智 |
| 地址： | 110016 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种改进的模型融合的神经网络结构训练方法，采集图像，形成数据集，根据图像特征确定原始神经网络结构；将数据集划分为若干个子集，并且改变原始神经网络结构，得到若干个模型，使得到的模型个数与子集个数相同；采用划分后的子集分别训练对应的模型，得到每个模型的表现值；计算每个模型的表现系数，并根据表现系数输出数据集训练结果。本发明提供了简化训练神经网络难度的新思路，综合加入物理学动量的设计方法的优势，可大幅减小训练时间，加速目标函数收敛速度，更容易获得目标函数全局最优解。同时提高泛化性能。 | ||
| 搜索关键词： | 神经网络结构 模型融合 目标函数 网络结构 原始神经 数据集 子集 训练神经网络 动量 全局最优解 输出数据集 采集图像 泛化性能 图像特征 训练结果 表现 减小 物理学 收敛 图像 改进 | ||
【主权项】：
1.一种改进的模型融合的神经网络结构训练方法，其特征在于：包括以下步骤：步骤1：采集图像，形成数据集，根据图像特征确定原始神经网络结构；步骤2：将数据集划分为若干个子集，并且改变原始神经网络结构，得到若干个模型，使得到的模型个数与子集个数相同；步骤3：采用划分后的子集分别训练对应的模型，得到每个模型的表现值；步骤4：计算每个模型的表现系数，并根据表现系数输出数据集训练结果。
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中国科学院沈阳自动化研究所，未经中国科学院沈阳自动化研究所许可，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/201710845881.0/，转载请声明来源钻瓜专利网。
