[发明专利]一种基于演化算法的深度神经网络训练与优化算法在审
| 申请号： | 201711426103.4 | 申请日： | 2017-12-25 |
| 公开（公告）号： | CN108229657A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 谢玮宜;程国华;季红丽 | 申请（专利权）人： | 杭州健培科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N3/00;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 310018 浙江省杭*** | 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： | 本发明公开了一种基于演化算法的深度神经网络训练与优化算法。步骤包括：步骤1，训练样本准备，即准备神经网络训练所需的样本数据；步骤2，神经网络结构编码，通过设定初始网络结构和网络结构复杂度变化的范围，通过迭代将待搜索的所有可能的网络结构和参数写入网络结构编码表；步骤3，利用超粒子群算法对网络结构编码表中的项利用同时改变种群中超粒子的位置和空间，来搜索最优的神经网络结构编码。实验证明最优编码代表的神经网络结构和参数比人工通过经验设计和训练的神经网络结构和参数在CT图像肺间质性疾病分类问题上有更好的精确度。 | ||
| 搜索关键词： | 网络结构 神经网络结构 神经网络训练 演化算法 优化算法 编码表 搜索 复杂度变化 粒子群算法 疾病分类 经验设计 训练样本 样本数据 迭代 粒子 写入 种群 | ||
【主权项】：
1.一种基于演化算法的深度神经网络训练与优化算法，其特征在于，包括：1）编码：根据给定问题设定初始化全连接神经网络，并在预先设定模型复杂度的范围内进行复杂度增加迭代编码和复杂度降低迭代编码，得到神经网络的模型编码表；2）演化：设定种群大小和粒子在空间内和空间之间的移动范围，和移动速度变化范围，利用超粒子群算法在模型编码表对应的超搜索空间找寻适合给定问题的最优神经网络模型编码。
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杭州健培科技有限公司，未经杭州健培科技有限公司许可，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/patent/201711426103.4/，转载请声明来源钻瓜专利网。
- 上一篇：神经网络运算装置及方法
- 下一篇：基于有限样本的物体检测器的实现方法及装置
