[发明专利]一种分类方法及装置、计算机可读存储介质在审
| 申请号： | 201810469963.4 | 申请日： | 2018-05-16 |
| 公开（公告）号： | CN108763360A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 凌茵;沈毅 | 申请（专利权）人： | 北京旋极信息技术股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08 |
| 代理公司： | 北京安信方达知识产权代理有限公司 11262 | 代理人： | 王康;李丹 |
| 地址： | 100094 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种分类方法及装置、计算机可读存储介质，所述方法包括：将特征数据输入预先建立的深度置信神经网络模型；通过多线程并行吉布斯抽样，根据抽样结果并行计算隐层与显层之间相互被激活的概率，并行更新每个神经元之间的权重以及偏置值；将更新后的每个神经元之间的权重以及偏置值作为初始化训练参数，对深度置信神经网络模型进行有监督训练；利用训练好的深度置信神经网络模型进行分类识别。本申请通过多线程并行吉布斯抽样以及并行更新每个神经元之间的权重以及偏置值，发挥了算法并行的优势，提高了系统的运算速度。 | ||
| 搜索关键词： | 并行 神经元 神经网络模型 偏置 权重 置信 计算机可读存储介质 多线程 更新 抽样 并行计算 抽样结果 分类识别 特征数据 训练参数 预先建立 初始化 分类 隐层 算法 申请 运算 激活 概率 监督 | ||
【主权项】：
1.一种分类方法，其特征在于，包括：将特征数据输入预先建立的深度置信神经网络模型；通过多线程并行吉布斯抽样，根据抽样结果并行计算隐层与显层之间相互被激活的概率，并行更新每个神经元之间的权重以及偏置值；将更新后的每个神经元之间的权重以及偏置值作为初始化训练参数，对深度置信神经网络模型进行有监督训练；利用训练好的深度置信神经网络模型进行分类识别。
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北京旋极信息技术股份有限公司，未经北京旋极信息技术股份有限公司许可，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/201810469963.4/，转载请声明来源钻瓜专利网。
