[发明专利]层数增减深度学习神经网络训练方法、系统、介质和设备有效
| 申请号： | 201810823422.7 | 申请日： | 2018-07-25 |
| 公开（公告）号： | CN108985456B | 公开（公告）日： | 2021-06-22 |
| 发明（设计）人： | 朱定局 | 申请（专利权）人： | 大国创新智能科技(东莞)有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李君 |
| 地址： | 523000 广东省东莞市松山湖高新技术产*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种层数增减深度学习神经网络训练方法、系统、介质和设备，所述方法包括：将训练输入数据输入当前深度学习神经网络，通过当前深度学习神经网络计算得到第一输出数据；判断第一输出数据与预期输出数据是否相同；若不符合第一预设条件，则在当前深度学习神经网络中分类器之前增加一个隐层；否则，将测试输入数据输入当前深度学习神经网络，通过深度学习神经网络计算得到第二输出数据；判断第二输出数据与真实结果数据是否相同；若不符合第二预设条件，则将当前深度学习神经网络中分类器的前一个隐层删除；否则，输出当前深度学习神经网络。本发明能达到充分拟合时顶层概念就是刚好足以与输出数据进行充分拟合的概念。 | ||
| 搜索关键词： | 层数 增减 深度 学习 神经网络 训练 方法 系统 介质 设备 | ||
【主权项】：
1.层数增减深度学习神经网络训练方法，其特征在于：所述方法包括：通过样本训练当前深度学习神经网络；其中，所述当前深度学习神经网络包括输入层、隐层、分类器和输出层；将训练输入数据输入当前深度学习神经网络，通过当前深度学习神经网络计算得到第一输出数据；判断第一输出数据与训练输入数据对应的预期输出数据是否相同；当第一输出数据与训练输入数据对应的预期输出数据不相同的数量不符合第一预设条件时，在当前深度学习神经网络中分类器之前增加一个隐层；当第一输出数据与训练输入数据对应的预期输出数据不相同的数量符合第一预设条件时，将测试输入数据输入当前深度学习神经网络，通过深度学习神经网络计算得到第二输出数据；判断第二输出数据与测试输入数据对应的真实结果数据是否相同；当第二输出数据与测试输入数据对应的真实结果数据不相同的数量不符合第二预设条件时，将当前深度学习神经网络中分类器的前一个隐层删除；当第二输出数据与测试输入数据对应的真实结果数据不相同的数量符合第二预设条件时，输出当前深度学习神经网络。
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大国创新智能科技(东莞)有限公司，未经大国创新智能科技(东莞)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/201810823422.7/，转载请声明来源钻瓜专利网。
