[发明专利]一种基于改进监督学习算法的图像识别方法在审
申请号: | 201810933344.6 | 申请日: | 2018-08-16 |
公开(公告)号: | CN109117884A | 公开(公告)日: | 2019-01-01 |
发明(设计)人: | 李建平;顾小丰;胡健;刘丹;林思哲;李平;冯文婷;俞腾秋 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 成都正华专利代理事务所(普通合伙) 51229 | 代理人: | 陈选中 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
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改进监督学习算法的图像识别方法,包括如下步骤:S1、将图像输入多层脉冲神经网络,编码得到输入脉冲序列;S2、引入延迟策略和噪音阈值对监督学习算法进行改进,并对输入脉冲序列进行学习,得到输出脉冲序列;S3、将输出脉冲序列和目标脉冲序列进行对比,得到误差信号;S4、判断误差信号是否满足要求;S5、调整多层脉冲神经网络模型各层权重和延迟;S6、根据得到的输出脉冲序列,实现图像的识别;本发明解决了现有技术存在的监督学习算法的学习效率低,导致对图像的识别效率无法满足要求,抗噪声能力低,导致在噪音环境下的准确率和效率低,对图像的识别不准确的问题。 | ||
搜索关键词: | 学习算法 输出脉冲序列 脉冲神经网络 输入脉冲序列 图像识别 误差信号 图像 多层 延迟 监督 抗噪声能力 改进 目标脉冲 图像输入 学习效率 噪音环境 权重和 准确率 噪音 引入 学习 | ||
【主权项】:
1.一种基于改进监督学习算法的图像识别方法,其特征在于,包括如下步骤:S1:根据目标脉冲序列定义图像种类;S2:将预处理后的图像输入多层脉冲神经网络进行训练,使用延迟相位编码将图像信息转换成脉冲点火模式,编码得到输入脉冲序列;S3:引入延迟策略和噪音阈值对监督学习算法进行改进,并使用改进监督学习算法对输入脉冲序列进行学习,得到输出脉冲序列;S4:将输出脉冲序列和目标脉冲序列进行对比,得到误差信号;S5:判断误差信号是否满足要求,若是则进入步骤S7,否则进入步骤S6;S6:根据误差信号,调整多层脉冲神经网络模型各层权重和延迟,并进入步骤S3;S7:输出步骤S1中对应的图像种类,实现图像的识别。
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电子科技大学,未经电子科技大学许可,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/201810933344.6/,转载请声明来源钻瓜专利网。