[发明专利]一种深度神经网络的优化方法在审
| 申请号： | 201811513778.7 | 申请日： | 2018-12-11 |
| 公开（公告）号： | CN109635930A | 公开（公告）日： | 2019-04-16 |
| 发明（设计）人： | 刘闯;陈诗昱 | 申请（专利权）人： | 西安第六镜网络科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 冯建基;孙进华 |
| 地址： | 710075 陕西省西安市雁*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种深度神经网络的优化方法，涉及机器学习技术领域，所述优化方法包括：构建训练基线模型，所述训练基线模型作为被优化对象；通过Thomson问题求解得到训练基线模型中全连接层的权值；定义新的损失函数并构建新的三维损失层，所述新的三维损失层只有一个超参数θm；利用包含新的三维损失层的训练模型对样本继续训练。本发明可以解决现有技术中深度神经网络在海量数据下训练慢且精度难提升的问题，具有很高的训练速度和准确率。 | ||
| 搜索关键词： | 基线模型 神经网络 三维 优化 构建 机器学习技术 海量数据 损失函数 问题求解 训练模型 连接层 准确率 样本 | ||
【主权项】：
1.一种深度神经网络的优化方法，其特征在于，所述优化方法包括：构建训练基线模型，所述训练基线模型作为被优化对象；通过Thomson问题求解得到训练基线模型中全连接层的权值；定义新的损失函数并构建新的三维损失层，所述新的三维损失层只有一个超参数θm；利用包含新的三维损失层的训练模型对样本继续训练。
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西安第六镜网络科技有限公司，未经西安第六镜网络科技有限公司许可，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/201811513778.7/，转载请声明来源钻瓜专利网。
