[发明专利]深度神经网络训练方法、装置、电子设备及存储介质有效
| 申请号： | 201811528375.X | 申请日： | 2018-12-13 |
| 公开（公告）号： | CN109816092B | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 柴振华;孟欢欢 | 申请（专利权）人： | 北京三快在线科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 莎日娜 |
| 地址： | 100083 北京市海*** | 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： | 本申请公开了一种深度神经网络训练方法，属于计算机技术领域，用于解决现有技术中训练的神经网络在复杂场景下性能较低的问题。所述方法包括：获取设置有预设类别标签的若干训练样本，基于所述若干训练样本，训练神经网络模型；其中，所述神经网络模型的损失函数用于根据与各所述训练样本的区分难度成正比的第一权值进行加权运算，确定所述神经网络模型的损失值。本申请实施例公开的深度神经网络训练方法，通过自适应提升区分难度较大的训练样本在训练样本中的重要性，避免区分难度较大的样本被训练得到的神经网络错误分类，有助于提升所述神经网络的性能。 | ||
| 搜索关键词： | 深度 神经网络 训练 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种深度神经网络训练方法，其特征在于，包括：获取设置有预设类别标签的若干训练样本；基于所述若干训练样本，训练神经网络模型；其中，所述神经网络模型的损失函数用于根据与各所述训练样本的区分难度成正比的第一权值进行加权运算，确定所述神经网络模型的损失值。
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京三快在线科技有限公司，未经北京三快在线科技有限公司许可，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/201811528375.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种改进的生物地理学计算方法
- 下一篇：一种单路式卷积实现方法
