[发明专利]一种基于循环神经网络的激活函数参数化改进方法在审
| 申请号： | 201910056795.0 | 申请日： | 2019-01-22 |
| 公开（公告）号： | CN109857867A | 公开（公告）日： | 2019-06-07 |
| 发明（设计）人： | 于舒娟;李润琦;高冲;杨杰;张昀 | 申请（专利权）人： | 南京邮电大学;南京邮电大学南通研究院有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F17/27;G06N3/04;G06N3/08 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 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循环神经网络的激活函数参数化改进方法，包括步骤：步骤一，以长短期记忆网络为基础，构建双向长短期记忆网络Bi‑LSTM；步骤二，将Bi‑LSTM网络中各个隐藏层串联，在网络中最后一层隐藏层之后加入平均池化层，在平均池化层之后连接一个归一指数化函数层，建立密集连接的双向长短期记忆网络DC‑Bi‑LSTM；步骤三，运用参数化Sigmoid激活函数，在数据集上进行训练，记录密集连接的双向长短期记忆网络对句子分类的精确度，得到最佳精确度对应的参数化激活函数。本发明通过参数化激活函数模块，使得S型激活函数的非饱和区域得到扩展，同时避免函数的导数过小，防止梯度消失现象的发生。 | ||
| 搜索关键词： | 激活函数 参数化 记忆网络 循环神经网络 隐藏层 池化 非饱和区域 句子分类 消失现象 数据集 指数化 导数 构建 串联 改进 网络 记录 | ||
【主权项】：
1.一种基于循环神经网络的激活函数参数化改进方法，其特征在于：包括步骤：步骤一，以长短期记忆网络LSTM为基础，构建双向长短期记忆网络Bi‑LSTM；步骤二，将Bi‑LSTM网络中各个隐藏层串联，在Bi‑LSTM网络中最后一层隐藏层之后加入平均池化层，在平均池化层之后连接一个归一指数化函数层，建立密集连接的双向长短期记忆网络DC‑Bi‑LSTM；步骤三，运用参数化Sigmoid激活函数，在数据集上进行训练，记录密集连接的双向长短期记忆网络对句子分类的精确度，得到最佳精确度对应的参数化激活函数。
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南京邮电大学;南京邮电大学南通研究院有限公司，未经南京邮电大学;南京邮电大学南通研究院有限公司许可，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/201910056795.0/，转载请声明来源钻瓜专利网。
