[发明专利]一种基于跨通道级联卷积层的神经网络模型优化算法在审
| 申请号： | 201910499162.7 | 申请日： | 2019-06-11 |
| 公开（公告）号： | CN110334744A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 肖清林 | 申请（专利权）人： | 福建奇点时空数字科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 深圳市科吉华烽知识产权事务所(普通合伙) 44248 | 代理人： | 谢肖雄 |
| 地址： | 361000 福建省厦门市软件园*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于跨通道级联卷积层的神经网络模型优化算法，包括：设置建模参数、确定待优化的神经网络模型；神经网络模型包括多个卷积神经网络、在神经网络模型的卷积层后面添加跨通道级联卷积层；对初步优化的神经网络模型中多个权重中的每个权重的权重改变进行采样；通过权重改变乘以权重的符号来更新权重，得到再次优化的神经网络模型；利用再次优化后的神经网络模型对样本进行训练；得到最终优化的神经网络模型。本发明通过添加跨通道级联卷积层，提高了模型的表达能力，以及对图形、文本的识别率，再通过对初步优化的神经网络模型中的权重进行更新，大大减少了本神经网络模型优化算法的运算次数，提高了工作效率，最终达到算法优化的目的。 | ||
| 搜索关键词： | 神经网络模型 权重 卷积 级联 优化算法 优化 卷积神经网络 工作效率 建模参数 算法优化 识别率 采样 更新 样本 运算 文本 | ||
【主权项】：
1.一种基于跨通道级联卷积层的神经网络模型优化算法，其特征在于，步骤包括：S1、根据样本情况设置建模参数；S2、确定待优化的神经网络模型；神经网络模型包括多个卷积神经网络；S3、在神经网络模型的卷积层后面添加跨通道级联卷积层；添加跨通道级联卷积层的方法为：通过一个线性的卷积滤波器得到特征图，经过非线性激活，得到初步优化的模型；S4、对初步优化的神经网络模型中多个权重中的每个权重的权重改变进行采样；S5、通过权重改变乘以权重的符号来更新权重，得到再次优化的神经网络模型；S6、利用再次优化后的神经网络模型对样本进行训练；S7、得到最终优化的神经网络模型。
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福建奇点时空数字科技有限公司，未经福建奇点时空数字科技有限公司许可，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/201910499162.7/，转载请声明来源钻瓜专利网。
