[发明专利]基于熵的卷积神经网络池化方法、系统、设备及存储介质在审
| 申请号： | 201910690603.1 | 申请日： | 2019-07-29 |
| 公开（公告）号： | CN110428044A | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | 李忠义;朱晓宁;吴喆峰;潘海兵;韩秀光 | 申请（专利权）人： | 精英数智科技股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 苏利 |
| 地址： | 030032 山西省太原市小*** | 国省代码： | 山西;14 |
| 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基于熵的卷积神经网络池化方法、系统、设备及存储介质，本发明实施例将熵引入卷积神经网络池化处理，找出池化区域中最具代表性的那个值，用信息熵对信息量进行刻画，熵值越大，则表示该特征所提供的信息量越大，更好地捕捉到含有信息量最大的那个特征，可以得到更好的池化效果。 | ||
| 搜索关键词： | 池化 卷积神经网络 信息量 存储介质 信息熵 出池 捕捉 刻画 引入 | ||
【主权项】：
1.基于熵的卷积神经网络池化方法，其特征在于，所述方法包括：设定池化层的超参数，所述超参数包括过滤器的大小和步长；接收池化层输入的特征数据集并通过所述过滤器以设定的步长遍历输入的特征数据集；对于每一个批次的每一个通道，利用特征熵算法计算所述过滤器遍历的每一个池化区域内所有元素点的特征熵；在每个池化区域中，选取特征熵最大的元素点作为该池化区域的输出结果；将输入的所有批次的每个通道的输出结果整合在一起；及根据超参数变换维度大小输出最终结果并传送至神经网络的下一层。
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精英数智科技股份有限公司，未经精英数智科技股份有限公司许可，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/201910690603.1/，转载请声明来源钻瓜专利网。
