[发明专利]基于群卷积特征拓扑空间的深度学习网络及其训练方法有效
| 申请号： | 202010104191.1 | 申请日： | 2020-02-20 |
| 公开（公告）号： | CN111353583B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 钱夔;田磊;刘义亭 | 申请（专利权）人： | 南京工程学院 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/082 |
| 代理公司： | 南京钟山专利代理有限公司 32252 | 代理人： | 陈月菊 |
| 地址： | 211167 江苏*** | 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群卷积特征拓扑空间的深度学习网络，包括卷积特征提取层、群卷积拓扑层和深度特征识别层；卷积特征提取层用于提取样本数据的多通道CNN卷积特征，将提取结果作为群卷积拓扑层的输入；群卷积拓扑层用于结合提取的多通道CNN卷积特征，以通道索引按群分类形成群卷积，构造图拓扑空间，将每个群卷积特征看成图拓扑空间节点，并自动/手动构建图拓扑空间节点连接规则，生成拉普拉斯矩阵L，将拉普拉斯矩阵L作为深度特征识别层的输入；深度特征识别层用于根据输入的拉普拉斯矩阵L，输出样本数据对应的群卷积特征拓扑空间图特征。本发明能够赋予不同通道下CNN特征的图拓扑空间规则，从而加快传统CNN训练与收敛速度。 | ||
| 搜索关键词： | 基于 卷积 特征 拓扑 空间 深度 学习 网络 及其 训练 方法 | ||
【主权项】：
暂无信息
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工程学院，未经南京工程学院许可，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/202010104191.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种适用于mqtt的安全防护方法及系统
- 下一篇：一种节能环保型铅基合金
