[发明专利]一种卷积神经网络优化方法、装置和设备

摘要

本申请公开了一种卷积神经网络优化方法、装置和设备，方法包括：输入训练样本至构建好的卷积神经网络模型；基于遗传算法对卷积神经网络模型中的卷积层和全连接层的权重进行初始化，得到优化后的初始权重；基于优化后的初始权重和训练样本，通过模拟退火算法对卷积神经网络模型中的参数进行优化训练，得到优化后的卷积神经网络模型，解决了现有的卷积神经网络采用梯度下降算法进行学习，该算法性能的好坏受卷积神经网络的初始权重影响较大，并且通过误差反向传播算法对卷积神经网络进行训练时，容易得到局部极小值，而非全局极小值，使得训练得到的卷积神经网络预测性能较差的技术问题。