[发明专利]一种基于高斯dropout的深度学习模型不确定度计算方法在审
| 申请号： | 202110043576.6 | 申请日： | 2021-01-13 |
| 公开（公告）号： | CN112733945A | 公开（公告）日： | 2021-04-30 |
| 发明（设计）人： | 刘磊;郑芮;孙明斋 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 北京科迪生专利代理有限责任公司 11251 | 代理人： | 张乾桢 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于高斯dropout的深度学习模型不确定度计算方法，包括如下步骤：步骤1、对深度学习模型权重进行dropout采样，等价于对普通深度学习模型权重施加了一个贝努利分布，即在不改变模型结构的情况下将普通深度学习模型转换成贝叶斯深度学习模型；步骤2、对于深度学习模型进行训练时，采用变分推断的方法求出模型近似后验分布，即用一个分布近似后验概率的分布，计算二者之间的KL散度并且通过优化使得二者之间的KL散度最小化，最后得到最佳近似后验分布；步骤3、将贝叶斯深度学习模型的优化简化成训练好带有高斯dropout层的深度学习模型；步骤4、得到高斯dropout贝叶斯深度学习模型，采用Monte Carlo采样得到输出分布，计算采样的样本均值和标准差即得到输出分布结果。 | ||
| 搜索关键词： | 一种 基于 dropout 深度 学习 模型 不确定 计算方法 | ||
【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中国科学技术大学，未经中国科学技术大学许可，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/202110043576.6/，转载请声明来源钻瓜专利网。
