[发明专利]一种神经网络内部特征重要性可视化分析及特征迁移方法有效
| 申请号： | 202110710164.3 | 申请日： | 2021-06-25 |
| 公开（公告）号： | CN113516638B | 公开（公告）日： | 2022-07-19 |
| 发明（设计）人： | 周芳芳;谭依静;王心远;胡坤霖;胡雨豪;马建光;刘超;张健;郭克华;任盛;王磊;刘熙尧;赵颖 | 申请（专利权）人： | 中南大学;中国人民解放军32801部队 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06V10/764;G06V10/74;G06V10/46;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 苏州拓云知识产权代理事务所(普通合伙) 32344 | 代理人： | 王云峰 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种神经网络内部特征重要性可视化分析及特征迁移方法，通过基于先验知识对数据集进行采样，划分代表性数据子集，对数据子集平均化、正则化，得到数据子集标准平均图，根据导向反向传播特征可视化方法获取神经网络内部所有神经元针对每张标准平均图的特征可视化图像，基于特征可视化图像与标准平均图的余弦相似度作为对应神经元的价值，根据层相似值判断网络层拟合情况和层内神经元相似值评估网络神经元拟合情况，使用神经网络剪枝算法提取高价值网络模块并进行迁移测试。本发明实现以量化与可视化结合的方式衡量卷积神经网络特征重要性，完成对原模型重要特征的提取重用，提高神经网络模型可解释性，帮助分析理解模型拟合情况。 | ||
| 搜索关键词： | 一种 神经网络 内部 特征 重要性 可视化 分析 迁移 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南大学;中国人民解放军32801部队，未经中南大学;中国人民解放军32801部队许可，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/202110710164.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种用于纺织面料用的循环式染色设备
- 下一篇：一种高集成度燃料电池模块
