一种脉冲神经网络权重图像化比较预测及网络抗干扰方法

发明专利有效专利

申请号：
CN202010281351.X
IPC分类号：G06N3/08;G06N3/04;G06K9/62
申请日期：
2020-04-10
申请人：
电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种脉冲神经网络权重图像化比较预测及网络抗干扰方法
申请号	CN202010281351.X	申请日期	2020-04-10
法律状态	公开	申报国家	暂无
公开/公告日	2020-07-31	公开/公告号	CN111476368A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4;;;G;0;6;K;9;/;6;2查看分类表>
申请人	电子科技大学	申请人地址	四川省成都市建设北路2段4号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	电子科技大学	当前权利人	电子科技大学
发明人	李凡;匡平;郑庭颖;何明耘;徐翔
代理机构	北京众合诚成知识产权代理有限公司	代理人	刘妮

摘要

本发明公开了面向图像识别任务领域一种脉冲神经网络权重图像化比较预测及网络抗干扰方法，所述的方法包括以下步骤：1)对训练的脉冲神经网络使用权重图像化比较WGC方案进行预测；2)对模型训练得到的权重进行增强处理。提出权重图像化比较的网络预测方案，通过将新测试数据与网络学习到的每个过滤器二维化权重做图像相似度比较，输出最相近的过滤器映射的标签类别完成对数据的类别预测。本发明验证了该方案下的两种指标的表现。结果表明该方案对于提升网络的预测精度和训练收敛表现有着显著的帮助。通过对权重采取若干组的干扰添加，使得网络得以在标准训练集训练后能够相当好地应对测试数据的较大扰动干扰，显著提升了网络的鲁棒性。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供