一种基于多任务深度神经网络的数据识别方法及装置

发明专利有效专利

申请号：
CN201310316221.5
IPC分类号：G06N3/02
申请日期：
2013-07-17
申请人：
中国科学院自动化研究所

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	一种基于多任务深度神经网络的数据识别方法及装置
申请号	CN201310316221.5	申请日期	2013-07-17
法律状态	授权	申报国家	中国
公开/公告日	2013-10-09	公开/公告号	CN103345656A
优先权	暂无	优先权号	暂无
主分类号	G06N3/02 ? 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〕	IPC分类号	G;0;6;N;3;/;0;2查看分类表>
申请人	中国科学院自动化研究所	申请人地址	北京市海淀区中关村东路95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	中国科学院自动化研究所	当前权利人	中国科学院自动化研究所
发明人	谭铁牛;王亮;王威;黄岩
代理机构	中科专利商标代理有限责任公司	代理人	宋焰琴

摘要

本发明公开了一种基于多任务深度神经网络的数据识别方法及其装置。该方法包括：步骤1、建立多任务深度神经网络；步骤2、将所述多任务深度神经网络相邻两层看作限制的波尔兹曼机，采用无监督地自底向上的逐层训练方法来预训练该多任务深度神经网络，获得相邻层之间的初始连接权重；步骤3、利用反向传播算法有监督地最小化关于所述网络权重的目标函数，以获得优化后的网络权重；步骤4、将待识别数据输入具有优化后网络权重的所述多任务深度神经网络，得到输出层节点值，并根据输出层节点值得出所述待识别数据所属的类别。本方法利用神经网络来挖掘不同标签之间的关联性，在标签数量较多的大规模图像标注中仍然可以保证较高的图像标注准确率。

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