基于自适应带微分梯度优化的手写体识别方法

发明专利有效专利

申请号：
CN202010698221.6
IPC分类号：G06K9/00;G06N3/04;G06N3/08
申请日期：
2020-07-20
申请人：
广东海洋大学

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	基于自适应带微分梯度优化的手写体识别方法
申请号	CN202010698221.6	申请日期	2020-07-20
法律状态	实质审查	申报国家	中国
公开/公告日	2020-12-11	公开/公告号	CN112069876A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	广东海洋大学	申请人地址	广东省湛江市麻章区海大路1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	广东海洋大学	当前权利人	广东海洋大学
发明人	姜淏予;张建朝;徐今强;葛泉波
代理机构	杭州奥创知识产权代理有限公司	代理人	王佳健

摘要

本发明公开了一种基于自适应带微分梯度优化的手写体识别方法。在用于手写体识别的BP神经网络参数优化算法中，本发明通过结合传统控制理论思想，将常用的梯度下降算法进行重新整合、变形；然后，在常规梯度下降算法中加入微分环节进行超前的校正，通过误差的变化率预报误差信号的未来变化趋势，从而提高精度；最后利用存储的指数衰减的过去平方梯度的平均值自适应地调整学习率，从而加快训练速率。本发明所提供的方法引入微分环节可以有效地提高训练速率，通过误差的变化率预报误差信号的未来变化趋势。并且学习率可以自适应调整，即当训练接近最优值是由于累积过去平方梯度增大而学习率减小，避免学习率过大而跳过最优点。

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