一种深度学习模型的训练方法、系统、装置及存储介质

发明专利有效专利

申请号：
CN202010025976.X
IPC分类号：G06N3/04;G06N3/08
申请日期：
2020-01-06
申请人：
宜通世纪物联网研究院（广州）有限公司

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	一种深度学习模型的训练方法、系统、装置及存储介质
申请号	CN202010025976.X	申请日期	2020-01-06
法律状态	实质审查	申报国家	暂无
公开/公告日	2020-06-05	公开/公告号	CN111242285A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? 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〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	宜通世纪物联网研究院（广州）有限公司	申请人地址	广东省广州市天河区科韵路16号自编1栋1101自编之二变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	宜通世纪物联网研究院（广州）有限公司	当前权利人	宜通世纪物联网研究院（广州）有限公司
发明人	王永斌;张忠平;刘廉如;丁雷
代理机构	广州嘉权专利商标事务所有限公司	代理人	何文聪

摘要

本发明公开了一种深度学习模型的训练方法、系统、装置及存储介质。该方法通过获取神经网络中各层节点的联结权重；基于所述联结权重确定所述神经网络的卷积层内各个滤波器的正交性度量值；根据各个滤波器的所述正交性度量值对所述神经网络进行优化，得到子神经网络；基于所述子神经网络，通过反向传播算法对原神经网络的所述联结权重进行更新；当联结权重更新后的神经网络收敛时输出所述神经网络。通过使用本发明中的方法能够在训练模型的过程中根据滤波器的正交性调整训练网络，有效解决了模型的过拟合问题，提升了模型的训练性能和精确度。本发明可广泛应用于人工智能技术领域内。

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