[发明专利]基于节点输入约束的全连接深度学习模型快速训练方法在审
| 申请号： | 201710491029.8 | 申请日： | 2017-06-26 |
| 公开（公告）号： | CN107301457A | 公开（公告）日： | 2017-10-27 |
| 发明（设计）人： | 张艳宁;丁晨;李映;张磊;魏巍;夏勇 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 西北工业大学专利中心61204 | 代理人： | 常威威 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 节点 输入 约束 连接 深度 学习 模型 快速 训练 方法 | ||
【权利要求书】：
1.一种基于节点输入约束的全连接深度学习模型快速训练方法，其特征在于步骤如下：
步骤1：基于激励函数确定节点输入约束值：根据激励函数曲线和激励函数一阶导数函数曲线，确定使两条曲线同时开始收敛的初始因变量，以该因变量值的绝对值作为节点输入约束值Mr；
步骤2：在全连接网络正向计算中加入节点约束环节：在网络正向传播中，对于每个隐层、输出层中的每个节点，以步骤1得到的约束值Mr作为门限阈值，对节点原始输入值进行输入限制，具体为：
对于隐层节点：
若则
若则
对于输出层节点：
若则
若则
其中，为隐层输入节点输入值，为输出层节点输入值，i＝1,2,…,M，j＝1,2,…,m，M表示隐层节点个数，m表示输出层节点个数；
步骤3：神经网络训练：先进行网络正向传播，再进行误差反向传导，更新网络参数，直到网络收敛。
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西北工业大学，未经西北工业大学许可，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/pat/books/201710491029.8/1.html，转载请声明来源钻瓜专利网。
