[发明专利]一种基于稀疏自动编码器和灰度关联分析法的卷积神经网络算法优化方法在审
| 申请号： | 201710748921.X | 申请日： | 2017-08-28 |
| 公开（公告）号： | CN107563430A | 公开（公告）日： | 2018-01-09 |
| 发明（设计）人： | 刘梦雅;毛剑琳 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于稀疏自动编码器和灰度关联分析法的卷积神经网络算法优化方法，属于计算机仿真技术领域。本发明首先通过稀疏自动编码器对输入图像进行无监督预训练，得到一组反映原始输入图像特性的卷积核初值集合；然后利用这一组卷积核初值对原始输入图像进行卷积、池化操作；引入灰度关联分析法计算出最后一次池化后的子采样层的特征图与对应的输出结果之间的关联度，设定阈值，去除关联性较小的特征图数据，使得系统可以自动选择对识别结果影响较大的隐藏特征图。本发明可以降低误识率，验证了算法的有效性。 | ||
| 搜索关键词： | 一种 基于 稀疏 自动 编码器 灰度 关联 分析 卷积 神经网络 算法 优化 方法 | ||
【主权项】：
一种基于稀疏自动编码器和灰度关联分析法的卷积神经网络算法优化方法，其特征在于：首先通过稀疏自动编码器对输入图像进行无监督预训练，得到一组反映原始输入图像特性的卷积核初值集合；然后利用这一组卷积核初值对原始输入图像进行卷积、池化操作；引入灰度关联分析法计算出最后一次池化后的子采样层的特征图与对应的输出结果之间的关联度，设定阈值，去除关联性较小的特征图数据，使得系统可以自动选择对识别结果影响较大的隐藏特征图。
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昆明理工大学，未经昆明理工大学许可，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/patent/201710748921.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种网络用户群体的分类方法及装置
- 下一篇：一种电子锁
