[发明专利]一种权重更新方法、装置、计算机设备和存储介质在审
| 申请号： | 201811137906.2 | 申请日： | 2018-09-28 |
| 公开（公告）号： | CN109472345A | 公开（公告）日： | 2019-03-15 |
| 发明（设计）人： | 辛泉预;杨政 | 申请（专利权）人： | 深圳百诺名医汇网络技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 深圳市恒申知识产权事务所(普通合伙) 44312 | 代理人： | 欧志明 |
| 地址： | 518000 广东省深圳市南山区西丽街*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种权重更新方法、装置、计算机设备和存储介质，通过本发明可根据神经网络的各类训练样本的数量比例计算各类训练样本对应的均衡因子；在一次训练结束后，获取神经网络的输出；根据神经网络的损失函数，计算神经网络的各输出的偏导数；根据各类训练样本对应的均衡因子对各输出的偏导数进行修正得到各输出的修正偏导数；根据链式求导法则、各输出的修正偏导数以及各神经元的输出，对权重进行更新，本实施例中将基于各类训练样本的比例得到的均衡因子用来平衡各类训练样本对训练结果的贡献度，由此，神经网络基于更新后的权重得到的训练结果，越来越接近训练样本数据均衡时的训练结果，有效降低了数据不均衡对训练结果的不利影响。 | ||
| 搜索关键词： | 训练样本 神经网络 训练结果 偏导数 输出 均衡因子 计算机设备 存储介质 权重更新 修正 权重 神经元 计算神经网络 训练样本数据 比例计算 损失函数 不均衡 贡献度 更新 链式 求导 均衡 平衡 | ||
【主权项】：
1.一种权重更新方法，其特征在于，包括：计算神经网络的各类训练样本的数量比例；根据所述数量比例计算所述各类训练样本对应的均衡因子，所述均衡因子用于平衡所述各类训练样本的数量对所述神经网络的分类结果的影响度；在一次训练结束后，获取所述神经网络的输出层的输出，其中，一个训练样本对应的所述输出表明所述训练样本为所述各类训练样本的概率，一个训练样本的所述概率之和为1；根据所述神经网络的损失函数，计算所述神经网络的各输出的偏导数；根据所述各类训练样本对应的均衡因子对所述各输出的偏导数进行修正得到所述各输出的修正偏导数；根据链式求导法则、所述各输出的修正偏导数以及所述各神经元的输出，对所述神经网络的输出层和隐藏层的各权重进行更新。
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深圳百诺名医汇网络技术有限公司，未经深圳百诺名医汇网络技术有限公司许可，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/201811137906.2/，转载请声明来源钻瓜专利网。
