[发明专利]一种卷积神经网络的训练方法、验证方法及装置在审
| 申请号： | 201811481672.3 | 申请日： | 2018-12-05 |
| 公开（公告）号： | CN109583572A | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 贾书军;程帅;袁淮;刘威;胡骏;田欢;周玲武 | 申请（专利权）人： | 东软睿驰汽车技术（沈阳）有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王宝筠 |
| 地址： | 110179 辽宁省沈阳市浑*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种卷积神经网络的训练方法验证方法及装置，在对神经网络进行训练时，对前向计算中的激活计算进行了改进，将传统技术中的若激活计算的输入数据为小于0的值，则将所述输入数据修改为所述输入数据的1/10，改进为激活计算的输入数据为小于0的值，则将所述输入数据修改为所述输入数据的1/2n，其中，n为正整数。因为将一个数据修改为原来的1/2n，可以通过移位操作来实现，效率远远高于将一个数据修改为原来的1/10。因此，利用本申请实施例提供的训练方法训练得到神经网络模型，在进行前向运算时，由于在进行激活计算时提升了计算效率，因此，整个神经网络模型的计算效率也得到了提升。 | ||
| 搜索关键词： | 激活 卷积神经网络 神经网络模型 计算效率 数据修改 验证 前向计算 神经网络 移位操作 正整数 前向 申请 运算 改进 | ||
【主权项】：
1.一种卷积神经网络的训练方法，其特征在于，所述方法包括：第一步：初始化神经网络的各个卷积核参数的初始值；第二步：按照所述神经网络的结构进行前向计算；其中，所述前向计算中的激活计算具体为：若所述激活计算的输入数据为小于0的值，则将所述输入数据修改为所述输入数据的1/2n，其中n为正整数；若所述激活计算的输入数据为大于或者等于0的值，则保持所述输入数据的值不变；第三步：判断所述神经网络的损失函数是否达到给定阈值，或者，所述神经网络的训练次数是否达到预设次数，如果是则执行第七步；反之执行第四步；第四步：按照所述神经网络的神经网络结构进行反向传播计算；第五步：按照所述神经网络的神经网络结构更新所述神经网络的卷积核参数的权重；第六步：返回执行所述第二步进行训练；第七步：保存所述神经网络对应的网络结构以及训练得到的神经网络模型。
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东软睿驰汽车技术（沈阳）有限公司，未经东软睿驰汽车技术（沈阳）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/201811481672.3/，转载请声明来源钻瓜专利网。
