[发明专利]基于学习自动机的深度神经网络增量式训练方法及系统在审
| 申请号： | 201910049826.X | 申请日： | 2019-01-18 |
| 公开（公告）号： | CN109829541A | 公开（公告）日： | 2019-05-31 |
| 发明（设计）人： | 李生红;郭浩楠;马颖华;陈秀真 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/06 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 庄文莉 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于学习自动机的深度神经网络增量式训练方法及系统，包括：原始样本集训练步骤：采用原始训练样本集对深度神经网络模型进行训练；增量样本集训练步骤：对前一次训练样本集进行类别扩充，采用扩充后的训练样本集对前一次训练好的深度神经网络模型进行增量式训练。本发明可以将复杂数据集上的训练过程分解为一系列的简单任务的训练过程，通过对模型增量式的训练逐步解决所有类别的分类问题。这种累积性的学习策略也更符合现实生活中人的学习过程。 | ||
| 搜索关键词： | 增量式 神经网络模型 学习自动机 训练样本集 神经网络 训练步骤 训练过程 原始训练样本 分类问题 复杂数据 现实生活 学习策略 学习过程 原始样本 增量样本 累积性 分解 | ||
【主权项】：
1.一种基于学习自动机的深度神经网络增量式训练方法，其特征在于，包括：原始样本集训练步骤：采用原始训练样本集对深度神经网络模型进行训练；增量样本集训练步骤：对前一次训练样本集进行类别扩充，采用扩充后的训练样本集对前一次训练好的深度神经网络模型进行增量式训练。
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上海交通大学，未经上海交通大学许可，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/201910049826.X/，转载请声明来源钻瓜专利网。
- 上一篇：神经网络运算系统
- 下一篇：基于多核处理器的多元深度网络模型重构方法及装置
