龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：杭州爱华仪器有限公司
摘要：本申请公开了一种基于模型融合的神经网络噪声源分类的方法及装置，涉及噪声分类技术领域，解决了现有模型训练中泛化性差，识别稳定性不高且各类别准确率不均衡的问题，该方法包括：构建训练集，利用所述训练集对卷积神经网络模型进行多轮步骤的训练和测试，将筛选出的模型采用模型融合技术进行权重的求和平均并进行模型的推理部署，通过模型的迭代训练，有针对性地调整较难训练的类别在损失函数中的权重，进行类别识别准确率的平衡，然后通过模型融合技术，进一步平衡了各类别的准确率，并且提高了最终的融合模型的泛化性和鲁棒性。
主权项：1.一种基于模型融合的神经网络噪声源分类的方法，其特征在于，包括：构建包含多种类别噪声源的训练集；利用所述训练集对卷积神经网络模型进行多轮步骤的训练和测试，以筛选出至少两个权重及对应的模型；将筛选出的模型采用模型融合技术进行权重的求和平均，以获得融合模型；利用所述融合模型进行噪声源分类；其中，利用所述训练集对卷积神经网络模型进行多轮训练和测试，以筛选出至少两个权重及对应的模型，包括：S201、进行第一轮模型训练，在第一轮模型训练中，设置初始学习率为0.01，采用余弦退火的方式，下限学习率为0.00001，损失函数中各个类别的权重比例均为1，测试全部类别的准确率，记录准确率低于预设值的类别标签；S202、根据所述准确率低于预设值的类别标签和识别率计算相应类别标签在损失函数中的权重，若类别标签的准确率与预设值每相差5%，则将所述类别标签在损失函数中的权重提升为原来的2倍；S203、加载上一轮模型训练中的权重，并将步骤S202中计算得到的相应类别标签对应的权重加到损失函数上，设置初始学习率为0.001，采用余弦退火的方式，下限学习率为0.00001，进行下一轮训练，测试全部类别的准确率，再次记录准确率低于预设值的类别标签；S204、重复步骤S202和步骤S203进行N次训练，将整体识别率排名前M的M个权重记录下来，其中，NM，M≥2。
全文数据：
权利要求：
百度查询： 杭州爱华仪器有限公司 一种基于模型融合的神经网络噪声源分类的方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号