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！
摘要：本发明公开了一种梯度上升与下降算法结合的双流神经网络深度学习方法，具体是：在原始网络中增加梯度上升流，并修改优化器源码；然后开始训练网络，首先训练梯度下降流多轮，每轮结束时判断是否达到双流融合的条件，达到融入梯度上升流的条件时就开始训练梯度上升流；将训练产生的结果输入到判别器中得到loss，如果是双流训练，则输入的是双流融合后的结果；根据loss反向更新参数权重；进行双流训练直到达到训练终止条件，例如达到最大迭代次数；再开始测试网络，下载双流权重，使用同样的融合方式，融合结果输入到判别器中得到预测结果。该方法避免了现有深度学习方法参数调整时一味的往loss下降的方向调整，避免了神经网络陷入局部最优解的问题。
主权项：1.一种梯度上升与下降算法结合的双流神经网络深度学习方法，其特征在于，该方法用于图像分类，步骤如下：S1、在原始网络中增加梯度上升流；S2、修改优化器源码；S3、开始训练网络，首先训练梯度下降流多轮，每轮结束时判断是否达到双流融合的条件，判断标准是：当前网络的评价指标趋于平稳，即网络不再进一步收敛时，达到融入梯度上升流的条件，开始训练梯度上升流；第一次训练双流时，梯度上升流的初始参数值为当前梯度下降流的参数值；S4、将训练产生的结果输入到判别器中得到loss，如果是双流训练，则输入的是双流融合后的结果；S5、根据loss反向更新参数权重；S6、双流训练直到达到训练终止条件；S7、开始测试网络，下载双流权重，使用同样的融合方式，融合结果输入到判别器中得到预测结果。
全文数据：
权利要求：
百度查询： 电子科技大学 一种梯度上升与下降算法结合的双流神经网络深度学习方法
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