[發明專利]一種類卷積人工神經網絡的構造方法及裝置有效
| 申請號： | 201710952743.2 | 申請日： | 2017-10-13 |
| 公開（公告）號： | CN107679619B | 公開（公告）日： | 2020-04-24 |
| 發明（設計）人： | 高超;李邵梅;江玉朝;李英樂;劉樹新;雷娟娟;葛東東 | 申請（專利權）人： | 中國人民解放軍信息工程大學 |
| 主分類號： | G06N3/04 | 分類號： | G06N3/04 |
| 代理公司： | 鄭州大通專利商標代理有限公司 41111 | 代理人： | 陳勇 |
| 地址： | 450000 河*** | 國省代碼： | 河南;41 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 種類 卷積 人工 神經網絡 構造 方法 裝置 | ||
1.一種類卷積人工神經網絡的構造方法，其特征在于，包括以下步驟：
步驟1：對多個通道特征輸入映像進行類卷積人工神經網絡單個類卷積層操作；
所述步驟1包括：
步驟1.1：計算多個通道特征輸入映像和卷積核的二維卷積結果：
對于單個類卷積層L＝{kj},j∈{1,...,n}，計算多個通道特征輸入映像和卷積核的二維卷積結果，采用標準的二維卷積計算多個通道特征輸入映像I＝{Ii},i∈{1,…,m}和卷積核kj的卷積結果Conv2d(Ii,kj)；
步驟1.2：對二維卷積結果進行加權，并將加權后的結果作為本層類卷積輸出映像：
將多個通道的二維卷積結果使用權重參數Λ＝{λi}進行加權，得到輸出卷積映像O＝{Oj}，作為本類卷積層的輸出映像，Oj的計算公式如下所示：
其中，Oj為第j個卷積核作用于多通道輸入映像的卷積結果，i表示通道，m表示通道個數，λi為通道i對應的權重，kj為第j個卷積核，Ii為第i個通道的特征輸入映像，Conv2d(kj,Ii)表示對第j個卷積核及第i個通道的特征輸入映像的2維卷積操作；
步驟2：將上一類卷積層的輸出作為下一類卷積層的輸入；
在手寫字符數據集合MNIST上進行實驗，在具有相同網絡結構條件且卷積層數為2時，該方法比標準的卷積神經網絡訓練時間縮短10％至12％。
2.根據權利要求1所述的一種類卷積人工神經網絡的構造方法，其特征在于，還包括：
構建多層類卷積人工神經網絡，所述多層類卷積人工神經網絡包括：輸入層、類卷積層、全連接層及分類器層；包括：將輸入層、類卷積層及全連接層進行串行連接，并制定分類器。
3.基于權利要求1-2任一項所述的一種類卷積人工神經網絡的構造方法的一種類卷積人工神經網絡的構造裝置，其特征在于，包括：
操作模塊，用于對多個通道特征輸入映像進行類卷積人工神經網絡單個類卷積層操作；
所述操作模塊包括：
計算模塊，用于計算多個通道特征輸入映像和卷積核的二維卷積結果：
對于單個類卷積層L＝{kj},j∈{1,...,n}，計算多個通道特征輸入映像和卷積核的二維卷積結果，采用標準的二維卷積計算多個通道特征輸入映像I＝{Ii},i∈{1,…,m}和卷積核kj的卷積結果Conv2d(Ii,kj)；
加權模塊，用于對二維卷積結果進行加權，并將加權后的結果作為本層類卷積輸出映像：
將多個通道的二維卷積結果使用權重參數Λ＝{λi}進行加權，得到輸出卷積映像O＝{Oj}，作為本類卷積層的輸出映像，Oj的計算公式如下所示：
其中，Oj為第j個卷積核作用于多通道輸入映像的卷積結果，i表示通道，m表示通道個數，λi為通道i對應的權重，kj為第j個卷積核，Ii為第i個通道的特征輸入映像，Conv2d(kj,Ii)表示對第j個卷積核及第i個通道的特征輸入映像的2維卷積操作；
輸出輸入模塊，用于將上一類卷積層的輸出作為下一類卷積層的輸入。
4.根據權利要求3所述的一種類卷積人工神經網絡的構造裝置，其特征在于，還包括：
構建模塊，用于構建多層類卷積人工神經網絡，所述多層類卷積人工神經網絡包括：輸入層、類卷積層、全連接層及分類器層；包括：將輸入層、類卷積層及全連接層進行串行連接，并制定分類器。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍信息工程大學，未經中國人民解放軍信息工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710952743.2/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種食品加工用存儲裝置
- 下一篇：一種治療家兔皮膚毛囊炎的復方中草藥外用制劑
