公开(公告)号：CN108446718A

公开(公告)日：2018-08-24

申请号：CN201810126792.5

申请日：2018-02-08

Applicant: 同济大学

Inventor： 何良华 ,  胡仁杰 ,  罗裕隽 ,  莫文闻 ,  侍海峰 ,  刘洪宇 ,  王予沁 ,  任强 ,  刘晓洁 ,  蔡冠羽

IPC: G06K9/62 ,  G06N3/08

CPC classification number: G06K9/6256 ,  G06K9/6235 ,  G06K9/6267 ,  G06K2009/6236 ,  G06N3/082

Abstract: 本发明涉及深度学习领域的一种基于深度置信网络的动态网络结构训练分析方法。本发明的目的在于克服深度置信网络的几点不足，提供一种基于深度置信网络的由整体至特殊的动态网络结构训练分析策略。该策略参考人类识别物体时大脑的分析策略，引入细致化分析的过程。该策略针对分类问题，在训练阶段产生两种网络，包括一个全局网络和若干个针对具体的各个类别的特殊网络。在预测阶段，综合考虑两种网络的输出结果，使得整个模型的预测更加具有针对性，从而提高分类模型的准确性。

公开(公告)号：CN108446718B

公开(公告)日：2021-01-26

申请号：CN201810126792.5

申请日：2018-02-08

Applicant: 同济大学

Inventor： 何良华 ,  胡仁杰 ,  罗裕隽 ,  莫文闻 ,  侍海峰 ,  刘洪宇 ,  王予沁 ,  任强 ,  刘晓洁 ,  蔡冠羽

IPC: G06K9/62 ,  G06N3/08

Abstract: 本发明涉及深度学习领域的一种基于深度置信网络的动态网络结构训练分析方法。本发明的目的在于克服深度置信网络的几点不足，提供一种基于深度置信网络的由整体至特殊的动态网络结构训练分析策略。该策略参考人类识别物体时大脑的分析策略，引入细致化分析的过程。该策略针对分类问题，在训练阶段产生两种网络，包括一个全局网络和若干个针对具体的各个类别的特殊网络。在预测阶段，综合考虑两种网络的输出结果，使得整个模型的预测更加具有针对性，从而提高分类模型的准确性。