-
公开(公告)号：CN116796803A
公开(公告)日：2023-09-22
申请号：CN202310298099.7
申请日：2023-03-24
Applicant: 杭州电子科技大学
IPC: G06N3/0464 , G06N3/084 , G06N10/60
Abstract: 本发明公开了一种面向卷积神经网络的量子力学仿生优化及数据增强方法，包括如下步骤：S1、将已知的卷积神经网络的权重和偏置作为需优化的空间X；S2、将获取的样本作为卷积神经网络的输入，计算卷积神经网络的输出，并将卷积神经网络的输出与样本真实标签进行比较，得到损失函数；S3、根据空间中的最优位置调整卷积神经网络的参数，完成卷积神经网络的初始优化；S4、训练卷积神经网络，在训练卷积神经网络的过程中，在特征空间上进行数据增强，从语义层面扩充样本，进一步提升卷积神经网络的泛化能力。该方法得到的优化后的卷积神经网络的初始参数并从语义上扩充特征集，能有效提升卷积神经网络的泛化能力。
Search Results
1
records
(took 0.016 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
