【技术实现步骤摘要】
本专利技术涉及计算机领域，尤其涉及一种模式识别方法及装置。
技术介绍
模式识别是用于对输入的模式进行识别，输出该模式的类别。例如包括但不限于： 人脸识别，手势识别，交通标志识别，语音识别等。 现有技术的模式识别方法是基于神经网络进行训练，得到模式识别模型，利用训 练得到的模式识别模型来识别模式的类别。其中，利用卷积神经网络（CNN，C〇nV〇luti〇nal NeuralNetwork)训练模式识别模型是比较常见的一种训练方法。但是，专利技术人发现利用已 有的卷积神经网络进行模式识别模型的训练至少存在如下问题： 首先，由于卷积神经网络是纯前馈结构，在识别时无法充分融入上下文信息，而上 下文信息则对识别效果有重要的影响。 另外，网络深度大小对识别性能影响较大，识别准确率会随深度增加而增加，而卷 积神经网络的卷积层深度固定为1，要想增加网络深度，只能增加卷积层的个数，但这样做 会增加模型的参数数量，可能导致过拟合，因此，受网络深度影响基于目前的卷积神经网络 训练得到的模式识别模型的识别准确率难以保证。 因此，利用基于已有的卷积神经网络训练得到的模式识别模...
【技术保护点】
一种模式识别方法，其特征在于，包括：接收待识别数据；利用基于具有递归卷积层的卷积神经网络训练得到的模式识别模型对所述待识别数据进行模式识别；其中，所述具有递归卷积层的卷积神经网络为在前馈输入基础上结合层内递归输入，得到总输入，并对所述总输入进行非线性激发的神经网络。
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。