基于深度神经网络的识别装置、训练装置及方法制造方法及图纸
Identification device, training device and method based on deep neural network
The embodiment of the invention provides an identification device, the depth of the neural network training device and method, based on the depth of the neural network is obtained by including positive and negative samples of the training samples to input the input layer depth in neural network training, the identification device comprises a judging unit, confidence are all less than a predetermined threshold is the sample classification decision unit is used when the depth of the neural network output layer classification results when determining the sample to be identified is suspected abnormal samples. In this way, the reliability of classification results confidence of deep neural network output can be effectively improved.
【技术实现步骤摘要】
基于深度神经网络的识别装置、训练装置及方法
本专利技术涉及信息
，尤其涉及一种基于深度神经网络的识别装置、训练装置及方法。
技术介绍
近年来，随着信息技术的不断发展，基于深度神经网络(DeepNeuralNetwork，DNN)的识别方法在分类领域取得了巨大的成功。现有的深度神经网络是一种层级模型，图1是现有的深度神经网络的示意图，如图1所示，现有的深度神经网络由一个输入层101、若干个隐含层102和一个输出层103组成。其中，输入层101一般输入待处理的数据；隐含层102的类型可以包括卷积层、池化层或全连接层等；对于分类问题而言，输出层103可以是分类器，例如softmax分类器或支持向量机(SupportVectorMachine，SVM)等。现有的深度神经网络在进行训练时，一般以网络损失(又称为分类误差)最小化作为优化目标，优化方法为后向传播算法。图2是现有的对深度神经网络进行训练的示意图，如图2所示，首先，将训练样本输入到输入层101，并且信息随着深度神经网络做前向传播，经由各隐含层102传播到输出层103，输出层103所输出的分类结果与训练样本的类...
【技术保护点】
一种基于深度神经网络的识别装置，所述深度神经网络是通过将包括正样本和负样本的训练样本输入到深度神经网络的输入层中进行训练而得到的，所述装置包括：判定单元，所述判定单元用于当所述深度神经网络的输出层输出的分类结果中各个正样本分类的置信度均小于预定阈值时，判定待识别样本是疑似异常样本。
【技术特征摘要】
1.一种基于深度神经网络的识别装置，所述深度神经网络是通过将包括正样本和负样本的训练样本输入到深度神经网络的输入层中进行训练而得到的，所述装置包括：判定单元，所述判定单元用于当所述深度神经网络的输出层输出的分类结果中各个正样本分类的置信度均小于预定阈值时，判定待识别样本是疑似异常样本。2.根据权利要求1所述的装置，其中，所述各个正样本分类的置信度是所述待识别样本与各个正样本分类的相似度。3.根据权利要求1所述的装置，其中，所述装置还包括：无效单元，所述无效单元用于当所述深度神经网络的输出层输出所述分类结果时，将负样本分类以及所述负样本分类的置信度设置为无效。4.一种深度神经网络的训练装置，包括：输入单元，所述输入单元用于将包括正样本和负样本的训练样本输入到深度神经网络的输入层中；设置单元，所述设置单元用于对于所述训练样本中的正样本，将所述正样本所在正样本分类的真值标签设为1，并将其他正样本分类的真值标签设为0；对于所述训练样本中的负样本，将所有正样本分类的...
【专利技术属性】
技术研发人员：王淞，范伟，孙俊，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本,JP
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。