The invention provides a neural network and a method for deploying a neural network on a mobile sensing device, in which the neural network comprises a plurality of convolution layers, activation function layers and a plurality of pooling layers. The convolution layer comprises two sub-convolution layers, in which the input signal passes through two sub-convolution layers in turn; if the convolution core of the sub-convolution layer is f, the convolution core size F of the sub-convolution layer satisfies.
【技术实现步骤摘要】
神经网络及在移动感知设备上部署神经网络的方法
本专利技术属于人工神经网络领域，具体涉及一种神经网络及在移动感知设备上部署神经网络的方法。
技术介绍
由于移动设备(例如智能手机、手表和眼镜)及其配备丰富的机载传感器(如照相机、加速度计、陀螺仪、无线模块等)的日益普及，如今移动感知在各种应用设计中成为一种极具有发展潜力的技术。虽然它们提出的技术细节在不同的应用程序之间可能有很大的不同，但大多数都有一个通用的设计原则即：利用移动传感器收集有关感测目标的感知数据，进一步应用学习技术来正确的识别或分类目标，以满足应用需求。随着移动传感器硬件技术已经成熟，影响移动感知和识别性能的一个主要因素是如何应用学习技术对感知数据进行有效的分类。传统的机器学习的方法主要依赖于手动地从数据中进行特征提取，这样导致系统的准确性和可靠性极大地依赖于选取的特征的质量。近年来取得巨大成功的深度学习可以有效地避免这种情况，并且在许多计算领域中展现了其独特优势。并且，目前已经有一些早期的工作尝试利用深度学习来改进移动传感应用设计。虽然将深度学习和移动感知结合起来看似是一种新兴的且十分具有发展潜力，但这...
【技术保护点】
1.一种神经网络，包括多个卷积层、多个激活函数层和多个池化层，其特征在于，所述卷积层包括两个子卷积层，输入信号依次通过两个子卷积层；设子卷积层的卷积核为f，则子卷积层的卷积核尺寸f满足
【技术特征摘要】
1.一种神经网络，包括多个卷积层、多个激活函数层和多个池化层，其特征在于，所述卷积层包括两个子卷积层，输入信号依次通过两个子卷积层；设子卷积层的卷积核为f，则子卷积层的卷积核尺寸f满足其中C为卷积层的通道数，F为卷积层的卷积核尺寸。2.根据权利要求1所述的神经网络，其特征在于，所述激活函数层的激活函数为或其中x为输入激活函数层的信号，γ为缩放因子。3.根据权利要求2所述的神经网络，其特征在于，所述激活函数层为三个，三个激活函数层按照输入信号的方向分别为第一激活函数层、第二激活函数层和第三激活函数层，其中第一激活函数层和第二激活函数层的激活函数均为第三激活函...
【专利技术属性】
技术研发人员：邢天璋，杨康，龚晓庆，雷燕，陈峰，陈晓江，房鼎益，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61
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。