神经网络模型的训练方法和训练系统技术方案

本发明专利技术公开了一种神经网络模型的训练方法和训练系统，方法包括：接收影像数据；利用影像数据进行第一层计算，包含第一卷积计算和第一非线性卷算；利用第一层计算结果执行组合运算，包含分类第一层计算的结果；分别进行线性及非线性运算；以及将线性及非线性运算结果执行整合运算；当判断进行第二层计算时，利用组合运算结果进行第二层计算；以及，当判断不进行第二层计算时，利用组合运算的结果进行分类；其中，组合运算的结果至少是依据第一层计算后的影像数据，和数学运算元或非线性运算元所产生。训练方法与系统可以训练线性与非线性的运算参数，并利用组合运算更有效整合线性与非线性的计算结果，提供更强健且更有效率的深度学习网络架构。度学习网络架构。度学习网络架构。

【技术实现步骤摘要】
神经网络模型的训练方法和训练系统


[0001]本专利技术涉及一种人工智能，尤其是涉及一种神经网络模型的训练方法和训练系统。

技术介绍

[0002]计算器学习是实施人工智能的主要方法之一。特别是以类神经网络(neural network)组织的算法进行计算器学习与训练，是近年来实施人工智能的主流。
[0003]人工智能的主流应用之一为图像处理与辨识。先利用一些已知分类的影像对某一类神经网络模型进行训练，再利用已经训练完成的该类神经网络模型对未知的影像进行分类。然而，如何让类神经网络模型对影像的某些特征更敏感，能够检测出具有这些细微特征的影像，是亟待解决的问题。

技术实现思路

[0004]本专利技术提供一种神经网络模型的训练方法和训练系统。
[0005]本专利技术的神经网络模型的训练方法，其特征在于，包括：(a)接收影像数据；(b)利用影像数据进行第一层计算，包含第一卷积计算和第一非线性卷算；(c)利用第一层计算的结果执行组合运算，包含：(c1)分类第一层计算的结果；(c2)对分类后的结果分别进行线性运算及非本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经网络模型的训练方法，其特征在于，包括：(a)接收影像数据；(b)利用所述影像数据进行第一层计算，包含第一卷积计算和第一非线性卷算；(c)利用所述第一层计算的结果执行组合运算，包含：(c1)分类所述第一层计算的结果；(c2)对分类后的所述结果分别进行线性运算及非线性运算；以及，(c3)将所述线性运算及所述非线性运算的结果进行整合运算；(d)当判断进行第二层计算时，利用所述组合运算的结果进行第二层计算，包含第二卷积计算和第二非线性卷算；(e)当判断不进行所述第二层计算时依据所述组合运算的结果进行分类；其中，所述组合运算的结果至少是依据所述第一层计算后的所述影像数据，和数学运算元或非线性运算元所产生。2.如权利要求1所述的训练方法，其特征在于：所述组合运算的结果进一步依据至少一次所述第二层计算后的所述影像数据所产生。3.如权利要求1所述的训练方法，其特征在于，所述第二层计算进行W次，所述训练方法进一步包括：(f)判断是否进行第w+1次的所述第二层计算，其中w为0至W的正整数。4.如权利要求1所述的训练方法，其特征在于：所述训练方法包含N次所述第一卷积计算，第n次的所述第一卷积计算是利用第n－1次的所述第一卷积计算的结果作为所述影像数据来进行，其中N≧2，N≧n≧2，所述步骤(c)中是利用第N次所述第一卷积计算的结果和所述...

【专利技术属性】
技术研发人员：吴易达，萧光廷，张富杰，
申请(专利权)人：瑞泰生医科技香港有限公司，
类型：发明
国别省市：