发明名称 | 一种神经网络训练方法 | ||
摘要 | 本发明实施例涉及人工智能和模式识别技术领域,尤其涉及一种神经网络训练方法,用以解决现有技术中训练过程收敛速度慢的问题。本发明实施例的方法包括:获取神经网络基于第k次迭代过程所使用的学率对n个样本进行迭代后输出的n*m个标签值预测值;计算第一参数;其中,第i标签值的第一参数为所述n个样本的第i标签值预测值与第i标签值真实值之间的误差的平均值;根据所述第一参数调整所述神经网络的第k+1次迭代过程所使用的学率。由于基于标签值的误差的情况,对下一次迭代过程的学率进行调整,从而可引导训练过程以高效的方式快速向全局最优的方向进行收敛。 | ||
申请公布号 | CN104134091B | 申请公布日期 | 2017.01.18 |
申请号 | CN201410360578.8 | 申请日期 | 2014.07.25 |
申请人 | 海信集团有限公司 | 发明人 | 刘龙;高伟杰;周玉 |
分类号 | G06N3/08(2006.01)I | 主分类号 | G06N3/08(2006.01)I |
代理机构 | 北京同达信恒知识产权代理有限公司 11291 | 代理人 | 黄志华 |
主权项 | 一种神经网络训练方法,其特征在于,包括以下步骤:利用n个样本对神经网络进行迭代,在第k次迭代之后执行:获取神经网络基于第k次迭代过程所使用的学习率对n个样本进行迭代后输出的n*m个标签值预测值;其中,每个样本对应m个标签值预测值,每个样本的m个标签值预测值包括第一标签值预测值至第m标签值预测值;其中,n、m、k均为正整数,k大于1;针对第一至第m标签值预测值中的每个标签值预测值,计算第一参数,其中,第i标签值的第一参数为所述n个样本的第i标签值预测值与第i标签值真实值之间的误差的平均值,i的取值范围为[1,m];根据所述第一参数调整所述神经网络的第k+1次迭代过程所使用的学习率;其中,所述根据第一参数调整所述神经网络的第k+1次迭代过程所使用的学习率,包括:根据所述第一参数计算第二参数;其中,第i标签的第二参数为所述第i标签值的第一参数的方差;根据所述第一参数和第二参数调整所述神经网络的第k+1次迭代过程所使用的学习率。 | ||
地址 | 266100 山东省青岛市崂山区株洲路151号 |