| 发明名称 | 深度神经网络的构建方法及系统 | ||
| 摘要 | 本发明公开了一种深度神经网络的构建方法及系统，该方法包括：确定深度神经网络输入层的节点个数和输出层的节点个数；获取训练数据；确定深度神经网络隐含层的层数和第一层隐含层的节点个数：根据所述训练数据的数据量、隐含层的层数和第一层隐含层的节点个数，确定后续隐含层的节点个数，并使不同隐含层的节点个数呈递减变化；利用所述训练数据确定所述深度神经网络的模型参数得到深度神经网络。与现有技术的深度神经网络相比，应用本发明构建的深度神经网络极大地减少了神经网络的参数个数，减小了所需的存储空间并且加快了模型的训练速度。 | ||
| 申请公布号 | CN104751227A | 申请公布日期 | 2015.07.01 |
| 申请号 | CN201310755400.9 | 申请日期 | 2013.12.31 |
| 申请人 | 安徽科大讯飞信息科技股份有限公司 | 发明人 | 潘嘉;何婷婷;刘聪;王智国;胡国平;张仕良;胡郁 |
| 分类号 | G06N3/08(2006.01)I;G10L15/16(2006.01)I;G10L15/06(2013.01)I | 主分类号 | G06N3/08(2006.01)I |
| 代理机构 | 北京维澳专利代理有限公司 11252 | 代理人 | 王立民;吉海莲 |
| 主权项 | 一种深度神经网络的构建方法，其特征在于，包括：确定深度神经网络输入层的节点个数和输出层的节点个数；获取训练数据；确定深度神经网络隐含层的层数和第一层隐含层的节点个数：根据所述训练数据的数据量、隐含层的层数和第一层隐含层的节点个数，确定后续隐含层的节点个数，并使不同隐含层的节点个数呈递减变化；利用所述训练数据确定所述深度神经网络的模型参数得到深度神经网络。 | ||
| 地址 | 230088 安徽省合肥市高新开发区望江西路666号 | ||