[发明专利]一种改进的并行通道卷积神经网络训练方法

摘要

一种改进的并行通道卷积神经网络训练方法。其包括利用直连和卷积通道对卷积神经网络中数据进行特征提取，得到特征矩阵；将特征矩阵合并，并进行数据降维；对卷积神经网络进行训练，计算此次网络训练的损失值；计算各层误差项和权值梯度；根据损失值判断网络是否收敛，如不收敛，依据权值梯度调整卷积神经网络初始化参数并重新进行训练，如已收敛则输出网络训练结果等步骤。本发明通过直连通道的引入可保证数据在网络中的流通性，克服了深层卷积神经网络训练时梯度不稳定的难题，可训练更深层的网络；利用最大池化和均值池化，可使两次特征提取间的特征矩阵维度保持一致且可结合两种池化方法的优点。

主权项

一种改进的并行通道卷积神经网络训练方法，其特征在于：所述的方法包括按顺序进行的下列步骤：1)分别利用直连和卷积两个并行通道对卷积神经网络中的数据进行特征提取，得到直连通道特征矩阵和卷积通道特征矩阵；2)将步骤1)得到的两个特征矩阵进行合并，并输入到最大池化层和均值池化层进行数据降维；3)重复步骤1)、步骤2)，得到最终特征矩阵；4)将上述步骤3)得到的最终特征矩阵进行全局平均池化并输入全连接层变为一维特征矩阵，并利用softmax分类器对一维特征矩阵进行分类而对卷积神经网络进行训练，计算此次网络训练的损失值；5)利用误差反向传播算法进行梯度计算，计算各层误差项和权值梯度；6)根据步骤4)中所得损失值判断网络是否收敛，如不收敛，依据步骤5)中获得的权值梯度调整卷积神经网络初始化参数并重新进行训练，如已收敛则输出网络训练结果。