[发明专利]一种基于循环神经网络的视频分类方法

摘要

本发明公开了一种基于循环神经网络的视频分类方法，在现有GRU视频分类的基础上，在GRU的训练过程中，创新性地利用泰勒级数对门控循环单元进行解释，通过在GRU的训练过程中引入泰勒级数中的余项，辅助GRU的参数训练。由于泰勒级数中，误差与级数的阶数有关，阶数越大误差越小，所以，本发明通过构造一个高阶的泰勒级数用于辅助GRU训练，减少了视频分类误差。同时，本发明建立了门控循环单元与泰勒级数的联系，进一步地，通过这种联系，GRU的泛化能力得到了解释。

主权项

1.一种基于循环神经网络的视频分类方法，其特征在于，包括以下步骤：(1)、在门控循环单元(Gated Recurrent Unit，简称GRU)的训练过程中，构建余项R_t：R_t＝tanh(n_t(W_hRh_t‑1+b_hR+W_iRx_t+b_iR))U(0,1)   (1)其中，U(0,1)为[0,1]的均匀分布行向量，W_hR、b_hR、W_iR、b_iR均为待训练的参数矩阵，x_t为当前视频帧的表观特征，h_t‑1为输入上一帧后的状态信息，n_t为隐状态(一个控制变化量的项)，tanh为双曲正切激活函数；(2)、在GRU训练过程每一步的当前状态信息(输入当前帧后的状态信息)h_t为：h_t＝(1‑z_t)n_t+z_th_t‑1+R_t           (2)其中，z_t为更新门；(3)、在GRU视频分类过程每一步的当前状态信息(输入当前帧后的状态信息)h_t为：h_t＝(1‑z_t)n_t+z_th_t‑1                   (3)。