-
公开(公告)号：CN1264104C
公开(公告)日：2006-07-12
申请号：CN200410066205.6
申请日：2004-09-09
Applicant: 上海交通大学
Abstract: 一种用于智能信息处理技术领域的消除极小极大模块网络冗余的修剪方法，利用训练样本的网络输出值来寻找网络中的冗余模块，即由输出值反向地寻找出具有相同输出值的输入模块，这些模块是非冗余的，将其作以标记，训练完毕后没有被标记的模块则是冗余模块，将其删除。本发明提出了一种消除极小极大模块网络冗余的修剪方法，该方法仅仅需要利用训练样本的网络输出值就可以消除网络的冗余模块。该修剪方法在网络训练样本数较大的时候，可以大弧度地降低网络模块的规模。因此可以大大降低网络的空间规模，从而提高网络的运算速度。
-
公开(公告)号：CN1713211A
公开(公告)日：2005-12-28
申请号：CN200510027716.1
申请日：2005-07-14
Applicant: 上海交通大学
Abstract: 一种计算机自动性别识别的最大最小模块化网络方法，用于智能信息处理技术领域。本发明步骤如下：(1)对人脸图像进行特征提取，称为人脸图像特征向量，形成样本集合；(2)将同类性别的样本集合根据年龄信息进行分解，分成不同的子集合；(3)按照M3网络的分解和组合方法对这些子集合进行训练，然后组合成M3网络分类器；(4)最后进行性别识别。本发明可以大弧度地提高性别识别的精度。
-
公开(公告)号：CN1588441A
公开(公告)日：2005-03-02
申请号：CN200410066205.6
申请日：2004-09-09
Applicant: 上海交通大学
IPC: G06N3/02
Abstract: 一种用于智能信息处理技术领域的消除极小极大模块网络冗余的修剪方法，利用训练样本的网络输出值来寻找网络中的冗余模块，即由输出值反向地寻找出具有相同输出值的输入模块，这些模块是非冗余的，将其作以标记，训练完毕后没有被标记的模块则是冗余模块，将其删除。本发明提出了一种消除极小极大模块网络冗余的修剪方法，该方法仅仅需要利用训练样本的网络输出值就可以消除网络的冗余模块。该修剪方法在网络训练样本数较大的时候，可以大弧度地降低网络模块的规模。因此可以大大降低网络的空间规模，从而提高网络的运算速度。
-
-
Search Results
3
records
(took 0.014 seconds)
