公开(公告)号：CN115687988A

公开(公告)日：2023-02-03

申请号：CN202111054174.2

申请日：2021-09-09

Applicant: 南京大学

Inventor： 曾仲麟 ,  陈颖 ,  仓锡惠 ,  葛云

IPC: G06F18/241 ,  G06N3/0442 ,  G16H50/20 ,  G16H50/70

Abstract: 本发明提出了一种全新的基于信息相似度的门控记忆神经网络模型。该模型设计了一种新的基于信息相似度的门控记忆单元，充分利用了底层网络模型提取的图像特征向量，并可以将图像特征信息进行类别化和记忆性存储与更新。该门控单元记忆的信息区别于传统RNN网络的隐含记忆，更具有表述性并能被存储化。克服了传统卷积神经网络提取的特征依赖对应图像而出现个体化的缺点，克服了循环神经网络只能形成一种类似于记忆的训练机制而不能存储更新类别特征记忆本身的缺点。本发明利用IBS距离度量方法设计损失函数赋予记忆单元类别属性，并使用IBS算法设计了门控记忆单元的迭代记忆存储函数，能够对图像类别特征的记忆库进行长期存储和更新。另外，该网络把类别记忆和图像本身个体特征结合参与网络分类训练，记忆的参与提升了网络分类准确率。经过测试，该网络在图像分类方面有非常强的准确度与适用性。