-
公开(公告)号:CN114548239A
公开(公告)日:2022-05-27
申请号:CN202210106613.8
申请日:2022-01-28
申请人: 大连理工大学
摘要: 本发明提供一种基于类哺乳动物视网膜结构人工神经网络的图像识别与分类方法,属于人工智能(人工神经网络)图像识别与分类领域。本发明的目的是借鉴哺乳动物视网膜结构及其电学活动特性构建一种人工神经网络模型,最终实现对图像识别与分类任务性能的提升。实现该目的的大概思路是1)对哺乳动物视网膜网络电学特性活动进行建模仿真,2)获得视网膜各种功能细胞及其突触连接的输入输出映射曲线与拟合函数,3)以此为基础构建类视网膜前端特征提取网络,4)通过与后端卷积神经网络相结合实现一种新型的类视网膜人工神经网络结构的图像识别模型。
-
公开(公告)号:CN116306817A
公开(公告)日:2023-06-23
申请号:CN202310258761.6
申请日:2023-03-17
申请人: 大连理工大学
IPC分类号: G06N3/0464 , G06N3/0499 , G06F18/241
摘要: 本发明提供一种用于乳腺癌离散特征数据分类的径向基函数神经网络学习方法,属于人工智能模式数据拟合、识别和分类领域。本发明方法由于在每次迭代过程中同时确定了多个中心点,这极大地加快了模型训练速度,达到了传统OLS方法的50‑320倍;由于本方法确定的中心点和宽度值的有效性,因此模型的尺寸明显减少,只使用了很少的中心点即实现了对模型精度的提升;在模型参数相同的情况下,本方法获得的模型精度会提升3个数量级;同时,本方法由于是通过自动计算基函数宽度值,因此可以使用于不同类型数据和应用中,不需要针对不同应用进行不同的参数设置,简化了方法的使用难度。
-