公开(公告)号：CN118627579A

公开(公告)日：2024-09-10

申请号：CN202410740473.9

申请日：2024-06-08

Applicant: 西北工业大学

Inventor： 张睿 ,  朱康佳 ,  程月龙 ,  苗宇

IPC: G06N3/082 ,  G06N3/0895 ,  G06F18/213 ,  G06F18/27 ,  G06N3/0985 ,  G06F18/24

Abstract: 本发明公开了一种最优尺度下半监督流形二值神经网络构建方法，通过将OLSR方法与二进制卷积结合，有效地保留数据的空间信息，弥补信息损失，从而提高深度特征提取的准确性和效率。通过在OLSR模型中集成尺度项，可以更好地适应不同尺度下的数据，从而提高模型的泛化能力和适应性；采用尺度自学习方法，确保每次迭代都获得最优解，从而加快模型的收敛速度，并提高训练效率。

公开(公告)号：CN119204139A

公开(公告)日：2024-12-27

申请号：CN202411334096.5

申请日：2024-09-24

Applicant: 西北工业大学

Inventor： 李学龙 ,  张睿 ,  朱康佳 ,  程月龙 ,  苗宇

IPC: G06N3/082 ,  G06N3/0895 ,  G06F18/213 ,  G06F18/27 ,  G06N3/0985 ,  G06F18/24

Abstract: 本发明公开了一种最优尺度下半监督流形二值神经网络构建方法，通过将OLSR方法与二进制卷积结合，有效地保留数据的空间信息，弥补信息损失，从而提高深度特征提取的准确性和效率。通过在OLSR模型中集成尺度项，可以更好地适应不同尺度下的数据，从而提高模型的泛化能力和适应性；采用尺度自学习方法，确保每次迭代都获得最优解，从而加快模型的收敛速度，并提高训练效率。