本发明提供一种增强深度学习算法鲁棒性的优化方法和系统。所述优化方法包括:根据所述样本数据和向量化结果,得到测试样本与训练样本的概率密度比值,通过卷积层参数和高斯核宽度对所述概率密度比值进行建模得到建模后比值的估计值;根据建模后比值的估计值得到测试样本的概率密度的估计值;结合卷积结果以及基于KLIEP优化算法,对测试样本的概率密度和测试样本的概率密度的估计值之间的KL距离进行最小化,得到具有卷积层参数和高斯核宽度的最小化的KL距离;对最小化的KL距离的卷积层参数和高斯核宽度基于KLIEP算法进行反向求导得到更新后卷积层参数,以及进行交叉验证得到优化后的高斯核宽度并得到优化后的网络输出。
结合卷积结果以及基于KLIEP优化算法,对测试样本的概率密度和测试样本的概率密度的估计值之间的KL距离进行最小化,得到具有卷积层参数和高斯核宽度的最小化的KL距离;对最小化的KL距离的卷积层参数和高斯核宽度基于KLIEP算法进行反向求导得到更新后卷积层参数,以及进行交叉验证得到优化后的高斯核宽度;根据更新后卷积层参数和优化后的高斯核宽度,得到优化后的网络输出;所述对所述卷积结果进行池化运算,得到批量池化结果的步骤,具体为:对所述卷积结果中预设的2*2的区域进行取像素均值运算,得到批量池化结果。
中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力,推动我国自主知识产权新工业的建立,成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统,由九个研究平台,国科大深圳先进技术学院,多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究,促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。
评价单位:- (-)
评价时间:2023-04-18
综合评价
这个企业已经有一定的基础,建议与相关学会组织搭建平台,请学会以及研究所、大学和相关企业参与,可能会攻克难关,会对我们国家甚至世界所存在的问题提出解决的措施并做出贡献,前途可期。
查看更多>