买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利用于图像分类的卷积神经网络的自适应优化训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115205577B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210537246.7，技术领域涉及：G06V10/764；该发明授权用于图像分类的卷积神经网络的自适应优化训练方法是由王钢;翁博熙;孙健;陈杰设计研发完成，并于2022-05-13向国家知识产权局提交的专利申请。

本用于图像分类的卷积神经网络的自适应优化训练方法在说明书摘要公布了：本发明公开了用于图像分类的卷积神经网络的自适应优化训练方法，具有较快的收敛速度，且训练所得模型具有较高的准确率和较强的泛化能力。构建卷积神经网络模型M。从训练图像集合中随机抽取样本B，输入到M，根据输出结果计算损失函数对模型参数的梯度；并计算梯度和梯度差的无偏二阶矩估计。使用梯度和梯度差的无偏二阶矩估计构建参数更新表达式。若M中卷积层数不超过5，则直接使用参数更新表达式对M的参数进行更新，否则在参数更新表达式中加入当前梯度的比例项的影响，构建第二参数更新表达式，对M的参数进行更新。更新参数之后，同时更新当前训练周期，重复训练直到获得训练好的卷积神经网络模型，用于图像分类。

本发明授权用于图像分类的卷积神经网络的自适应优化训练方法在权利要求书中公布了：1.用于图像分类的卷积神经网络的自适应优化训练方法，其特征在于，包括如下步骤： 步骤1，准备训练图像集合；构建卷积神经网络模型M，对M中的参数进行随机初始化； 步骤2，从训练图像集合中随机抽取样本B，将B输入到M中，得到M的输出结果，根据M的输出结果计算损失函数，以及损失函数对模型参数的梯度；并计算梯度和梯度差的无偏二阶矩估计； 步骤3，使用获得的梯度和梯度差的无偏二阶矩估计构建参数更新表达式，为： ； 其中，为更新后的下一训练周期t+1的卷积神经网络模型参数；为当前训练周期t的参数；为常数，取值在10-7~10-9之间；和分别为梯度和梯度差的无偏二阶矩估计；和分别为无偏二阶矩估计中当前训练周期t的梯度累加项和梯度差累加项；和分别为模型训练算法中梯度部分和梯度差部分的增益系数；为模型训练算法中的学习率； 若M中卷积层数不超过5，则直接使用所述参数更新表达式对M的参数进行更新； 若M中卷积层数超过5，则在所述参数更新表达式中加入当前梯度的比例项的影响，构建第二参数更新表达式，对M的参数进行更新； 更新参数之后，同时更新当前训练周期，返回步骤2，重复执行步骤2到步骤3，直到收敛或是达到最大训练周期，获得训练好的卷积神经网络模型； 步骤4，利用训练好的卷积神经网络模型针对待分类图像集合进行图像分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。