技术总结
本发明公开了一种基于数据特征的深度神经网络自训练方法，包括以下步骤：从事先准备好的不同样本集提取对应的标准特征，该标准特征表征样本集本身数据分布的特点，并且能够用来唯一区分不同的样本集；将已知样本集与对应的标准特征输入训练器，寻找具有不同特征的样本集需要怎样的参数设置才能达到尽可能高的训练精度；当引入新样本集时，根据新样本集的特征来自动选取一组最优的深度神经网络参数，从而保证当以该参数构造神经网络并对新样本进行训练时，能够得到尽可能高的预测精度。本发明的优点在于利用机器学习算法根据样本数据的特征自动调整深度神经网络的参数，建立合适的网络模型，并能保证能够达到较高的测试精度。
技术研发人员：吴磊;岳翰;武德安;陈鹏;冯江远
受保护的技术使用者：电子科技大学;成都国科海博信息技术股份有限公司
文档号码：201611054556
技术研发日：2016.11.25
技术公布日：2017.05.31