晋级网络自强化的图像语音深度学习模型

摘要

晋级网络自强化的图像语音深度学习模型。本申请将晋级方案与神经网络结构融合设计出一种可实现网络参数和模块自主学习，兼容线性与非线性的深度学习架构，系统稳定性提高；通过松散和紧凑分别将线性和非线性晋级方案与神经网络分类模型相结合构造深度学习分类模型，泛化能力强；网络结构方面对卷积和池化层进行自主联合，实现全晋级网络，分级处理在分类和估计推理任务上有更好效果；网络运算方面用晋级实现卷积运算和池化运算，实现线性与非线性的统一，计算复杂度低；网络训练过程采用分层低熵来加速网络训练,不仅使网络保留卷积的可学习性，还使得池化层变得可学习，模型学习能力强，误差比现有技术方法的都小，图像语音识别分类的准确性和鲁棒性更好。