首页> 中国专利> 一种神经网络内部特征重要性可视化分析及特征迁移方法

一种神经网络内部特征重要性可视化分析及特征迁移方法

摘要

本发明公开了一种神经网络内部特征重要性可视化分析及特征迁移方法,通过基于先验知识对数据集进行采样,划分代表性数据子集,对数据子集平均化、正则化,得到数据子集标准平均图,根据导向反向传播特征可视化方法获取神经网络内部所有神经元针对每张标准平均图的特征可视化图像,基于特征可视化图像与标准平均图的余弦相似度作为对应神经元的价值,根据层相似值判断网络层拟合情况和层内神经元相似值评估网络神经元拟合情况,使用神经网络剪枝算法提取高价值网络模块并进行迁移测试。本发明实现以量化与可视化结合的方式衡量卷积神经网络特征重要性,完成对原模型重要特征的提取重用,提高神经网络模型可解释性,帮助分析理解模型拟合情况。

著录项

法律信息

  • 法律状态公告日

    法律状态信息

    法律状态

  • 2022-07-19

    授权

    发明专利权授予

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号