一种基于谐振过滤的神经网络图像特征提取方法

    公开(公告)号:CN110222768A

    公开(公告)日:2019-09-10

    申请号:CN201910494735.7

    申请日:2019-06-10

    Abstract: 本发明公开了一种基于谐振过滤的神经网络图像特征提取方法,包括以下步骤:S01,构建全连接神经网络,包括输入层、隐藏层和输出层;S02,设置训练数据像素点一一对应的波函数;S03,通过波函数中频率参数ω0与超参数ω对训练数据进行过滤;S04,过滤后的数据输入S01中全连接神经网络并输出结果;S05,设置代价函数,计算输出层误差,并通过反向传播计算各层的误差;S06,推导输入层期望误差,更新ω0,重新回到S03;S07,用梯度下降算法更新神经网络中的权重和偏置,重新回到S04;S08,得到训练好的神经网络。本发明提供的一种基于谐振过滤的神经网络图像特征提取方法,利用波函数性质对训练图像数据进行谐振过滤,能够提高神经网络图像特征提取能力。

    一种带隐私保护的Spark工作流调度方法及系统

    公开(公告)号:CN111859447A

    公开(公告)日:2020-10-30

    申请号:CN202010630182.6

    申请日:2020-07-03

    Abstract: 本发明公开了属于Spark大数据处理技术领域的一种带隐私保护的Spark工作流调度方法及系统,能够将带有隐私性的数据放在指定的数据中心进行处理,满足了隐私保护的需求,同时提高了整个Spark工作流的处理效率,减少了执行时间。根据隐私性规则将输入数据分为隐私数据和普通数据;再以分区为单位进行隐私性标记,分为隐私分区和普通分区;将普通分区作为输入的Spark就绪任务调度到普通数据中心处理,得到第一输出数据;将隐私分区作为输入的Spark就绪任务调度到隐私数据中心处理,得到第二输出数据;判断第一输出数据和第二输出数据是最终结果还是中间结果,若是中间结果则重新进行隐私性确认、标记、分区,直至所有Spark就绪队列中的Spark就绪任务全部处理完成。

Patent Agency Ranking