技術(shù)特征：

1.一種基于殘差網(wǎng)絡(luò)的多層感知機(jī)人工神經(jīng)網(wǎng)絡(luò)，通過(guò)殘差神經(jīng)網(wǎng)絡(luò)搭建一個(gè)信息傳遞快速通道，訓(xùn)練過(guò)程保持原始信息，在殘差神經(jīng)網(wǎng)絡(luò)中存在內(nèi)協(xié)變量偏移，在殘差神經(jīng)網(wǎng)絡(luò)中引入BN方法，對(duì)于每一個(gè)神經(jīng)元的輸入加入?yún)?shù)和每個(gè)神經(jīng)元的輸入為：

$y_l^{\left(k\right)}={\mathrm{\γ}}_l^{\left(k\right)}{\hat{x}}_l^{\left(k\right)}+{\mathrm{\β}}_l^{\left(k\right)}---\left(1\right)$

其中，是采用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化的直線型無(wú)量綱化函數(shù)，表示為

${\hat{x}}_l^{\left(k\right)}=\frac{x_l^{\left(k\right)}-\mathrm{\μ}}{\mathrm{\σ}}---\left(2\right)$

μ和σ分別代表輸入分布的期望值和標(biāo)準(zhǔn)差；

基于參差網(wǎng)絡(luò)的多層感知機(jī)人工神經(jīng)網(wǎng)絡(luò)包括了若干網(wǎng)絡(luò)模塊結(jié)構(gòu)，采用全連接的方式代替殘差神經(jīng)網(wǎng)絡(luò)中的卷積，所述網(wǎng)絡(luò)模塊結(jié)構(gòu)中神經(jīng)元結(jié)構(gòu)通過(guò)每一個(gè)隱藏層的輸出來(lái)得到完整殘差模塊的輸出，

其中，每一個(gè)隱藏層的輸出為

s_i＝ReLU[BN(net_i)] (3)

完整的參差模塊的輸出為

o_i＝ReLU[BN(net_i+1)+net_i] (4)

2.根據(jù)權(quán)利要求1所述的基于殘差網(wǎng)絡(luò)的多層感知機(jī)人工神經(jīng)網(wǎng)絡(luò)，其特征在于，當(dāng)所述殘差模塊的輸入和輸出的維度不同，采用完全連接調(diào)整輸入的維度，使得殘差模塊運(yùn)行。

3.根據(jù)權(quán)利要求1所述的基于殘差網(wǎng)絡(luò)的多層感知機(jī)人工神經(jīng)網(wǎng)絡(luò)，其特征在于，所述殘差模塊在MNIST數(shù)據(jù)集上訓(xùn)練的準(zhǔn)確率達(dá)98％。