[發明專利]精簡輸入的深度學習神經網絡方法、裝置和機器人系統

有效

• 申請號: 201711331068.8
• 申請日: 2017-12-13
• 公開（公告）號: CN108334935B
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 朱定局
• 申請（專利權）人: 華南師范大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種深度學習神經網絡方法，其特征在于，所述方法包括：

對第一深度學習神經網絡進行測試，得到所述第一深度學習神經網絡的第一輸出正確率；

將所述第一深度學習神經網絡的每個輸入變量作為一個輸入變量組合，生成嘗試刪除輸入變量組合的集合，所述輸入變量包括不同類型的檢查結果數據；

從所述嘗試刪除輸入變量組合的集合中選取一個輸入變量組合；

將選取的輸入變量組合對應的所述第一深度學習神經網絡的輸入節點刪除，得到第二深度學習神經網絡；

對所述第二深度學習神經網絡進行測試，得到所述第二深度學習神經網絡的第二輸出正確率；當第一輸出正確率與第二輸出正確率的差值大于預設閾值時，則將所述選取的輸入變量組合從所述嘗試刪除輸入變量組合的集合中刪除；

反之，則將所述選取的輸入變量組合從所述嘗試刪除輸入變量組合的集合中刪除，并將所述選取的輸入變量組合加入可刪除輸入變量組合的集合；

根據更新后的嘗試刪除輸入變量組合的集合和所述可刪除輸入變量組合的集合生成可選刪除輸入變量組合的集合；

將所述可選刪除輸入變量組合的輸入變量兩兩組合得到新的輸入變量組合；

當所述新的輸入變量組合在所述可選刪除輸入變量組合中不存在時，則將所述新的輸入變量組合加入到所述嘗試刪除輸入變量組合的集合中，返回所述從所述嘗試刪除輸入變量組合的集合中選取一個輸入變量組合的步驟；

從所述可選刪除輸入變量組合的集合中選取輸入變量對應的數據采集成本最高的輸入變量組合作為優選刪除的輸入變量組合，將所述優選刪除的輸入變量組合對應的所述第二深度學習神經網絡的輸入節點刪除，得到第三深度學習神經網絡。

2.根據權利要求1所述的方法，其特征在于，所述根據更新后的嘗試刪除輸入變量組合的集合和所述可刪除輸入變量組合的集合生成可選刪除輸入變量組合的集合，包括：

判斷更新后的嘗試刪除輸入變量組合的集合是否為空，若否，則返回所述從所述嘗試刪除輸入變量組合的集合中選取一個輸入變量組合的步驟；

若是，則判斷更新后的可刪除輸入變量組合的集合是否為空，如果更新后的可刪除輸入變量組合的集合不為空，則將所述可刪除輸入變量組合的集合中的輸入變量組合加入到所述可選刪除輸入變量組合的集合中。

3.根據權利要求1所述的方法，其特征在于，所述對第一深度學習神經網絡進行測試，得到所述第一深度學習神經網絡的第一輸出正確率，包括：

獲取帶有預期標簽的多個輸入數據及其對應的預期標簽；

將每個所述輸入數據作為所述第一深度學習神經網絡的輸入進行測試，得到第一實際輸出標簽；

獲取所述第一實際輸出標簽與所述預期標簽一致的次數占總測試次數的比值，得到第一輸出正確率；

所述對所述第二深度學習神經網絡進行測試，得到所述第二深度學習神經網絡的第二輸出正確率，包括：

獲取帶有預期標簽的多個輸入數據及其對應的預期標簽；

將每個所述輸入數據中對應的未刪除輸入變量對應的數據作為第二深度學習神經網絡的輸入進行測試，得到第二實際輸出標簽；

獲取所述第二實際輸出標簽與所述預期標簽一致的次數占總測試次數的比值，得到第二輸出正確率。

4.根據權利要求1所述的方法，其特征在于，所述將選取的輸入變量組合對應的所述第一深度學習神經網絡的輸入節點刪除，得到第二深度學習神經網絡，包括：

在所述第一深度學習神經網絡中，刪除所述選取的輸入變量組合對應的輸入節點，刪除所述選取的輸入變量組合對應的輸入節點與其他隱層節點的所有連接，得到所述第二深度學習神經網絡。

5.根據權利要求1所述的方法，其特征在于，所述不同類型的檢查結果數據包括體重、血壓、血液檢查結果、尿液檢查結果。