[發明專利]基于數據分割的深度學習方法以及機器人系統

在審

• 申請號: 201810010054.4
• 申請日: 2018-01-05
• 公開（公告）號: CN108364067A
• 公開（公告）日: 2018-08-03
• 發明（設計）人: 朱定局
• 申請（專利權）人: 華南師范大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 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

1.一種深度學習方法，所述方法包括：

獲取待測試數據；

將所述待測試數據按照預設多類輸入變量集合分割成多類待測試子數據；

將所述多類待測試子數據對應輸入到多個訓練好的第一深度學習神經網絡的輸入層中；

獲取每個所述訓練好的第一深度學習神經網絡的最后隱層數據；

將每個所述訓練好的第一深度學習神經網絡的最后隱層數據輸入到訓練好的第二深度學習神經網絡的輸入層中，得到所述訓練好的第二深度學習神經網絡的輸出數據。

2.根據權利要求1所述的方法，其特征在于，所述訓練好的第一深度學習神經網絡與所述訓練好的第二深度學習神經網絡包含于訓練好的第三深度學習神經網絡，

其中，所述訓練好的第三深度學習神經網絡的輸入變量為所述訓練好的第一深度學習神經網絡的輸入變量，所述訓練好的第三深度學習神經網絡的輸出數據為所述訓練好的第二深度學習神經網絡的輸出數據。

3.根據權利要求1所述的方法，其特征在于，所述待測試數據為待預測數據；

所述將所述待測試數據按照預設多類輸入變量集合分割成多類待測試子數據，包括：

將所述待預測數據按照類別分割成對應不同類別的多個待測試數據。

4.根據權利要求3所述的方法，其特征在于，在所述獲取待預測數據之前，還包括：

獲取多個訓練數據；

將所述多個訓練數據按照預設類別劃分標準分割成對應不同類別的多類待訓練子集；

為預設的每類輸入變量集合初始化一個第一深度學習神經網絡；

從每個訓練子集中分別獲取訓練輸入數據，并輸入到各個訓練子集對應的第一深度學習神經網絡的輸入層中，對每個訓練子集的第一深度學習神經網絡進行訓練，得到多個訓練好的第一深度學習神經網絡。

5.根據權利要求4所述的方法，其特征在于，所述從每個訓練子集中分別獲取訓練輸入數據，并輸入到各個訓練子集對應的第一深度學習神經網絡的輸入層中，對每個訓練子集的第一深度學習神經網絡進行訓練，得到多個訓練好的第一深度學習神經網絡，包括：

從每個訓練子集中分別獲取訓練輸入數據，并輸入到各個訓練子集對應的第一深度學習神經網絡的輸入層中，對每個訓練子集的第一深度學習神經網絡進行無監督訓練。

6.根據權利要求5所述的方法，其特征在于，在所述對每個訓練子集的第一深度學習神經網絡進行無監督訓練之后，包括：

獲取對每個訓練子集的深度學習神經網絡進行無監督訓練時，每個訓練子集的第一深度學習神經網絡的最后隱層數據；

將所述最后隱層數據輸入到已經初始化后的第二深度學習神經網絡的輸入層中，對所述第二深度學習神經網絡進行無監督訓練；

將所述最后隱層數據輸入到已經初始化后的第二深度學習神經網絡的輸入層中，并將獲取與所述訓練輸入數據對應的訓練輸出數據作為所述第二深度學習神經網絡的預期輸出數據，對所述第二深度學習神經網絡進行有監督訓練，得到訓練好的第二深度學習神經網絡。

7.根據權利要求3所述的方法，其特征在于，所述訓練好的第三深度學習神經網絡由以下方式訓練得到：

從每個訓練子集中分別獲取訓練輸入數據，并輸入到第三深度學習神經網絡的輸入層中，對所述第三深度學習神經網絡進行無監督訓練；

從每個訓練子集中分別獲取訓練輸入數據，并輸入到第三深度學習神經網絡的輸入層中，并獲取與所述訓練輸入數據對應的訓練輸出數據作為所述第三深度學習神經網絡的預期輸出數據，對所述第三深度學習神經網絡進行有監督訓練，得到所述訓練好的第三深度學習神經網絡。