[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

本發明涉及一種基于數據分割的深度學習方法以及機器人系統。方法包括：獲取待測試數據；將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；獲取每個訓練好的第一深度學習神經網絡的最后隱層數據；將每個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，得到訓練好的第二深度學習神經網絡的輸出數據。通過將待測試數據分割再匯總能夠降低深度學習神經網絡的數據維度和計算復雜度，提高深度學習神經網絡的運算效率。

技術領域

本發明涉及機器學習領域，特別是涉及一種深度學習方法、裝置、機器人系統及存儲介質。

背景技術

人工神經網絡(Artificial Neural Networks，簡寫為ANNs)也簡稱為神經網絡(NNs)或稱作連接深度學習神經網絡(Connection Model)，它是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學深度學習神經網絡。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。人工神經網絡是一種應用類似于大腦神經突觸聯接的結構進行信息處理的數學深度學習神經網絡。在工程與學術界也常直接簡稱為“神經網絡”或類神經網絡。

但現有的深度學習神經網絡在處理輸入數據變量數和輸出數據非常多時，會由于計算復雜度的劇增，導致訓練困難及訓練得到的深度學習神經網絡的應用效果差。

發明內容

基于此，有必要針對上述問題，提供一種深度學習方法、裝置、機器人系統及存儲介質。

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。

在其中一個實施例中，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。

在其中一個實施例中，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。

在其中一個實施例中，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。

在其中一個實施例中，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：