[發(fā)明專(zhuān)利]深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法及相關(guān)產(chǎn)品

有效

• 申請(qǐng)?zhí)枺?/td>: 201811238441.X
• 申請(qǐng)日: 2018-10-23
• 公開(kāi)（公告）號(hào): CN109472359B
• 公開(kāi)（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 張樹(shù)榮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳和而泰數(shù)據(jù)資源與云技術(shù)有限公司
• 主分類(lèi)號(hào): G06N3/08
• 分類(lèi)號(hào): G06N3/08;G06N3/04
• 代理公司: 廣州三環(huán)專(zhuān)利商標(biāo)代理有限公司 44202
• 代理人: 郝傳鑫;熊永強(qiáng)

1.一種深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)處理方法，應(yīng)用于處理設(shè)備，其特征在于，所述處理設(shè)備包括神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊、進(jìn)化算法模塊和業(yè)務(wù)處理模塊；所述方法包括：

所述業(yè)務(wù)處理模塊接收業(yè)務(wù)請(qǐng)求，所述業(yè)務(wù)請(qǐng)求包括植物生長(zhǎng)指標(biāo)；

所述業(yè)務(wù)處理模塊調(diào)用目標(biāo)深度神經(jīng)網(wǎng)絡(luò)對(duì)所述植物生長(zhǎng)指標(biāo)進(jìn)行檢測(cè)，得到所述植物生長(zhǎng)指標(biāo)對(duì)應(yīng)的含量值；

所述業(yè)務(wù)處理模塊輸出所述植物生長(zhǎng)指標(biāo)對(duì)應(yīng)的含量值；

其中，所述目標(biāo)深度神經(jīng)網(wǎng)絡(luò)是由所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊及所述進(jìn)化算法模塊共同執(zhí)行進(jìn)化循環(huán)而得到的，所述進(jìn)化循環(huán)的過(guò)程包括：

所述進(jìn)化算法模塊按照預(yù)設(shè)目標(biāo)性能要求計(jì)算候選結(jié)構(gòu)編碼，所述候選結(jié)構(gòu)編碼包括候選深度神經(jīng)網(wǎng)絡(luò)包括的多個(gè)神經(jīng)網(wǎng)絡(luò)層的屬性；所述預(yù)設(shè)目標(biāo)性能要求是根據(jù)植物生長(zhǎng)指標(biāo)檢測(cè)業(yè)務(wù)的實(shí)際需要確定的；所述神經(jīng)網(wǎng)絡(luò)層為卷積層，所述神經(jīng)網(wǎng)絡(luò)層的屬性是根據(jù)植物生長(zhǎng)指標(biāo)檢測(cè)業(yè)務(wù)的設(shè)計(jì)需求包括的卷積層的屬性的數(shù)量來(lái)設(shè)置的；

所述進(jìn)化算法模塊將所述候選結(jié)構(gòu)編碼發(fā)送至所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊；

所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊接收所述進(jìn)化算法模塊發(fā)送的所述候選結(jié)構(gòu)編碼；所述候選結(jié)構(gòu)編碼包括首次接收到的候選結(jié)構(gòu)編碼和非首次接收到的候選結(jié)構(gòu)編碼，所述首次接收到的候選結(jié)構(gòu)編碼是由所述進(jìn)化算法模塊按照植物生長(zhǎng)指標(biāo)檢測(cè)業(yè)務(wù)場(chǎng)景的實(shí)際設(shè)計(jì)需求生成的一個(gè)初始結(jié)構(gòu)編碼，所述非首次接收到的候選結(jié)構(gòu)編碼是由所述進(jìn)化算法模塊對(duì)所述初始結(jié)構(gòu)編碼執(zhí)行一次或多次改進(jìn)后得到的結(jié)構(gòu)編碼；

所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊按照所述候選結(jié)構(gòu)編碼構(gòu)建所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)；

所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊計(jì)算所述候選深度神經(jīng)網(wǎng)絡(luò)的性能參數(shù)，并將所述候選深度神經(jīng)網(wǎng)絡(luò)的性能參數(shù)反饋至所述進(jìn)化算法模塊；

所述進(jìn)化算法模塊判斷所述候選深度神經(jīng)網(wǎng)絡(luò)的性能參數(shù)是否滿(mǎn)足所述預(yù)設(shè)目標(biāo)性能要求；

若不滿(mǎn)足，則確定所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)需要進(jìn)化；

若滿(mǎn)足，則確定所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)無(wú)需進(jìn)化；

若所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)需要進(jìn)化，則所述進(jìn)化算法模塊對(duì)所述候選結(jié)構(gòu)編碼進(jìn)行改進(jìn)，并將改進(jìn)后的所述候選結(jié)構(gòu)編碼發(fā)送至所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊以對(duì)所述候選深度神經(jīng)網(wǎng)絡(luò)進(jìn)行進(jìn)化，直至得到無(wú)需進(jìn)化的目標(biāo)深度神經(jīng)網(wǎng)絡(luò)為止。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述候選結(jié)構(gòu)編碼采用向量集表示，所述向量集包含至少一個(gè)向量；

所述向量集中的任一向量包括所述候選深度神經(jīng)網(wǎng)絡(luò)中任一個(gè)神經(jīng)網(wǎng)絡(luò)層的屬性；所述神經(jīng)網(wǎng)絡(luò)層的屬性包括以下任一種或多種：深度、寬度、幅度及維度；

所述性能參數(shù)包括計(jì)算速率和/或計(jì)算精度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊按照所述候選結(jié)構(gòu)編碼構(gòu)建所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)，包括：

所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊解析所述候選結(jié)構(gòu)編碼對(duì)應(yīng)的向量集得到至少一個(gè)向量；

所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊按照所述至少一個(gè)向量所包括的神經(jīng)網(wǎng)絡(luò)層的屬性構(gòu)建所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：

若所述候選深度神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)無(wú)需進(jìn)化，則所述神經(jīng)網(wǎng)絡(luò)編碼計(jì)算模塊將所述候選深度神經(jīng)網(wǎng)絡(luò)確定為目標(biāo)深度神經(jīng)網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，所述進(jìn)化算法模塊對(duì)所述候選結(jié)構(gòu)編碼進(jìn)行改進(jìn)，包括：

所述進(jìn)化算法模塊對(duì)進(jìn)化所需的算法參數(shù)進(jìn)行初始化處理，所述算法參數(shù)至少包括終止標(biāo)準(zhǔn)或演化次數(shù)閾值；

所述進(jìn)化算法模塊按照初始化后的算法參數(shù)利用進(jìn)化算法對(duì)所述候選結(jié)構(gòu)編碼執(zhí)行進(jìn)化循環(huán)；

當(dāng)所述進(jìn)化循環(huán)的次數(shù)達(dá)到所述演化次數(shù)閾值時(shí)，或當(dāng)所述進(jìn)化循環(huán)得到的目標(biāo)值達(dá)到所述終止標(biāo)準(zhǔn)時(shí)，所述進(jìn)化算法模塊獲取所述進(jìn)化循環(huán)在終止時(shí)得到的目標(biāo)值；

所述進(jìn)化算法模塊根據(jù)所述目標(biāo)值生成改進(jìn)后的候選結(jié)構(gòu)編碼。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述進(jìn)化算法為共軛矩陣/協(xié)方差自適應(yīng)進(jìn)化算法。