[發明專利]神經網絡的生成方法、生成裝置和電子設備

在審

• 申請號: 201811269254.8
• 申請日: 2018-10-29
• 公開（公告）號: CN111105029A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 陳玉康;張騫;黃暢
• 申請（專利權）人: 北京地平線機器人技術研發有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京彩和律師事務所 11688
• 代理人: 劉磊;閆桑田

1.一種神經網絡的生成方法，包括：

通過進化算法從神經網絡框架中獲得最優神經網絡和最劣神經網絡；

通過強化學習算法從所述最優神經網絡獲得優化神經網絡；

通過將所述優化神經網絡加入所述神經網絡框架并從所述神經網絡框架中刪除所述最劣神經網絡來更新所述神經網絡框架；以及

從更新后的神經網絡框架中確定最終生成的神經網絡。

2.如權利要求1所述的神經網絡的生成方法，其中，通過進化算法從神經網絡框架中獲得最優神經網絡和最劣神經網絡包括：

獲取包括隨機初始化的N個輸入神經網絡的神經網絡框架，N是大于1的整數；

從所述N個輸入神經網絡隨機選擇M個神經網絡樣本，M是大于1的整數；

訓練所述M個神經網絡樣本以獲得所述M個神經網絡樣本的精度；以及

基于所述M個神經網絡樣本的精度獲得所述最優神經網絡和所述最劣神經網絡。

3.如權利要求1所述的神經網絡的生成方法，其中，通過強化學習算法從所述最優神經網絡獲得優化神經網絡包括：

將所述最優神經網絡中的每個網絡結構模塊進行編碼，得到編碼結果；

將所述編碼結果編碼為網絡結構模塊特征；

通過選擇器選擇修改所述每個網絡結構模塊的特征處理層類型或者連接方式；以及

響應于所述選擇器的選擇，修改所述每個網絡結構模塊的特征處理層類型或者連接方式以獲得所述優化神經網絡。

4.如權利要求3所述的神經網絡的生成方法，其中，響應于所述所選擇器的選擇修改所述每個網絡結構模塊的特征處理層類型或者連接方式以獲得所述優化神經網絡包括：

響應于所述選擇器選擇修改所述每個網絡結構模塊的特征處理層類型，通過特征處理層類型修改器選擇所述每個網絡結構模塊的特征處理層類型之一；以及

響應于所述選擇器選擇修改所述每個網絡結構模塊的連接方式，通過網絡連接方式修改器選擇所述每個網絡結構模塊的連接方式之一。

5.如權利要求1所述的神經網絡的生成方法，其中，從更新后的多個神經網絡選擇最終生成的神經網絡包括：

訓練所述更新后的多個神經網絡以使得所述更新后的多個神經網絡收斂；

計算收斂后的多個神經網絡中每個神經網絡的精度；以及

選擇具有最優的精度的神經網絡作為所述最終生成的神經網絡。

6.一種神經網絡的生成裝置，包括：

進化單元，用于通過進化算法從神經網絡框架中獲得最優神經網絡和最劣神經網絡；

強化學習單元，用于通過強化學習算法從所述進化單元獲得的最優神經網絡獲得優化神經網絡；

更新單元，用于通過將所述強化學習單元獲得的所述優化神經網絡加入所述神經網絡框架并從所述神經網絡框架中刪除所述進化單元獲得的所述最劣神經網絡來更新所述神經網絡框架；以及

選擇單元，用于從所述更新單元更新后的神經網絡框架中確定最終生成的神經網絡。

7.如權利要求6所述的神經網絡的生成裝置，其中，所述進化單元包括：

獲取子單元，用于獲取包括隨機初始化的N個輸入神經網絡的神經網絡框架，N是大于1的整數；

選擇子單元，用于從所述獲取子單元獲取的所述N個輸入神經網絡隨機選擇M個神經網絡樣本，M是大于1的整數；

訓練子單元，用于訓練所述選擇子單元選擇的所述M個神經網絡樣本以獲得所述M個神經網絡樣本的精度；以及

獲得子單元，用于基于所述訓練子單元獲得的所述M個神經網絡樣本的精度獲得所述最優神經網絡和所述最劣神經網絡。