[發(fā)明專利]一種神經(jīng)網(wǎng)絡模型訓練方法、系統(tǒng)、設備及計算機介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910132624.1
• 申請日: 2019-02-22
• 公開（公告）號: CN111612139A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設計）人: 佘金龍
• 申請（專利權(quán)）人: 浙江宇視科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

1.一種神經(jīng)網(wǎng)絡模型訓練方法，其特征在于，包括：

獲取目標神經(jīng)網(wǎng)絡模型在當前迭代訓練過程中的權(quán)重值；

確定所述權(quán)重值在GSA算法中對應的粒子，并采用所述GSA算法確定所述粒子對應的第一速度值和第一位置值；

通過所述第一速度值，采用PSO算法確定所述粒子對應的第二位置值；

通過所述第一位置值、所述第二位置值，采用所述GSA算法確定所述粒子對應的第二速度值；

通過所述第二速度值，采用所述GSA算法確定所述粒子對應的第三位置值；

根據(jù)所述第一位置值和所述第三位置值更新所述權(quán)重值。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述第一位置值和所述第三位置值更新所述權(quán)重值，包括：

計算所述第一位置值的第一適應度值；

計算所述第三位置值的第二適應度值；

判斷所述第二適應度值是否大于等于所述第一適應度值，若是，則基于所述第三位置值更新所述權(quán)重值，若否，則基于所述第一位置值更新所述權(quán)重值。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述采用所述GSA算法確定所述粒子對應的第一速度值和第一位置值，包括：

采用第一GSA運算公式，計算所述粒子對應的第一速度值和第一位置值；

所述第一GSA運算公式包括：

其中，表示所述第一速度值；表示所述第一位置值；α表示下降系數(shù)；G₀表示初始引力常數(shù)；t表示迭代次數(shù)，t_max表示最大迭代次數(shù)；X_i(t)表示所述權(quán)重值對應的第i個粒子的位置；X_j(t)表示所述權(quán)重值對應的第j個粒子的位置；表示所述權(quán)重值對應的第j個粒子在第d維空間上的位置；表示所述權(quán)重值對應的第i個粒子在第d維空間上的位置；M_i(t)表示所述權(quán)重值對應的第i個粒子的慣性質(zhì)量；M_j(t)表示所述權(quán)重值對應的第j個粒子的慣性質(zhì)量；ε為常量；rand_j為在[0,1]范圍間隨機數(shù)；m表示輸出節(jié)點數(shù)；q表示輸出樣本數(shù)；g_i表示訓練后的預測輸出；σ表示訓練樣本目標輸出；best(t)表示第i個權(quán)重值的最大適應度值；worst(t)表示所述權(quán)重值對應的第i個粒子的最小適應度值；rand_i表示范圍在[0,1]間隨機數(shù)；N表示所述權(quán)重值對應的粒子規(guī)模。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述通過所述第一速度值，采用PSO算法確定所述粒子對應的第二位置值，包括：

采用所述PSO算法確定所述粒子對應的原位置值；

通過所述第一速度值、所述原位置值，采用第一PSO運算公式計算所述粒子對應的第四位置值；

計算所述第四位置值和所述原位置值的適應度值，將數(shù)值大的適應度值所對應的位置值作為所述第二位置值；

所述第一PSO運算公式包括：

其中，g'_i,best表示所述第四位置值；表示所述原位置值；Psize表示所述權(quán)重值對應的粒子總數(shù)；rand表示[0,1]之間的隨機數(shù)。