[發明專利]一種神經網絡模型訓練方法、系統、設備及計算機介質在審

申請號：	201910132624.1	申請日：	2019-02-22
公開（公告）號：	CN111612139A	公開（公告）日：	2020-09-01
發明（設計）人：	佘金龍	申請（專利權）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：	北京集佳知識產權代理有限公司 11227	代理人：	羅滿
地址：	310051 浙江省杭州市濱江區西興街道江陵路***	國省代碼：	浙江;33
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種神經網絡模型訓練方法系統設備計算機介質
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本申請公開了一種神經網絡模型訓練方法、系統、設備及計算機介質，該方法包括：獲取目標神經網絡模型在當前迭代訓練過程中的權重值；確定權重值在GSA算法中對應的粒子，并采用GSA算法確定粒子對應的第一速度值和第一位置值；通過第一速度值，采用PSO算法確定粒子對應的第二位置值；通過第一位置值、第二位置值，采用GSA算法確定粒子對應的第二速度值；通過第二速度值，采用GSA算法確定粒子對應的第三位置值；根據第一位置值和第三位置值更新權重值。本申請提供的神經網絡模型訓練方法、系統、設備及計算機可讀存儲介質，信息共享能力快、全局搜索能力強，可以提高神經網絡模型的收斂速度，同時提升神經網絡的識別精度。

技術領域

本申請涉及神經網絡模型技術領域，更具體地說，涉及一種神經網絡模型訓練方法、系統、設備及計算機介質。

背景技術

隨著神經網絡模型的應用，為了使得神經網絡模型準確性更高，要求對神經網絡模型的訓練過程更加準確。

現有的一種神經網絡模型訓練方法是：在神經網絡模型的訓練過程中，選出效果較差的濾波器組和效果較好的濾波器組，通過把較差濾波器組中的部分系數用較好濾波器組中的部分系數進行替換，從而實現卷積層濾波器之間的參數更新，用修改之后的神經網絡模型進行訓練，訓練一定次數后，對比修改后和修改前的網絡產生的誤差大小，判斷先前實現的濾波器參數更新是否有效，從兩個神經網絡模型中進行選擇，保留性能好的神經網絡模型用于后面的訓練，通過不斷地重復這個過程，最終可以訓練出一個性能優異的神經網絡模型。

然而，現有的神經網絡模型訓練方法中，主要通過人為地將較好濾波器組中的部分系數去替換較差濾波器組中的部分系數，使得神經網絡模型的準確率及收斂速度難以提升。

綜上所述，如何提高神經網絡模型的準確率及收斂速度是目前本領域技術人員亟待解決的問題。

發明內容

本申請的目的是提供一種神經網絡模型訓練方法，其能在一定程度上解決如何提高神經網絡模型的準確率及收斂速度的技術問題。本申請還提供了一種神經網絡模型訓練系統、設備及計算機可讀存儲介質。

為了實現上述目的，本申請提供如下技術方案：

一種神經網絡模型訓練方法，包括：

獲取目標神經網絡模型在當前迭代訓練過程中的權重值；

確定所述權重值在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；

根據所述第一位置值和所述第三位置值更新所述權重值。