[發明專利]神經網絡優化方法、裝置、計算機設備及存儲介質

在審

• 申請號: 201910210081.0
• 申請日: 2019-03-19
• 公開（公告）號: CN110059821A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 王燕;吳奇鋒;王明
• 申請（專利權）人: 埃睿迪信息技術（北京）有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 柴國偉

1.一種神經網絡優化方法，其特征在于，所述神經網絡用于優化工藝過程，所述方法包括：

建立所述工藝過程對應的神經網絡，所述神經網絡包括輸入層、隱含層和輸出層，其中，所述輸入層的節點與所述工藝過程的參數一一對應，所述輸出層節點與所述工藝過程的優化指標參數對應；

利用遺傳算法對所述神經網絡的權值和閾值的分布進行優化，得到所述神經網絡的權值和閾值的搜索區間；

對所述神經網絡進行訓練以從所述搜索區間中確定出權值和閾值的最優解，得到訓練后的神經網絡。

2.根據權利要求1所述的神經網絡優化方法，其特征在于，利用遺傳算法對所述神經網絡的權值和閾值的分布進行優化，包括：

隨機生成若干個個體，每個個體包括對應的神經網絡的權值和閾值；

計算每個個體的適應度；

根據計算得到的適應度選擇一部分個體作為父代個體；

對所述父代個體進行遺傳操作得到子代個體，計算所述子代個體的適應度；

將所述子代個體中適應度高于父代個體的適應度的子代個體作為新的父代個體，替換掉父代個體中適應度低的個體。

3.根據權利要求2所述的神經網絡優化方法，其特征在于，還包括：

計算父代個體中所有個體的在遺傳算法中的誤差平方和；

判斷每個父代個體的誤差平方和是否小于目標誤差；

將誤差平方和小于所述目標誤差的父代個體對應的權值和閾值，作為所述搜索區間的一個要素，用于進行所述神經網絡的訓練。

4.根據權利要求2所述的神經網絡優化方法，其特征在于，在計算每個個體的適應度之前，還包括：

利用實數編碼對所述神經網絡的權值和閾值進行編碼。

5.根據權利要求4所述的神經網絡優化方法，其特征在于，編碼長度S為：

S＝R*S1+S1*S2+S1+S2

其中，R表示所述輸入層的節點個數，S1表示所述隱含層的節點個數，S2表示輸出層的節點個數。

6.根據權利要求1所述的神經網絡優化方法，其特征在于，還包括：

獲取所述工藝過程的訓練樣本；

將所述訓練樣本歸一化處理到[-2,2]。

7.根據權利要求1所述的神經網絡優化方法，其特征在于，還包括：

根據所述輸入層的節點數量和所述輸出層的節點數量計算得到所述隱含層的節點數量區間，所述神經網絡的隱含層的節點在該區間可變；

通過對比所述神經網絡在不同隱含層節點的訓練結果的誤差，確定出最優的隱含層節點數。

8.一種神經網絡優化裝置，其特征在于，所述神經網絡用于優化工藝過程，所述裝置包括：

建立單元，用于建立所述工藝過程對應的神經網絡，所述神經網絡包括輸入層、隱含層和輸出層，其中，所述輸入層的節點與所述工藝過程的參數一一對應，所述輸出層節點與所述工藝過程的優化指標參數對應；

優化單元，用于利用遺傳算法對所述神經網絡的權值和閾值的分布進行優化，得到所述神經網絡的權值和閾值的搜索區間；

訓練單元，用于對所述神經網絡進行訓練以從所述搜索區間中確定出權值和閾值的最優解，得到訓練后的神經網絡。

9.一種計算機設備，其特征在于，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現權利要求1至7任一項所述方法的步驟。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行時實現權利要求1至7任一項所述方法的步驟。