[發(fā)明專利]一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911314100.0
• 申請(qǐng)日: 2019-12-19
• 公開（公告）號(hào): CN110728362B
• 公開（公告）日: 2020-05-22
• 發(fā)明（設(shè)計(jì)）人: 詹東旭;王安妮;張勝森;鄭增強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 武漢精立電子技術(shù)有限公司;武漢精測(cè)電子集團(tuán)股份有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G09G3/3208
• 代理公司: 武漢東喻專利代理事務(wù)所(普通合伙) 42224
• 代理人: 李佑宏

1.一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，包括如下步驟：

S1.利用樣本模組對(duì)LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)；所述LSTM神經(jīng)網(wǎng)絡(luò)的輸入為由多個(gè)綁點(diǎn)初始向量組成的輸入綁點(diǎn)隊(duì)列，所述綁點(diǎn)初始向量包括輸入綁點(diǎn)及其Gamma調(diào)節(jié)值；所述LSTM神經(jīng)網(wǎng)絡(luò)的輸出綁點(diǎn)隊(duì)列包括一個(gè)或多個(gè)輸出綁點(diǎn)預(yù)測(cè)向量，所述輸出綁點(diǎn)預(yù)測(cè)向量包括輸出綁點(diǎn)及其Gamma調(diào)節(jié)預(yù)測(cè)初值；

S2.獲取待調(diào)制模組的當(dāng)前輸入綁點(diǎn)隊(duì)列，利用訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)獲取待調(diào)制模組的當(dāng)前輸出綁點(diǎn)隊(duì)列，利用當(dāng)前輸出綁點(diǎn)的Gamma調(diào)節(jié)預(yù)測(cè)初值對(duì)待調(diào)制模組的當(dāng)前輸出綁點(diǎn)進(jìn)行Gamma調(diào)節(jié)獲得Gamma調(diào)節(jié)值；

S3.利用所述當(dāng)前輸出綁點(diǎn)隊(duì)列更新所述當(dāng)前輸入綁點(diǎn)隊(duì)列以生成下一輸入綁點(diǎn)隊(duì)列，重復(fù)步驟S2，直至完成待調(diào)制模組的所有綁點(diǎn)的Gamma調(diào)節(jié)。

2.根據(jù)權(quán)利要求1所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，任一調(diào)節(jié)模式下，利用樣本模組對(duì)LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取所述調(diào)節(jié)模式下訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)，利用所述調(diào)節(jié)模式下訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)對(duì)待調(diào)制模組綁點(diǎn)進(jìn)行初值預(yù)測(cè)。

3.根據(jù)權(quán)利要求1或2所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，步驟S3中的利用所述當(dāng)前輸出綁點(diǎn)隊(duì)列更新所述當(dāng)前輸入綁點(diǎn)隊(duì)列以生成下一輸入綁點(diǎn)隊(duì)列替換為：利用輸出綁點(diǎn)及其Gamma調(diào)節(jié)值更新所述當(dāng)前輸入綁點(diǎn)隊(duì)列以生成下一輸入綁點(diǎn)隊(duì)列。

4.根據(jù)權(quán)利要求1或2所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，利用當(dāng)前輸出綁點(diǎn)的Gamma調(diào)節(jié)值和Gamma調(diào)節(jié)預(yù)測(cè)初值生成當(dāng)前輸出綁點(diǎn)的損失函數(shù)，利用當(dāng)前輸出綁點(diǎn)的損失函數(shù)對(duì)LSTM神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)進(jìn)行優(yōu)化，以得到訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)。

5.根據(jù)權(quán)利要求3所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，將多個(gè)樣本模組作為一個(gè)樣本組對(duì)LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，利用所述樣本組的總體損失函數(shù)對(duì)LSTM神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)進(jìn)行調(diào)節(jié)，所述總體損失函數(shù)為所述樣本組的所有樣本模組的損失函數(shù)之和。

6.根據(jù)權(quán)利要求4所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，所述當(dāng)前輸出綁點(diǎn)的損失函數(shù)為：當(dāng)前輸出綁點(diǎn)的Gamma調(diào)節(jié)值和Gamma調(diào)節(jié)預(yù)測(cè)初值的歐式距離值。

7.根據(jù)權(quán)利要求4所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，所述當(dāng)前輸出綁點(diǎn)的損失函數(shù)為：任一寄存器的Gamma調(diào)節(jié)值和Gamma調(diào)節(jié)預(yù)測(cè)初值之間差值的絕對(duì)值之和。

8.根據(jù)權(quán)利要求1或2所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，綁點(diǎn)的調(diào)制順序?yàn)椋航夵c(diǎn)的灰階值由高至低，其中，前N個(gè)綁點(diǎn)利用常規(guī)Gamma初值預(yù)測(cè)方法進(jìn)行調(diào)節(jié)，其余綁點(diǎn)利用所述基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法進(jìn)行調(diào)節(jié)。

9.根據(jù)權(quán)利要求1或2所述的一種基于LSTM神經(jīng)網(wǎng)絡(luò)的模組Gamma調(diào)節(jié)方法，其特征在于，將Gamma調(diào)節(jié)后的待調(diào)制模組作為新的樣本模組，更新LSTM神經(jīng)網(wǎng)絡(luò)的權(quán)重系數(shù)。

10.一種終端設(shè)備，其特征在于，包括至少一個(gè)處理單元、以及至少一個(gè)存儲(chǔ)單元，其中，所述存儲(chǔ)單元存儲(chǔ)有計(jì)算機(jī)程序，當(dāng)所述程序被所述處理單元執(zhí)行時(shí)，使得所述處理單元執(zhí)行權(quán)利要求1～9任一權(quán)利要求所述方法的步驟。