[發明專利]一種神經網絡的訓練方法及電子設備在審
| 申請號： | 202010259862.1 | 申請日： | 2020-04-03 |
| 公開（公告）號： | CN111461328A | 公開（公告）日： | 2020-07-28 |
| 發明（設計）人： | 陳志熙 | 申請（專利權）人： | 南京星火技術有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08 |
| 代理公司： | 北京合智同創知識產權代理有限公司 11545 | 代理人： | 李杰 |
| 地址： | 210032 江蘇省南京*** | 國省代碼： | 江蘇;32 |
| 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 訓練 方法 電子設備 | ||
1.一種神經網絡的訓練方法，其特征在于，包括：
將任務信息輸入預設學習模型得到樣本數據，所述任務信息用于指示需要獲取的樣本的特點；
利用預測模型對所述樣本數據進行處理得到預測結果；
在所述預測結果滿足預定條件時，確定所述預設學習模型完成訓練。
2.根據權利要求1所述的神經網絡的訓練方法，其特征在于，所述在所述預測結果滿足預定條件時，確定所述預設學習模型完成訓練，包括：
在所述預測結果與上一次預測結果的差小于或等于所述預設差值時，確定所述預設學習模型完成訓練。
3.根據權利要求1所述的神經網絡的訓練方法，其特征在于，所述方法還包括：
在所述預測結果不滿足所述預定條件時，將所述預測結果與上一次預測結果的差與所述任務信息輸入所述預設學習模型獲取新的所述樣本數據；
將新的所述樣本數據輸入所述預測模型，得到新的預測結果。
4.根據權利要求4所述的神經網絡的訓練方法，其特征在于，所述方法還包括：
在所述預測結果與上一次預測結果的差大于所述預設差值時，確定所述預測結果不滿足所述預定條件。
5.根據權利要求1所述的神經網絡的訓練方法，其特征在于，預測模型根據所述樣本數據得到預測結果，包括：
構建所述樣本數據的知識圖譜；
將所述知識圖譜輸入所述預測模型得到所述預測結果。
6.一種電子設備，其特征在于，包括：學習模塊和預測模塊，
所述學習模塊，用于將任務信息輸入預設學習模型得到樣本數據；
所述預測模塊，用于利用預測模型對所述樣本數據進行處理得到預測結果，在所述預測結果滿足預定條件時，確定所述預設學習模型完成訓練。
7.根據權利要求6所述的電子設備，其特征在于，
所述預測模塊，在所述預測結果與上一次預測結果的差小于或等于所述預設差值時，確定所述預設學習模型完成訓練。
8.根據權利要求6所述的電子設備，其特征在于，
所述預測模塊，還用于在所述預測結果不滿足所述預定條件時，將所述預測結果與上一次預測結果的差與所述任務信息輸入所述預設學習模型獲取新的所述樣本數據；
將新的所述樣本數據輸入所述預測模型，得到新的預測結果。
9.根據權利要求6所述的電子設備，其特征在于，
所述預測模塊，還用于在所述預測結果與上一次預測結果的差大于所述預設差值時，確定所述預測結果不滿足所述預定條件。
10.根據權利要求6所述的電子設備，其特征在于，
還包括知識圖譜構建模塊，所述知識圖譜構建模塊用于構建所述樣本數據的知識圖譜；
所述預測模塊，還用于將所述知識圖譜輸入所述預測模型得到所述預測結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京星火技術有限公司，未經南京星火技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010259862.1/1.html，轉載請聲明來源鉆瓜專利網。
