[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

本申請提供一種神經網絡的訓練方法，包括：將任務信息輸入預設學習模型得到樣本數據，其中，任務信息用于指示需要獲取的樣本的特點；利用預測模型對樣本數據進行處理得到預測結果，在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，利用本申請提供神經網絡的訓練方法，能夠良好的指導神經網絡進行自主學習，效率高，訓練的精確度好。

技術領域

本申請人工智能技術領域，尤其涉及一種神經網絡的訓練方法及電子設備。

背景技術

人工智能技術領域中，可以利用神經網絡實現各種功能，例如，利用神經網絡來完成某種信號處理或圖像的識別等，在使用神經網絡處理用戶的目標任務時，一般需要先對神經網絡進行訓練，以使得該神經網絡的處理效果達到用戶的需求標準，這種訓練過程中往往需要人工大量的篩選樣本數據，訓練過程的效率低，效果差，影響神經網絡的精確度。

發明內容

有鑒于此，本申請解決的技術問題之一在于提供一種神經網絡的訓練方法及電子設備，能夠指導神經網絡進行自主學習。

本申請實施例提供一種神經網絡的訓練方法，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；

預測模型根據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。

可選的，在本申請的一個實施例中，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預設差值時，確定所述預設學習模型完成訓練。

可選的，在本申請的一個實施例中，所述神經網絡的訓練方法還包括：

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。

可選的，在本申請的一個實施例中，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，還包括：

在所述預測結果與上一次預測結果的差大于預設差值時，確定所述預測結果不滿足所述預定條件。

可選的，在本申請的一個實施例中，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。

本申請實施例還提供一種神經網絡的訓練系統，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；

可選的，在本申請的一個實施例中，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小于或等于預設差值時，確定所述預設學習模型完成訓練。

可選的，在本申請的一個實施例中，所述預測模塊，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。