[發明專利]神經網絡的訓練方法、裝置及用電負荷的判別方法、裝置

在審

• 申請號: 202010500259.8
• 申請日: 2020-06-04
• 公開（公告）號: CN111680740A
• 公開（公告）日: 2020-09-18
• 發明（設計）人: 郝吉芳
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 陳蕾

本發明涉及一種神經網絡的訓練方法、裝置及用電負荷的判別方法、裝置，所述訓練方法包括：獲取經過預訓練的分類神經網絡，將所述分類神經網絡的輸出端的至少一個網絡層替換為用于判別用電負荷圖像的類別的至少一個網絡層，其中，替換后的輸出端的輸出維度與用電負荷圖像的類別數量相同；將預先獲得的圖像集分為多個子集，并多次確定不同的測試集及對應的訓練集；每次確定測試集及對應的訓練集后，均使用其余子集中的用電負荷圖像訓練所述分類神經網絡至收斂，并根據所述測試集中的用電負荷圖像確定所述分類神經網絡的誤差值；響應于誤差集滿足預設條件，停止訓練所述分類神經網絡，所述誤差集包括各個測試集對應的誤差值。

技術領域

本發明涉及圖像分類技術領域，尤其涉及一種神經網絡的訓練方法、裝置及用電負荷的判別方法、裝置。

背景技術

隨著人工智能技術的發展，神經網絡能進行數據的檢測和判別，實現了自動分類，降低了人工成本，提高了效率和準確率。神經網絡的訓練，需要使用大規模的帶有標注的訓練樣本作為訓練集進行訓練。由于企業用戶的用電負荷數據的數據集很小，因此無法訓練得到用于用電負荷判別的神經網絡，無法對用電負荷進行準確判別。

發明內容

本發明提供一種神經網絡的訓練方法、裝置及用電負荷的判別方法、裝置，以解決相關技術中的不足。

根據本發明實施例的第一方面，提供一種神經網絡的訓練方法，所述神經網絡用于判別用電負荷圖像的類別，所述訓練方法包括：

獲取經過預訓練的分類神經網絡，將所述分類神經網絡的輸出端的至少一個網絡層替換為用于判別用電負荷圖像的類別的至少一個網絡層，其中，替換后的輸出端的輸出維度與用電負荷圖像的類別數量相同；

將預先獲得的圖像集分為多個子集，并多次確定不同的測試集及對應的訓練集，其中，每次將至少一個子集確定為測試集，將其余子集中的至少一個子集確定為訓練集，所述圖像集包括多種用電負荷圖像，每種用電負荷圖像均包括多個用電負荷圖像；

每次確定測試集及對應的訓練集后，均使用訓練集中的用電負荷圖像訓練所述分類神經網絡至收斂，并根據所述測試集中的用電負荷圖像確定所述分類神經網絡的誤差值，其中，所述誤差值為所述分類神經網絡的分類結果的錯誤率；

響應于誤差集滿足預設條件，停止訓練所述分類神經網絡，其中，所述誤差集包括各個測試集對應的誤差值。

在一個實施例中，所述使用訓練集中的用電負荷圖像訓練所述分類神經網絡至收斂，包括：

將訓練集中的一個用電負荷圖像輸入至所述分類神經網絡中，輸出用電負荷圖像的類別；

根據輸出的用電負荷圖像的類別和所述用電負荷圖像的真實類別確定網絡損失值；

基于所述網絡損失值，對所述分類神經網絡的替換后的網絡層的網絡參數進行調整。

在一個實施例中，所述將訓練集中的一個用電負荷圖像輸入至所述分類神經網絡中，包括：

獲取用電負荷圖像的各個像素的坐標值和像素值；

根據各個像素的坐標值和像素值形成用電負荷圖像的像素表示數據；

將所述像素表示數據輸入至所述分類神經網絡中。

在一個實施例中，所述將所述分類神經網絡的輸出端的至少一個網絡層替換為用于判別用電負荷圖像的類別的至少一個網絡層，包括：

將所述分類神經網絡的輸出層替換為用于判別用電負荷圖像的類別的輸出層，其中，所述輸出層的輸出維度與用電負荷圖像的類別數量相同；

將所述輸出層前的至少一個全連接層替換為用于判別用電負荷圖像的類別的至少一個全連接層。

在一個實施例中，所述誤差集滿足預設條件，包括：