[发明专利]获胜神经元的确定方法、装置、设备和存储介质

权利要求书

1.一种获胜神经元的确定方法，其特征在于，包括：

获取自组织神经网络当前优胜域中各神经元的当前权重值以及所述自组织神经网络的当前训练数据；

计算每个当前权重值与所述当前训练数据之间的相似度参数，并基于所述相似度参数确定所述自组织神经网络的获胜神经元。

2.根据权利要求1所述的方法，其特征在于，所述相似度参数为一致性函数值，所述计算每个当前权重值与所述当前训练数据之间的相似度参数，并基于所述相似度参数确定所述自组织神经网络的获胜神经元，包括：

计算每个当前权重值与所述当前训练数据之间的一致性函数值，所述当前权重值和所述当前训练数据均为行向量或列向量；

将所述一致性函数值最大的当前权重值对应的神经元确定为所述自组织神经网络的获胜神经元。

3.根据权利要求2所述的方法，其特征在于，所述计算每个当前权重值与所述当前训练数据之间的一致性函数值，包括：

计算每个当前权重值的第一自谱密度、所述当前训练数据的第二自谱密度、每个当前权重值与所述当前训练数据的交叉普密度；

根据所述第一自谱密度、所述第二自谱密度和所述交叉普密度确定每个当前权重值与所述当前训练数据之间的一致性函数值。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一自谱密度、所述第二自谱密度和所述交叉普密度确定每个当前权重值与所述当前训练数据之间的一致性函数值，包括：

通过如下公式计算每个当前权重值与所述当前训练数据之间的一致性函数值：

其中，S_x(ω),为当前权重值的第一自谱密度，S_y(ω)为当前训练数据的第二自谱密度，S_xy(ω)为所述当前权重值和所述当前训练数据的交叉谱密度。

5.根据权利要求1所述的方法，其特征在于，在所述基于所述相似度参数确定所述自组织神经网络的获胜神经元之后，还包括：

确定所述获胜神经元对应的权重值调整域以及所述自组织神经网络的当前学习率函数；

根据所述当前学习率函数计算所述权重值调整域中各神经元调整后的权重值；

将所述权重值调整域确定为所述自组织神经网络的当前优胜域，将各所述调整后的权重值确定为所述当前优胜域中各神经元的当前权重值；

获取所述自组织神经网络的下一输入数据，将所述下一输入数据确定为所述自组织神经网络的当前训练数据，并返回执行计算每个权重值与所述当前训练数据之间的相似度参数的操作，直至所述当前学习率函数的最大值在设定数值范围内为止，以得到所述自组织神经网络中各神经元的权重值，完成训练。

6.根据权利要求5所述的方法，其特征在于，所述确定所述获胜神经元对应的权重值调整域以及所述自组织神经网络的当前学习率函数，包括：

以所述获胜神经元为中心，按照设定缩减规则对所述当前优胜域进行缩减，得到所述获胜神经元对应的权重值调整域；

根据上次调整权重值时的上一学习率函数以及所述自组织神将网络学习率函数的调整规则确定所述自组织神经网络的当前学习率函数。

7.根据权利要求5所述的方法，其特征在于，所述将各所述调整后的权重值确定为所述当前优胜域中各神经元的当前权重值，包括：

对各所述调整后的权重值进行归一化处理，并将归一化处理后的各权重值确定为所述当前优胜域中各神经元的当前权重值；

相应的，所述将所述下一输入数据确定为所述自组织神经网络的当前训练数据，包括：

对所述下一输入数据进行归一化处理，并将归一化处理后的下一输入数据确定为所述自组织神经网络的当前训练数据。

8.一种获胜神经元的确定装置，其特征在于，包括：

权重数据获取模块，用于获取自组织神经网络当前优胜域中各神经元的当前权重值以及所述自组织神经网络的当前训练数据；

神经元确定模块，用于计算每个当前权重值与所述当前训练数据之间的相似度参数，并基于所述相似度参数确定所述自组织神经网络的获胜神经元。