[发明专利]神经网络的训练方法、装置及计算机存储介质

说明书

本发明提出一种神经网络的训练方法，包括：获取神经网络的每一节点与上一层连接的各个节点间的权重值；使用演化式计算整合权重值和对应的每一节点的输入值，动态生成每一节点的输出值；修正神经网络的节点间的权重值；根据修正后的权重值结合节点的输出值迭代得到后一层节点的输出值；输出训练后的神经网络。本发明还对应提供了神经网络的训练装置及计算机存储介质。本发明提供的神经网络训练方法，使用演化式计算来动态产生神经元函数，可以依据给定的数据来产生适应给定数据的神经元函数。进一步地，采用本发明的神经网络的训练方法，可以使神经网络较好的适应数据，得到较高的准确率。

技术领域

本发明涉及一种信息技术领域，特别是一种神经网络的训练方法、装置及计算机存储介质。

背景技术

传统的类神经网络使用的神经元激活函数是固定的，透过梯度下降等训练方法，来调整每层类神经网络的权重。上述神经网络的训练方法无法适用不同的数据，得到的数据准确率较低。

发明内容

鉴于上述状况，有必要提供一种神经网络的训练方法、装置及计算机存储介质，用于适应不同的数据，以解决上述问题。

本发明第一方面提供了一种神经网络的训练方法，所述训练方法包括如下步骤：获取所述神经网络的每一节点与上一层连接的各个节点间的权重值；使用演化式计算整合所述权重值和对应的每一节点的输入值，动态生成所述每一节点的输出值，其中，所述神经网络的后一层的节点的输入值取自前一层的节点的输出值；修正所述神经网络的所述节点间的所述权重值；根据修正后的所述权重值结合所述节点的输出值迭代得到后一层所述节点的输出值；输出训练后的神经网络。

本发明第二方面提供了一种神经网络的训练装置，所述训练装置包括：显示单元，用于显示所述神经网络结构；处理单元；以及存储单元，所述存储单元中存储有多个程序模块，所述多个程序模块由所述处理单元运行并执行如下步骤：获取所述神经网络的每一节点与上一层连接的各个节点间的权重值；使用演化式计算整合所述权重值和对应的每一节点的输入值，动态生成所述每一节点的输出值，其中，所述神经网络的后一层的节点的输入值取自前一层的节点的输出值；修正所述神经网络的所述节点间的所述权重值；根据修正后的所述权重值结合所述节点的输出值迭代得到后一层所述节点的输出值；输出训练后的神经网络。

本发明的第三方面还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序代码，当所述计算机程序代码在计算设备上运行时，导致所述计算设备执行上述的神经网络训练方法。

本发明提供的神经网络的训练方法，使用演化式计算来动态产生神经元函数，神经元函数可以依据给定的数据来产生适应给定数据的神经元函数。进一步地，采用本发明的神经网络的训练方法，可以使神经网络较好的适应数据，得到较高的准确率。

附图说明

图1是本发明一个实施例中的神经网络的示意图。

图2是本发明一个实施例中神经网络的训练方法的流程示意图。

图3是图1所示的神经网络的第一层的示意图。

图4是图2所示的神经网络的第二层的示意图。

图5是本发明一个实施例中神经网络的训练装置的硬件架构图。

主要元件符号说明

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式及实施方式中的特征可以相互组合。