[发明专利]神经网络架构搜索方法、装置、终端设备以及存储介质

权利要求书

1.一种神经网络架构搜索方法，其特征在于，所述方法包括：

确定用于构建目标神经网络的搜索空间和训练数据集，所述搜索空间中包括多种基础运算，所述训练数据集中包括多个样本数据，所述多个样本数据中包括n类输入属性特征数据，一个样本数据包括m类输入属性特征数据，其中n大于m；

基于所述多个样本数据对初始神经网络中的权重矩阵和架构参数进行调整以得到调整后的权重矩阵和架构参数，所述初始神经网络包括多个节点，所述多个节点中每相邻两个节点之间通过至少两种基础运算连接，所述架构参数包括特征权重参数和基础运算参数，所述特征权重参数包括n个特征权重值，一类输入属性特征数据对应一个特征权重值，所述基础运算参数包括各相邻两个节点之间各基础运算对应的置信度，其中，连接任一相邻两个节点的任一基础运算对应的置信度为所述任一基础运算作为所述任一相邻两个节点之间目标基础运算的概率值；

根据调整后的权重矩阵和基础运算参数确定目标神经网络，并根据调整后的特征权重参数确定用于所述目标神经网络的目标输入属性特征数据。

2.根据权利要求1所述的方法，其特征在于，所述根据调整后的权重矩阵和基础运算参数确定目标神经网络，包括：

从调整后的基础运算参数中确定出任一相邻两个节点之间各基础运算对应的置信度；

将所述任一相邻两个节点之间各基础运算对应的置信度中的最大置信度所对应的基础运算，确定为所述任一相邻两个节点之间的目标基础运算；

根据调整后的权重矩阵以及每相邻两个节点之间的目标基础运算生成目标神经网络。

3.根据权利要求1或2所述的方法，其特征在于，所述根据调整后的特征权重参数确定用于所述目标神经网络的目标输入属性特征数据，包括：

确定用于所述目标神经网络的输入属性特征数据的数量x，x小于n；

对调整后的特征权重参数中包括的n个特征权重值进行降序排列；

将经过降序排列后的前x个特征权重值所指示的x类输入属性特征数据确定为用于所述目标神经网络的目标输入属性特征数据。

4.根据权利要求1或2所述的方法，其特征在于，所述根据调整后的特征权重参数确定用于所述目标神经网络的目标输入属性特征数据，包括：

获取特征权重阈值；

从调整后的特征权重参数中包括的n个特征权重值中确定出大于或等于所述特征权重阈值的多个特征权重值；

将所述多个特征权重值所指示的多类输入属性特征数据确定为用于所述目标神经网络的目标输入属性特征数据。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述多个节点中包括多层节点，上层节点与下层节点之间通过至少两种基础运算连接；

在所述初始神经网络中，第一层节点的输入包括各样本数据中的m类输入属性特征数据，所述第一层节点的输出由所述各样本数据中的m类输入属性特征数据以及所述各样本数据中的m类输入属性特征数据中各输入属性特征数据对应的特征权重值确定，所述第一层节点之后的任一层节点的输入由所述任一层节点的上层节点的输出、所述任一层节点与所述任一层节点的上层节点之间的各基础运算以及所述各基础运算对应的置信度确定，所述多层节点中最后一层节点的输出用于调整所述初始神经网络中的权重矩阵和架构参数。

6.根据权利要求5所述的方法，其特征在于，所述任一层节点的输入由所述任一层节点的上层节点的输出，分别执行所述任一层节点与所述任一层节点的上层节点之间的各种基础运算后得到的值，与所述各种基础运算对应的置信度进行加权求和后确定。

7.根据权利要求1所述的方法，其特征在于，所述样本数据包括样本药物数据，所述样本药物数据中的输入属性特征数据包括组成药物分子的各原子对应的原子属性特征数据，其中，原子属性特征包括原子类型、化学键个数、形式电荷、原子手性、连接氢原子个数、原子轨道、芳香性中的一个或者多个。