[发明专利]一种神经网络的训练方法及系统

权利要求书

1.一种神经网络的训练方法，其特征在于，包括：

将样本数据输入到目标神经网络中，获取所述样本数据对应的预测标签；

根据样本标签和所述预测标签之间的偏差程度，判断所述样本标签是否正确；

若判断得知所述样本标签错误，则不利用所述样本数据和所述样本标签对所述目标神经网络进行训练。

2.根据权利要求1所述的神经网络的训练方法，其特征在于，还包括：

若判断获知所述样本标签正确，则利用所述样本数据和所述样本标签对所述目标神经网络进行训练。

3.根据权利要求1所述的神经网络的训练方法，其特征在于，将样本数据输入到目标神经网络中，获取所述样本数据对应的预测标签，包括：

将所述目标神经网络切分为特征提取模块和目标分类器；

对所述目标分类器进行复制，获取多个目标分类器，所述目标分类器的学习参数两两不同；

将所述样本数据输入到所述特征提取模块中，获取样本特征；

将所述样本特征分别输入到每一目标分类器中，获取每一目标分类器对所述样本数据的预测标签，即为所述样本数据对应的预测标签。

4.根据权利要求3所述的神经网络的训练方法，其特征在于，所述根据所述样本标签和所述预测标签之间的偏差程度，判断所述样本标签是否正确，包括：

若判断得知所述样本标签与所有目标分类器对所述样本数据的预测标签之间的偏差均大于预设阈值，则判断所述样本标签错误。

5.根据权利要求3所述的神经网络的训练方法，其特征在于，所述根据所述样本标签和所述预测标签之间的偏差程度，判断所述样本标签是否正确，还包括：

若判断得知所述样本标签与所有目标分类器对所述样本数据的预测标签之间的偏差均大于预设阈值，则根据所述样本标签与所有目标分类器对所述样本数据的预测标签之间的偏差，获取平均偏差；

根据所述平均偏差和所述预设阈值，获取随机阈值；

在(0,1)范围内生成随机数；

若判断获知所述随机数小于所述随机阈值，则判断所述样本标签正确，否则，判断所述样本标签错误。

6.根据权利要求5所述的神经网络的训练方法，其特征在于，所述根据所述平均偏差和所述预设阈值，获取随机阈值，应用如下公式获得：

其中，p表示所述随机阈值，e表示所述平均误差，thd表示所述预设阈值。

7.一种应用权利要求1至6任一所述的神经网络的训练方法的目标分类方法，其特征在于，包括：

获取训练后的目标神经网络；

将待分类目标输入到所述目标神经网络中，获取所述待分类目标的所属类别，所述目标神经网络为分类神经网络。

8.一种神经网络的训练系统，其特征在于，包括：

预测模块，用于将样本数据输入到目标神经网络中，获取所述样本数据对应的预测标签；

偏差模块，用于根据样本标签和所述预测标签之间的偏差程度，判断所述样本标签是否正确；

训练模块，用于若判断得知所述样本数据对应的样本标签错误，则不利用所述样本数据和所述样本标签对所述目标神经网络进行训练。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述神经网络的训练方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述神经网络的训练方法的步骤。