[发明专利]神经网络生成、数据处理、智能行驶控制方法及装置

权利要求书

1.一种神经网络生成方法，其特征在于，包括：

确定表征神经网络结构的结构向量；

基于训练后的神经预测器、和所述结构向量，确定所述结构向量对应的梯度向量；其中，所述神经预测器用于预测所述结构向量对应的神经网络结构的性能；所述梯度向量用于表征所述结构向量对应的神经网络结构的调整信息；

基于所述梯度向量、和所述结构向量，确定目标神经网络。

2.根据权利要求1所述的方法，其特征在于，所述基于训练后的神经预测器、和所述结构向量，确定所述结构向量对应的梯度向量，包括：

基于所述训练后的神经预测器、和所述结构向量，确定所述结构向量对应的神经网络结构的性能参数；

基于所述神经网络结构的性能参数、和设置的所述性能参数对应的目标值，确定所述神经网络结构的预测误差；

基于所述预测误差、和所述结构向量对应的神经网络结构，确定所述结构向量对应的梯度向量。

3.根据权利要求1所述的方法，其特征在于，所述基于训练后的神经预测器、和所述结构向量，确定所述结构向量对应的梯度向量，包括：

从表征神经网络结构的多个结构向量中选取第一结构向量，将选取的所述第一结构向量确定为待检测结构向量；

基于所述训练后的神经预测器、和所述待检测结构向量，确定所述待检测结构向量对应的待检测神经网络结构的性能参数；

基于所述待检测神经网络结构的性能参数、所述待检测结构向量对应的待检测神经网络结构，确定所述待检测结构向量的梯度向量。

4.根据权利要求3所述的方法，其特征在于，所述基于所述待检测神经网络结构的性能参数、所述待检测结构向量对应的待检测神经网络结构，确定所述待检测结构向量的梯度向量，包括：

基于所述待检测神经网络结构的性能参数，确定所述待检测神经网络结构的预测误差；

基于所述预测误差、和所述待检测结构向量对应的待检测神经网络结构，确定所述待检测结构向量的梯度向量。

5.根据权利要求3或4所述的方法，其特征在于，所述基于所述梯度向量、和所述结构向量，确定目标神经网络，包括：

基于所述待检测结构向量对应的梯度向量、和所述待检测结构向量，确定中间结构向量；

将所述中间结构向量确定为新的待检测结构向量，返回至基于所述训练后的神经预测器、和所述待检测结构向量，确定所述待检测结构向量对应的待检测神经网络结构的性能参数的步骤，直至满足预设的截止条件；

将满足预设截止条件时的所述中间结构向量对应的神经网络结构，确定为目标神经网络结构；

对所述目标神经网络结构进行神经网络训练，确定所述目标神经网络。

6.根据权利要求5所述的方法，其特征在于，所述预设的截止条件包括以下至少一种：

迭代次数达到设置的次数阈值；

生成的中间结构向量对应的神经网络结构的准确率大于设置的准确率阈值；

生成的中间结构向量对应的神经网络结构的运算要求满足设置的运算约束条件。

7.根据权利要求1～6任一所述的方法，其特征在于，所述结构向量中包括至少一个第一元素，每个第一元素对应所述神经网络结构的一个结构参数信息，所述基于所述梯度向量、和所述结构向量，确定目标神经网络，包括：

利用所述梯度向量，对所述结构向量中的至少一个第一元素进行调整，生成调整后结构向量；

对所述调整后结构向量对应的目标神经网络结构进行神经网络训练，得到所述目标神经网络。