[发明专利]神经网络的训练误差降低方法、装置、电子设备及介质

权利要求书

1.一种神经网络的训练误差降低方法，其特征在于，包括以下步骤：

确定目标神经网络的每个输出端口的优先级；

根据所述优先级匹配所述目标神经网络的每个输出端口的误差权重系数，其中，所述优先级高的输出端口的误差权重系数大于所述优先级低的输出端口的误差权重系数；

根据所述每个输出端口的误差权重系数计算所述目标神经网络的训练误差，以进行训练，直至在所述训练误差满足预设精度条件时，完成所述目标神经网络的训练。

2.根据权利要求1所述的方法，其特征在于，所述根据所述每个输出端口的误差权重系数计算所述目标神经网络的训练误差，包括：

获取所述每个输出端口的预期输出值和训练输出值；

根据所述每个输出端口的所述预期输出值、所述训练输出值和所述误差权重系数计算得到所述训练误差。

3.根据权利要求2所述的方法，其特征在于，所述每个端口的训练误差根据对应端口的优先级进行加权求和。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述目标神经网络包括衍射神经网络、干涉神经网络和散射神经网络中的一种或多种光学神经网络。

5.一种神经网络的训练误差降低装置，其特征在于，包括：

确定模块，用于确定目标神经网络的每个输出端口的优先级；

匹配模块，用于根据所述优先级匹配所述目标神经网络的每个输出端口的误差权重系数，其中，所述优先级高的输出端口的误差权重系数大于所述优先级低的输出端口的误差权重系数；

降低模块，用于根据所述每个输出端口的误差权重系数计算所述目标神经网络的训练误差，以进行训练，直至在所述训练误差满足预设精度条件时，完成所述目标神经网络的训练。

6.根据权利要求5所述的装置，其特征在于，所述降低模块，进一步用于：

获取所述每个输出端口的预期输出值和训练输出值；

根据所述每个输出端口的所述预期输出值、所述训练输出值和所述误差权重系数计算得到所述训练误差。

7.根据权利要求6所述的装置，其特征在于，所述每个端口的训练误差根据对应端口的优先级进行加权求和。

8.根据权利要求5-7任意一项所述的装置，其特征在于，所述目标神经网络包括衍射神经网络、干涉神经网络和散射神经网络中的一种或多种光学神经网络。

9.一种电子设备，其特征在于，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，所述处理器执行所述程序，以实现如权利要求1-4任一项所述的神经网络的训练误差降低方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-4任一项所述的神经网络的训练误差降低方法。