[发明专利]一种深度神经网络的记忆方法及计算机设备

摘要

本发明提供一种深度神经网络的记忆方法，包括如下步骤：1、采集问题学习后的训练数据，根据编码模型将训练数据编码成求解特征向量，并存储在记忆单元中；2、输入目标特征向量；3、根据查询模型从记忆单元中查找各求解特征向量，分别计算出每个求解特征向量与目标特征向量之间的差值，从记忆单元中提取出与目标特征向量最接近的求解特征向量；4、将该差值作为新的目标特征向量进行下一轮的输入和迭代，直至完成设定迭代次数，最终提取出最接近的求解特征向量给解码模型；5、读取该求解特征向量，产生对应的指令序列，将求解特征向量还原成训练数据。本发明还提供一种计算机设备，将训练数据表示为求解特征向量，大大提高记忆能力。

主权项

1.一种深度神经网络的记忆方法，深度神经网络包括编码模型、记忆单元、查询模型和解码模型，其特征在于：包括如下步骤：步骤1、采集问题学习后的训练数据，所述学习后的训练数据包括问题信息和对应的解答信息，根据编码模型将所述学习后的训练数据编码成对应的求解特征向量，并将该求解特征向量存储在深度神经网络的记忆单元中；步骤2、输入目标特征向量给深度神经网络；步骤3、根据查询模型从记忆单元中查找各求解特征向量，分别计算出每个求解特征向量与目标特征向量之间的差值，从记忆单元中提取出与目标特征向量最接近的求解特征向量，差值越小，表示求解特征向量与目标特征向量越接近；步骤4、将该差值作为新的目标特征向量，输入到深度神经网络中，重复步骤3至步骤4进行下一轮迭代，迭代次数由用户自行设定，若在设定的迭代次数内该差值位于设定范围内，则认为该问题信息描述的问题已被记忆单元中的解答信息所解决，最终提取出最接近的的求解特征向量给解码模型，进入步骤5；否则认为该问题需要新知识来解决，那么将最后的差值存放在记忆单元中；步骤5、解码模型读取该求解特征向量，并根据该求解特征向量产生对应的指令序列，再根据该指令序列将求解特征向量还原成对应的学习后的训练数据，所述指令序列作为学习后的训练数据的调用接口，将学习后的训练数据从深度神经网络中解放出来用于学习问题的规律。