在低功率控制器上执行遗传算法制造技术

本申请案涉及在低功率控制器上执行遗传算法。一种方法包含从多个模型选择模型的子集。所述多个模型是基于遗传算法生成且对应于所述遗传算法的第一时期。所述多个模型中的每一者包含代表神经网络的数据。所述方法包含关于所述子集的至少一个模型执行所述遗传算法的至少一个遗传操作以生成可训练模型。所述方法包含确定与先前反向传播迭代相关联的改进率。所述方法包含基于所述改进率选择所述可训练模型或先前可训练模型中的一者作为所选择的可训练模型。所述方法包含通过训练所述所选择的可训练模型生成经训练模型。所述方法包含将所述经训练模型作为输入添加到所述第一时期之后的所述遗传算法的第二时期。期之后的所述遗传算法的第二时期。期之后的所述遗传算法的第二时期。

【技术实现步骤摘要】
在低功率控制器上执行遗传算法


[0001]本专利技术涉及遗传算法，特定来说，涉及低功率控制器上的遗传算法。

技术介绍

[0002]计算机通常用于解决复杂的定量及定性问题。对于涉及较大数据集的问题，通常会雇用经过专门训练的专业人员，被称数据科学家。数据科学家解译数据集并构造可由计算机处理以解决问题的模型。然而，对许多组织来说，雇用数据科学家的成本过高。
[0003]对于某些类型的问题，先进的计算技术(例如遗传算法或反向传播)可用于开发一模型(例如神经网络)，其在准确性方面比得上可由数据科学家创建的模型。然而，遗传算法可采用大量迭代来收敛于可接受的神经网络，且当对较大数据集建模时或当神经网络包含大量节点、连接或层时反向传播可能较慢。
[0004]在真实世界应用中，神经网络通常必须基于大量数据进行训练。处理此大量数据可能超过了某些控制器或处理器(例如“低功率”控制器或处理器)的能力。能够处理用于神经网络训练的大量数据的专用处理器可为昂贵的且耗电量较大。

技术实现思路

[0005]本申请案描述自动化模型建立系统及方法，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机系统，其包括：存储器，其经配置以存储训练数据集及多个数据结构，所述多个数据结构中的每一者包含代表神经网络的数据；处理器，其经配置以执行递归搜索，其中执行所述递归搜索包括在所述递归搜索的第一迭代期间：基于所述训练数据集的至少一子集确定所述多个数据结构中的每一者的适应度值；基于数据结构的子集的所述适应度值从所述多个数据结构选择所述数据结构的子集；关于所述子集的至少一个数据结构执行交杂操作或突变操作中的至少一者以生成可训练数据结构；及将所述可训练数据结构提供到优化训练器；及所述优化训练器，其经配置以在特定反向传播迭代期间：确定与多个先前反向传播迭代相关联的改进率，所述先前反向传播迭代在所述特定反向传播迭代之前执行；基于所述改进率选择所述可训练数据结构或先前可训练数据结构中的一者作为所选择的可训练数据结构，所述先前可训练数据结构先前在所述先前反向传播迭代的第一反向传播迭代期间训练；通过基于所述训练数据集的一部分训练所述所选择的可训练数据结构生成经训练数据结构；及将所述经训练数据结构作为输入提供到所述递归搜索的所述第一迭代之后的所述递归搜索的第二迭代。2.根据权利要求1所述的计算机系统，其中所述优化训练器及所述递归搜索在单个装置上执行。3.根据权利要求2所述的计算机系统，其中所述单个装置被集成到多个传感器中的传感器中，且其中所述训练数据集由所述多个传感器生成。4.根据权利要求1所述的计算机系统，其中所述优化训练器在与所述递归搜索不同的装置、图形处理单元GPU、处理器、核心、线程或其任何组合上执行。5.根据权利要求1所述的计算机系统，其中所述优化训练器进一步经配置以通过以下操作训练所述所选择的可训练数据结构：确定所述所选择的可训练数据结构的节点的节点误差测量；至少部分基于所述节点误差测量确定误差测量；及基于确定所述误差测量大于非零误差阈值选择性地更新所述节点的连接的权重。6.根据权利要求5所述的计算机系统，其中所述优化训练器进一步经配置以基于所述误差测量与所述非零误差阈值之间的差值确定学习率，其中所述连接的所述权重至少部分基于所述学习率更新。7.根据权利要求5所述的计算机系统，其中所述优化训练器经配置以基于所述可训练数据结构的多个节点的节点误差测量确定所述误差测量，且其中所述多个节点包含所述节点。8.根据权利要求5所述的计算机系统，其中所述节点包含于所述可训练数据结构的层中，且其中所述误差测量是基于包含于所述层中的节点的节点误差测量。
9.根据权利要求1所述的计算机系统，其中所述处理器进一步经配置以：接收输入数据点；及基于确定所述输入数据点与参考点之间的差值满足训练阈值，将所述输入数据点添加到所述训练数据集。10.根据权利要求9所述的计算机系统，其中所述处理器进一步经配置以基于所述训练数据集的多个数据点确定所述参考点。11.根据权利要求10所述的计算机系统，其中所述输入数据点及所述多个数据点中的每一者与相同分类器结果相关联。12.根据权利要求9所述的计算机系统，其中所述输入数据点与所述参考点之间的所述差值对应于在向量空间中所述输入数据点与所述参考点之间的距离。13.根据权利要求1所述的计算机系统，其中所述处理器进一步经配置以：接收输入数...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：激发认知有限公司，
类型：发明
国别省市：