基于神经网络的效能评估方法、系统、设备与存储介质技术方案

本发明专利技术提出一种基于神经网络的效能评估方法、系统、设备与存储介质。该基于神经网络的效能评估方法包括：获取预设神经网络模型；获取预设参数，根据预设参数配置预设神经网络模型中各个神经元的参数；获取训练样本，根据训练样本对预设神经网络模型中的参数进行修改，使得损失函数值减小，获得效能评估模型；获取检测参数，将检测参数输入效能评估模型，得到效能评估结果。本申请有利于提高效能评估的准确性。确性。确性。

【技术实现步骤摘要】
基于神经网络的效能评估方法、系统、设备与存储介质


[0001]本专利技术涉及效能评估领域，尤其是涉及了一种基于神经网络的效能评估方法、系统、设备与存储介质。

技术介绍

[0002]效能评估已经涉及到产品研制的各个阶段。通常，效能是指系统或设备在规定的工作条件下和规定的时间内，能够满足运用要求的概率。
[0003]效能评估方法非常广泛，包括解析法、指数法、统计法、计算机仿真方法以及研讨法等。效能评估不仅涉及分析评估的理论、方法，还涉及需求分析和想定描述，以及系统体系结构和模型体系框架等问题。可见，效能评估是一个非常宽、非常难的研究课题。

技术实现思路

[0004]本专利技术提出一种基于神经网络的效能评估方法、系统、设备与存储介质，有利于获得准确的效能评估结果。
[0005]第一方面，提供一种基于神经网络的效能评估方法，包括：获取预设神经网络模型；获取预设参数，根据所述预设参数配置预设神经网络模型中各个神经元的参数；获取训练样本，根据所述训练样本对所述预设神经网络模型中的参数进行修改，使得损失函数值减小，获得效能评估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的效能评估方法，其特征在于，包括：获取预设神经网络模型；获取预设参数，根据所述预设参数配置预设神经网络模型中各个神经元的参数；获取训练样本，根据所述训练样本对所述预设神经网络模型中的参数进行修改，使得损失函数值减小，获得效能评估模型；获取检测参数，将检测参数输入效能评估模型，得到效能评估结果。2.根据权利要求1所述的基于神经网络的效能评估方法，其特征在于，所述获取预设参数，包括：确定与预设神经网络模型中神经元对应的参数，得到参数信息；根据参数信息并按照预设参数生成规则产生多套参数值，分别将每套参数值按预设顺序排列，得到多个解向量；建立目标函数，其中，所述解向量的目标函数值越大则所述解向量越接近最优解向量；根据目标函数对多个解向量进行迭代演变多次，得到迭代演变后的多个解向量；从迭代演变后的多个解向量选择目标函数值最大的解向量，得到优化解向量；根据优化解向量中参数值，确定所述预设参数；所述迭代演变包括：获取当前循环的多个解向量，根据各个解向量的目标函数值确定选择概率，根据选择概率选取预设数量的解向量，得到多个目标解向量，其中，所述选择概率与所述目标函数值正相关；所述多个目标解向量中，根据交叉概率将选取的两个目标解向量中对应的参数值进行交换，得到交换后的多个目标解向量，其中，所述交叉概率与所述目标函数值负相关；所述交换后的多个目标解向量中，根据替换概率将目标解向量中的参数值采用新参数值进行替换，得到下一循环的多个解向量。3.根据权利要求1所述的基于神经网络的效能评估方法，其特征在于，所述获取训练样本，包括：获取初始训练样本，并对初始训练样本进行分析，确定初始训练样本特征；根据所述初始训练样本特征，产生新样本；基于所述初始训练样本与所述新样本，得到所述训练样本。4.根据权利要求1所述的基于神经网络的效能评估方法，其特征在于，获取初始训练样本，并对初始训练样本进行分析，确定初始训练样本特征，包括：对初始训练样本进行聚类处理，得到多个类别的初始训练样本；根据初始训练样本的类别，确定初始训练样本特征。5.根据权利要求4所述的基于神经网络的效能评估方法，其特征在于，根据所述初始训练样本特征，产生新样本，包括：获取各个类别中初...

【专利技术属性】
技术研发人员：夏春秋，
申请(专利权)人：深圳市唯特视科技有限公司，
类型：发明
国别省市：