【技术实现步骤摘要】
本申请涉及计算机技术与人工智能，尤其涉及一种基于人工智能的信息预测方法、相关设备及存储介质。
技术介绍
1、近年来，随着人工智能技术的飞速发展，各行各业中均存在人工智能程序产品的应用身影。当前大多数的人工智能程序产品是基于对人工神经网络的利用而研发的。以交通行业下的交通信息预测为例，当前通常会在交通设备中安装人工智能程序，以采用该程序对交通设备采集到的交通图像进行特征提取，进而基于提取的图像特征预测出较为准确的道路通畅情况或交通违章事件等信息。
2、当前虽然能够基于人工神经网络预测出较为准确的信息，但基于人工神经网络的信息预测过程却涉及庞大的数据计算量，不仅导致信息预测的整体效率不够理想，还提升了对信息预测业务的部署设备的性能要求，使得信息预测业务的部署场景得到了很大限制。有鉴于此，如何降低对部署设备的性能要求并提升信息预测的整体效率，便成了当前各类信息预测业务领域内的一项重要技术挑战。
技术实现思路
1、本申请实施例提供了一种基于人工智能的信息预测方法、相关设备及存储介质，可...
【技术保护点】
1.一种基于人工智能的信息预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述参考神经网络模型的隐藏层中各个隐藏层神经元关联的权重参数、偏置参数及掩码参数，提取所述训练样本的训练特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述参考神经网络模型包含N个隐藏层，N为正整数；当1＜i≤N时，基于第i个隐藏层中各个隐藏层神经元关联的权重参数及偏置参数提取所述训练样本的参考特征的方式包括：
5.根据权利要求4所述的方法，其特征在...
【技术特征摘要】
1.一种基于人工智能的信息预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述参考神经网络模型的隐藏层中各个隐藏层神经元关联的权重参数、偏置参数及掩码参数，提取所述训练样本的训练特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述参考神经网络模型包含n个隐藏层，n为正整数；当1＜i≤n时，基于第i个隐藏层中各个隐藏层神经元关联的权重参数及偏置参数提取所述训练样本的参考特征的方式包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述训练特征执行所述信息预测，得到所述训练样本的模型预测结果，包括：
6.根据权利要求2-5任一项所述的方法，其特征在于，所述基于所述各个隐藏层神经元关联的优化后的掩码参数，对参数值优化处理后的参考神经网络模型的隐藏层进行压缩处理，以得到所述目标神经网络模型，包括：
7.根...
【专利技术属性】
技术研发人员：陈皇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。