竞争预测神经网络的训练方法、装置及电子设备制造方法及图纸

本公开涉及竞争预测神经网络的训练方法、装置及电子设备。该方法包括：设定神经元组及其连接参数；从神经元组中选定至少一个输入神经元作为被预测输入神经元，对被预测输入神经元的输入向量进行屏蔽，并计算每个输出神经元的预输出值；判断每个输出神经元的预测结果为预测准确或预测失败，并确定正样本神经元及负样本神经元；对正样本神经元及负样本神经元的连接参数进行调节；利用输入向量对竞争预测神经网络进行迭代训练，直至学习率达到预设条件时，结束对竞争预测神经网络的训练。本公开提升了竞争预测神经网络在处理与被预测神经元相关性较弱的输入时的表现，从而提高了竞争预测神经网络在处理复杂任务时的表现力和适应性。

【技术实现步骤摘要】

本公开涉及计算机，尤其涉及一种竞争预测神经网络的训练方法、装置及电子设备。

技术介绍

1、目前，在各类机器学习任务中，反向传播网络(back propagation network，bp)作为主流训练方式得到广泛应用。该机制通过从输出层向输入层反向传递误差，计算每个参数的偏导数，并广泛调节中间层参数。尽管有效，但此方法存在明显的缺陷，例如，“灾难遗忘”(即，新知识覆盖旧知识)和“黑盒”问题(即，模型难以追踪输入与输出之间的内在关系)。此外，基于反向梯度的网络方法被认为在生物学上不可信，因为人类大脑不形成对称的反向连接或执行同步计算。为了解决这个问题，尽管有学者探索权值扰动和活动扰动的方法，但这些方法在大规模计算问题上仍无法匹配bp网络的性能。

2、在人工智能领域，竞争神经网络更接近人脑的运作方式。此类网络，例如，kohonen的som和sofm以及grossberg的自适应共振理论，通过侧抑制实现神经细胞间的竞争，使兴奋程度最强的神经细胞成为获胜者。尽管具备自组织功能和自适应能力，但这些传统的竞争神经网络在处理大量信息输入的应用场景(例如，自然本文档来自技高网...

【技术保护点】

1.一种竞争预测神经网络的训练方法，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，所述设定竞争预测神经网络的神经元组及其连接参数，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述被预测输入神经元的输入向量进行屏蔽，并计算每个输出神经元的预输出值，包括：

4.根据权利要求1所述的方法，其特征在于，所述判断每个所述输出神经元的预测结果为预测准确或预测失败，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述输出神经元的预输出值，确定正样本神经元及负样本神经元，包括：

6.根据权利要求1所述的方法...

【技术特征摘要】

1.一种竞争预测神经网络的训练方法，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，所述设定竞争预测神经网络的神经元组及其连接参数，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述被预测输入神经元的输入向量进行屏蔽，并计算每个输出神经元的预输出值，包括：

4.根据权利要求1所述的方法，其特征在于，所述判断每个所述输出神经元的预测结果为预测准确或预测失败，包括：

5.根...

【专利技术属性】
技术研发人员：黄加勇，杨华，
申请(专利权)人：黄加勇，
类型：发明
国别省市：