【技术实现步骤摘要】
本公开涉及神经网络，特别地涉及一种优化神经网络结构的方法、装置、设备和存储介质。
技术介绍
1、神经网络(neural networks)是机器学习中一类强大的模型，受到生物神经系统的启发而创建。它是深度学习的核心组成部分。神经网络由神经元(类似于生物神经元)组成，这些神经元通过连接权重相互连接，形成网络。神经网络的目标是通过学习这些连接权重来模拟复杂的非线性关系，以便执行各种任务，例如人脸识别、图像识别、语音识别、视频识别、聊天系统等。
2、当创建一个神经网络模型来执行给定的机器学习任务时，需要做出一个关键的设计决策就是网络结构配置。在使用多层感知器mlp(multilayer perceptron)的情况下，输入层和输出层的节点数是由待处理问题的特征决定的，因此需要做出的选择就是隐藏层的结构，即有多少层，每层有多少个神经元。目前，确定隐藏层参数的过程就是一个试错的过程，不仅成本高、效率低，而且在非最优结构参数下神经网络的学习效果也不如人意。
技术实现思路
1、本公开提供一种...
【技术保护点】
1.一种优化神经网络结构的方法，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，所述利用遗传算法优化所述神经网络结构，以确定所述神经网络结构中隐藏层的数量和每一隐藏层的神经元数量，包括：
3.根据权利要求2所述的方法，其特征在于，所述染色体的首个基因值大于0。
4.根据权利要求1所述的方法，其特征在于，在利用遗传算法优化所述神经网络结构过程中，使用保留精英策略和保留最差适应度染色体的策略。
5.根据权利要求1所述的方法，其特征在于，在利用遗传算法优化所述神经网络结构过程中，采用每个染色体所对应神经网络结构被...
【技术特征摘要】
1.一种优化神经网络结构的方法，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，所述利用遗传算法优化所述神经网络结构，以确定所述神经网络结构中隐藏层的数量和每一隐藏层的神经元数量，包括：
3.根据权利要求2所述的方法，其特征在于，所述染色体的首个基因值大于0。
4.根据权利要求1所述的方法，其特征在于，在利用遗传算法优化所述神经网络结构过程中，使用保留精英策略和保留最差适应度染色体的策略。
5.根据权利要求1所述的方法，其特征在于，在利用遗传算法优化所述神经网络结构过程中，采用每个染色体所对应神经网络结构被训练后分类的准确度作为个体的适应度。
6.根据权利要求1所述的方法，其...
【专利技术属性】
技术研发人员：戴晓晖，魏志刚，王军博，胡小刚，
申请(专利权)人：中国石油化工股份有限公司，
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。