[发明专利]一种基于反函数的神经网络优化方法、系统及电子设备

权利要求书

1.一种基于反函数的神经网络优化方法，其特征在于，包括：

步骤a：通过前向传输计算神经网络隐含层和输出层的数值；

步骤b：根据实际输出值，通过反函数计算输出层需要的输入值；

步骤c：计算所述反函数计算得到的输入值与所述前向传输计算得到的输出层的数值之间的差异值，根据所述差异值，利用负反馈调节方法调节输出层的参数值，并利用梯度下降法调节隐含层的参数值。

2.根据权利要求1所述的基于反函数的神经网络优化方法，其特征在于，在所述步骤a中，所述通过前向传输计算神经网络隐含层和输出层的数值具体为：

隐含层输入U⁽²⁾：

U⁽²⁾＝W⁽²⁾X

上述公式中，W⁽²⁾是隐含层的权重参数，上标(2)表示层数的标号值，X＝{x₁,x₂,…,x_N}是一个N维向量；

隐含层输出A⁽²⁾：

A⁽²⁾＝f(U⁽²⁾)

上述公式中，f是激活函数，若f为S型函数，则f(x)＝1/(1+e^-x)；

输出层输入U⁽³⁾：

U⁽³⁾＝W⁽³⁾A⁽²⁾

上述公式中，W⁽³⁾是隐含层的权重参数，上标(3)表示层数的标号值；

输出层输出O：

O＝f(U⁽³⁾)

上述公式中，O＝{o₁,o₂…,o_K}是K维输出向量，K由实际输出值决定。

3.根据权利要求2所述的基于反函数的神经网络优化方法，其特征在于，在所述步骤c中，所述利用负反馈调节方法调节输出层的参数值具体包括：

步骤c1：将实际输出值向中心区域平移ε步长；

步骤c2：通过反函数计算平移数值的输入值；

步骤c3：计算反函数计算得到的输入值与前向传输计算得到的输出层的输入值之间的差异值，根据所述差异值，利用负反馈调节的方法调节输出层的各个参数值，使输出接近由反函数计算得到的输入值；所述反函数计算公式为：

上述公式中，是负反馈调节的平衡点，j是第j个输出神经元。