[发明专利]深度学习神经网络进化方法、装置、介质和计算机设备

权利要求书

1.一种深度学习神经网络进化方法，其特征在于，包括：

调取已训练的深度学习神经网络，将输入数据输入已训练的深度学习神经网络进行深度学习，得到输出数据并记录使用时间及获取对应所述输入数据的真实结果数据；

按照预设的抽查规则选取已训练的深度学习神经网络使用过程中的输入数据、输出数据、使用时间和真实结果数据；

将选取的输入数据及对应的输出数据、对应的真实结果数据和对应的使用时间组成一个数据组；

计算每个数据组中输出数据与同组内对应的真实结果数据的差异值，以所述使用时间属于预设时间段内的所有数据组中、对应差异值大于预设阈值的数据组为差异组，统计所述差异组的组数；

若所述组数大于或等于存储的组数阈值，则将每一个差异组中的输入数据和真实结果数据分别作为输入和预期输出对已训练的深度学习神经网络进行训练，得到进化后的深度学习神经网络；

所述将每一个差异组中的输入数据和真实结果数据分别作为输入和预期输出对已训练的深度学习神经网络进行训练，得到进化后的深度学习神经网络，包括：

按照各差异组的使用时间的先后顺序排序，选取第一组差异组中的输入数据输入已训练的深度学习神经网络进行无监督学习，得到对应的训练神经网络；

选取下一组差异组中的输入数据作为前一组差异组对应的训练神经网络的输入，对前一组差异组对应的训练神经网络进行无监督学习得到对应的训练神经网络，依次循环执行直到得到最后一组差异组对应的训练神经网络并作为初步进化的深度学习神经网络；

按照各差异组的使用时间的先后顺序排序，选取第一组差异组中的输入数据和真实结果数据分别作为所述初步进化的深度学习神经网络的输入和预期输出，对所述初步进化的深度学习神经网络进行有监督学习，得到对应的改进神经网络；

选取下一组差异组中的输入数据和真实结果数据分别作为前一组差异组对应的改进神经网络的输入和预期输出，对前一组差异组对应的改进神经网络进行有监督学习，得到改进神经网络，依次循环执行直到得到最后一组差异组对应的改进神经网络并作为进化后的深度学习神经网络。

2.根据权利要求1所述的深度学习神经网络进化方法，其特征在于，所述将选取的输入数据及对应的输出数据、对应的真实结果数据和对应的使用时间组成一个数据组之后，所述若所述组数大于或等于存储的组数阈值，则将每一个差异组中的输入数据和真实结果数据分别作为输入和预期输出对已训练的深度学习神经网络进行训练，得到进化后的深度学习神经网络之前，还包括：

根据所述数据组获取当前的组数阈值并存储。

3.根据权利要求2所述的深度学习神经网络进化方法，其特征在于，所述根据所述数据组获取当前的组数阈值并存储，包括：

统计所述使用时间属于所述预设时间段内的数据组的总组数；

根据所述总组数计算得到当前的组数阈值并存储，其中，当前的组数阈值小于所述总组数。

4.根据权利要求3所述的深度学习神经网络进化方法，其特征在于，所述根据所述总组数计算得到当前的组数阈值并存储，包括：

计算所述总组数与第一预设比例的乘积得到当前的组数阈值并存储，所述第一预设比例大于零且小于1。

5.根据权利要求2所述的深度学习神经网络进化方法，其特征在于，所述根据所述数据组获取当前的组数阈值并存储，包括：

统计所述使用时间属于预设参考时间段内的数据组中、对应差异值大于所述预设阈值的数据组的数量；

根据所述数量计算得到当前的组数阈值并存储。