[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

说明书

本发明涉及一种深度学习神经网络进化方法、装置、介质和计算机设备。该方法包括：将输入数据输入调取的已训练的深度学习神经网络得到输出数据，记录使用时间及获取对应的真实结果数据；按照预设的抽查规则选取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、真实结果数据和使用时间组成数据组；计算数据组中输出数据与真实结果数据的差异值，统计预设时间段内所有数据组中差异值大于预设阈值的差异组的组数；若组数大于或等于存储的组数阈值，根据差异组的输入数据和真实结果数据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。如此可纠正深度学习神经网络的偏差，提高准确率。

技术领域

本发明涉及计算机技术领域，特别是涉及一种深度学习神经网络进化方法、装置、介质和计算机设备。

背景技术

神经网络是一种进行分布式并行信息处理的算法数学模型，常用于智能机器识别。深度学习神经网络是通过样本数据训练进行深度学习并通过测试之后得到的神经网络，其中，深度学习分有监督学习和无监督学习。

通常在得到深度学习神经网络之后，深度学习神经网络不会更改，即在已训练深度学习神经网络的使用过程中不会改变。然而，深度学习神经网络的训练和测试的数据毕竟有限，准确率不能保证，且随着已训练深度学习神经网络的使用过程中输入的数据随时间发生变化，当使用时间较长时，深度学习神经网络的准确率降低。例如识别某个人的人脸识别深度学习神经网络，当这个人随着年龄增长，其脸也在不断发生变化，所以该人脸识别深度学习神经网络的适用性在不断地变差，准确率降低。

发明内容

基于此，有必要针对传统的深度学习神经网络准确率低的问题，提供一种可提高深度学习神经网络准确率的深度学习神经网络进化方法、装置、介质和计算机设备。

一种深度学习神经网络进化方法，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。

一种深度学习神经网络进化装置，包括：

数据获取模块，用于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；

数据选取模块，用于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；

数据保存模块，用于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；

组数统计模块，用于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；

网络进化模块，用于在所述组数大于或等于存储的组数阈值时，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。