[发明专利]精简输入的深度学习神经网络方法、装置和机器人系统

权利要求书

1.一种深度学习神经网络方法，其特征在于，所述方法包括：

对第一深度学习神经网络进行测试，得到所述第一深度学习神经网络的第一输出正确率；

将所述第一深度学习神经网络的每个输入变量作为一个输入变量组合，生成尝试删除输入变量组合的集合，所述输入变量包括不同类型的检查结果数据；

从所述尝试删除输入变量组合的集合中选取一个输入变量组合；

将选取的输入变量组合对应的所述第一深度学习神经网络的输入节点删除，得到第二深度学习神经网络；

对所述第二深度学习神经网络进行测试，得到所述第二深度学习神经网络的第二输出正确率；当第一输出正确率与第二输出正确率的差值大于预设阈值时，则将所述选取的输入变量组合从所述尝试删除输入变量组合的集合中删除；

反之，则将所述选取的输入变量组合从所述尝试删除输入变量组合的集合中删除，并将所述选取的输入变量组合加入可删除输入变量组合的集合；

根据更新后的尝试删除输入变量组合的集合和所述可删除输入变量组合的集合生成可选删除输入变量组合的集合；

将所述可选删除输入变量组合的输入变量两两组合得到新的输入变量组合；

当所述新的输入变量组合在所述可选删除输入变量组合中不存在时，则将所述新的输入变量组合加入到所述尝试删除输入变量组合的集合中，返回所述从所述尝试删除输入变量组合的集合中选取一个输入变量组合的步骤；

从所述可选删除输入变量组合的集合中选取输入变量对应的数据采集成本最高的输入变量组合作为优选删除的输入变量组合，将所述优选删除的输入变量组合对应的所述第二深度学习神经网络的输入节点删除，得到第三深度学习神经网络。

2.根据权利要求1所述的方法，其特征在于，所述根据更新后的尝试删除输入变量组合的集合和所述可删除输入变量组合的集合生成可选删除输入变量组合的集合，包括：

判断更新后的尝试删除输入变量组合的集合是否为空，若否，则返回所述从所述尝试删除输入变量组合的集合中选取一个输入变量组合的步骤；

若是，则判断更新后的可删除输入变量组合的集合是否为空，如果更新后的可删除输入变量组合的集合不为空，则将所述可删除输入变量组合的集合中的输入变量组合加入到所述可选删除输入变量组合的集合中。

3.根据权利要求1所述的方法，其特征在于，所述对第一深度学习神经网络进行测试，得到所述第一深度学习神经网络的第一输出正确率，包括：

获取带有预期标签的多个输入数据及其对应的预期标签；

将每个所述输入数据作为所述第一深度学习神经网络的输入进行测试，得到第一实际输出标签；

获取所述第一实际输出标签与所述预期标签一致的次数占总测试次数的比值，得到第一输出正确率；

所述对所述第二深度学习神经网络进行测试，得到所述第二深度学习神经网络的第二输出正确率，包括：

获取带有预期标签的多个输入数据及其对应的预期标签；

将每个所述输入数据中对应的未删除输入变量对应的数据作为第二深度学习神经网络的输入进行测试，得到第二实际输出标签；

获取所述第二实际输出标签与所述预期标签一致的次数占总测试次数的比值，得到第二输出正确率。

4.根据权利要求1所述的方法，其特征在于，所述将选取的输入变量组合对应的所述第一深度学习神经网络的输入节点删除，得到第二深度学习神经网络，包括：

在所述第一深度学习神经网络中，删除所述选取的输入变量组合对应的输入节点，删除所述选取的输入变量组合对应的输入节点与其他隐层节点的所有连接，得到所述第二深度学习神经网络。

5.根据权利要求1所述的方法，其特征在于，所述不同类型的检查结果数据包括体重、血压、血液检查结果、尿液检查结果。