[发明专利]随机网络的训练方法、装置、存储介质以及处理器

权利要求书

1.一种随机网络的训练方法，其特征在于，包括：

构建随机网络，其中，所述随机网络包括复杂神经元；

基于机器学习对所述随机网络进行训练，得到第一网络模型；

基于所述第一网络模型对所述随机网络进行微调，训练后得到第二网络模型；

比较所述第一网络模型和所述第二网络模型的预测准确率，在所述第二网络模型的预测准确率大于所述第一网络模型的预测准确率的情况下，则使用所述第二网络模型替代所述第一网络模型。

2.根据权利要求1所述的方法，其特征在于，构建随机网络包括：

对所述随机网络进行初始化。

3.根据权利要求1所述的方法，其特征在于，基于机器学习对所述随机网络进行训练，得到第一网络模型包括：

获取预定数量的训练数据，其中，所述训练数据包括：不同类型的网络参数和对应的预测结果；

使用所述训练数据通过机器学习训练得出所述第一网络模型。

4.根据权利要求1所述的方法，其特征在于，基于所述第一网络模型对所述随机网络进行微调，训练后得到第二网络模型包括：

选择至少一个复杂神经元，其中，至少一个所述复杂神经元用于增加所述随机网络的复杂度；

基于至少一个所述复杂神经元修改所述随机网络的网络结构；

根据修改后的所述随机网络的网络结构进行训练，得到所述第二网络模型。

5.根据权利要求1至4中任意一项所述的方法，其特征在于，比较所述第一网络模型和所述第二网络模型的预测准确率，在所述第二网络模型的预测准确率大于所述第一网络模型的预测准确率的情况下，则使用所述第二网络模型替代所述第一网络模型还包括：

根据所述第一网络模型和所述第二网络模型的预测结果，分别计算出所述第一网络模型的第一预测准确率和所述第二网络模型的第二预测准确率；

确定所述第一预测准确率和和所述第二预测准确率之间的差值；

判断所述差值是否在阈值范围内，如果所述差值在所述阈值范围内，则停止训练所述随机网络；如果所述差值不在所述阈值范围内，则继续训练所述随机网络。

6.一种随机网络的训练装置，其特征在于，包括：

构建模块，用于构建随机网络，其中，所述随机网络包括复杂神经元；

第一训练模块，用于基于机器学习对所述随机网络进行训练，得到第一网络模型；

第二训练模块，用于基于所述第一网络模型对所述随机网络进行微调，训练后得到第二网络模型；

替代模块，用于比较所述第一网络模型和所述第二网络模型的预测准确率，在所述第二网络模型的预测准确率大于所述第一网络模型的预测准确率的情况下，则使用所述第二网络模型替代所述第一网络模型。

7.根据权利要求6所述的装置，其特征在于，所述构建模块包括：

初始化单元，用于对所述随机网络进行初始化。

8.根据权利要求6所述的装置，其特征在于，所述第一训练模块包括：

获取单元，用于获取预定数量的训练数据，其中，所述训练数据包括：不同类型的网络参数和对应的预测结果；

第一训练单元，用于使用所述训练数据通过机器学习训练得出所述第一网络模型。

9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的随机网络的训练方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的随机网络的训练方法。