[发明专利]动态地管理人工神经网络

权利要求书

1.一种计算机实现的方法，其用于管理机器学习系统中的多个人工神经网络，所述方法包括：

接收用于所述多个人工神经网络的定制的输入数据层的输入数据，所述输入数据已经识别了物理特性、组织特性或化学特性，并通过至少一个卷积层处理所述输入数据，以产生经卷积处理的输入数据；

确认所述输入数据的一系列已识别的物理特性、组织特性或化学特性；

确认所述经卷积处理的输入数据拟合定制的输入层；

响应于所述经卷积处理的输入数据拟合所述定制的输入层的指示：将所述定制的输入层的特性转换为所述多个人工神经网络的输入套接字层，将所述定制的输入层的特性放入所述多个人工神经网络的输入套接字层中，并使用所述多个人工神经网络继续准备输出预测；以及

响应于所述经卷积处理的输入数据不拟合所述定制的输入层的指示：请求附加卷积层过程或新的神经网络模型训练中的至少一个，并继续准备输出预测，

其中，所述输入套接字层被配置为自动且动态地启动对所述机器学习系统的改变以适应所述输入数据。

2.如权利要求1所述的计算机实现的方法，还包括：

在输出套接字层处接收来自所述多个人工神经网络的输出预测；

确认所述输出预测的一系列已识别的物理特性、组织特性或化学特性；

确认所述输出预测拟合所述定制的输出层；

响应于所述输出预测拟合所述定制的输出层的指示：通过输出套接字层，将所述输出预测的特性转换为所述定制的输出层，将所述输出套接字层的特性放入所述定制的输出层；以及

响应于在所述输出套接字层处的输出预测不拟合所述定制的输出层的指示：请求附加输出卷积层过程或新的神经网络模型的训练中的至少一个，并将所述输出套接字层的特性放入所述定制的输出层内，

其中，所述输出套接字层被配置为自动且动态地启动对所述机器学习系统的改变，以适应所述输出预测。

3.如权利要求2所述的计算机实现的方法，还包括：

计算预测模型中现象发生的概率；

通过卷积模型处理所述定制的输出层，以产生经卷积的输出预测；以及

将所述经卷积的输出预测作为输出数据提供给用户。

4.如权利要求2所述的计算机实现的方法，其中，确认所述输出预测拟合定制的输出层还包括：

从所述定制的输出层接收输出矢量；

测量所述输出矢量与所述多个人工神经网络的预训练的模型之间的距离，其中，所述距离表示所述定制的输出层与所述预训练的模型之间是否存在充分的匹配；

响应于与所述预训练的模型和所述输出矢量充分匹配的指示，指示所述输出预测拟合所述定制的输出层；

响应于不与所述预训练的模型和所述输出矢量充分匹配的指示；识别所述输出矢量是否与附加输出卷积层充分匹配；

响应于所述输出矢量与附加输出卷积层充分匹配的指示，自动地请求处理附加输出卷积层；以及

响应于所述输出矢量不与附加输出卷积层充分匹配的指示，自动地请求所述新的神经网络模型的训练，以用在所述多个人工神经网络。

5.如权利要求1所述的计算机实现的方法，其中，确认所述经卷积处理的输入数据拟合所述定制的输入层还包括：

从所述定制的输入层接收输入矢量；

测量所述输入矢量与所述人工神经网络的预训练的模型之间的距离，其中，所述距离表示所述输入数据与所述预训练的模型之间是否存在充分的匹配；

响应于与所述预训练的模型和所述输入矢量充分匹配的指示，指示所述经卷积处理的输入数据拟合所述定制的输入层；

响应于不与所述预训练的模型和所述输入矢量充分匹配的指示；识别所述输入矢量是否与附加卷积层充分匹配；

响应于所述输入矢量与附加卷积层充分匹配的指示，自动地请求处理附加卷积层；以及

响应于所述输入矢量不与附加卷积层充分匹配的指示，自动地请求所述新的神经网络模型的训练。