[发明专利]获胜神经元的确定方法、装置、设备和存储介质

说明书

本发明公开了一种获胜神经元的确定方法、装置、设备和存储介质。该方法包括：获取自组织神经网络当前优胜域中各神经元的当前权重值以及所述自组织神经网络的当前训练数据；计算每个当前权重值与所述当前训练数据之间的相似度参数，并基于所述相似度参数确定所述自组织神经网络的获胜神经元。本发明实施例通过采用上述技术方案，能够为自组织神经网络提供更多样的获胜神经元确定方式，以满足不同用户的数据处理需求。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种获胜神经元的确定方法、装置、设备和存储介质。

背景技术

近年来，随着大数据技术的发展以及数据处理需求的增多，人工神经网络(NeuralNetwork，NN)也得到了很大的发展。

人工神经网络按照类型一般可以分为BP(Back Propagation)神经网络、径向基神经网络、感知器神经网络、线性神经网络、自组织神经网络和反馈神经网络等。其中，自组织神经网络在网络组成时引入了拓扑结构，通过竞争学习模拟生物神经元之间的兴奋、协调与抑制、竞争作用在信息处理时的动力学原理来指导网络的学习与工作，特别适合用于解决模式分类和识别方面的问题。在此，自组织神经网络的竞争学习是指同一层神经元之间相互竞争，竞争胜利的神经元(即获胜神经元)修改其与对应的连接权值的过程。竞争学习是一种无监督学习方法，在学习过程中只需向网络提供一些学习样本，网络根据输入样本的特性进行自组织映射即可对样本自动排序和分类，无需提供理想的目标输出。在自组织映射过程中，自组织神经网络的竞争层负责对学习样本进行分析比较，寻找规律并归类。

但是，现有技术一般只会基于学习样本与神经元权重之间的欧氏距离来对各神经元进行分析，确定获胜神经元，确定方式单一，无法满足不同用户的使用需求。

发明内容

有鉴于此，本发明实施例提供一种获胜神经元的确定方法、装置、设备和存储介质，以解决现有技术中自组织神经网络获胜神经元确定方式单一的技术问题。

第一方面，本发明实施例提供了一种获胜神经元的确定方法，包括：

获取自组织神经网络当前优胜域中各神经元的当前权重值以及所述自组织神经网络的当前训练数据；

计算每个当前权重值与所述当前训练数据之间的相似度参数，并基于所述相似度参数确定所述自组织神经网络的获胜神经元。

第二方面，本发明实施例提供了一种获胜神经元的确定装置，包括：

权重数据获取模块，用于获取自组织神经网络当前优胜域中各神经元的当前权重值以及所述自组织神经网络的当前训练数据；

神经元确定模块，用于计算每个当前权重值与所述当前训练数据之间的相似度参数，并基于所述相似度参数确定所述自组织神经网络的获胜神经元。

第三方面，本发明实施例提供了一种设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明实施例所述的获胜神经元的确定方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的获胜神经元的确定方法。

在上述确定获胜神经元的技术方案中，获取自组织神经网络当前优胜域中各神经元的当前权重值以及自组织神经网络的当前训练数据，分别计算各当前权重值与该当前训练数据之间的相似度参数，并基于计算得到的各相似度参数确定自组织神经网络的获胜神经元。上述确定获胜神经元的技术方案，能够为自组织神经网络提供更多样的获胜神经元确定方式，增大自组织神经网络的适用范围，提高自组织神经网络在不同应用场景中的数据处理准确率，满足不同用户的数据处理需求。