[发明专利]神经网络更新方法、装置、计算机设备和可读存储介质

说明书

本发明涉及一种神经网络更新方法，所述方法包括：获取当前更新数据、初始神经网络的第一神经元集合和第二神经元集合，结合所述初始神经网络和所述第一神经元集合获取第一神经网络；根据所述当前更新数据训练所述第一神经网络获得第二神经网络；获取所述第二神经网络的第三神经元集合；结合所述初始神经网络、所述第二神经元集合和所述第三神经元集合获取目标神经网络。本发明方案能够避免神经网络在不断更新时出现过度拟合。

技术领域

本发明涉及计算机技术领域，特别是涉及一种神经网络更新方法、装置、计算机设备和可读存储介质。

背景技术

在机器学习和相关领域，人工神经网络的计算模型通常被用于估计或可以依赖于大量的输入和一般的未知近似函数。人工神经网络通常呈现为相互连接的“神经元”，它可以从输入的计算值，并且能够机器学习以及模式识别由于它们的自适应性质的系统。

当训练神经网络的数据不断更新时，神经网络也会随之更新，但由于训练数据不断学习，随着迭代次数的增加，拟合了训练数据中的噪音，必然会导致产生过拟合的现象。

目前还没有可以避免神经网络不断更新时会产生过度拟合的技术。

发明内容

本发明的目的在于提供一种神经网络更新方法、装置计算机设备和可读存储介质，能够消除神经网络不断更新过程导致的过度拟合。

本发明的目的通过如下技术方案实现：

一种神经网络更新方法，所述方法包括：

获取当前更新数据、初始神经网络的第一神经元集合和第二神经元集合，结合所述初始神经网络和所述第一神经元集合获取第一神经网络；

根据所述当前更新数据训练所述第一神经网络获得第二神经网络；

获取所述第二神经网络的第三神经元集合；

结合所述初始神经网络、所述第二神经元集合和所述第三神经元集合获取目标神经网络。

在其中一个实施例中，所述获取当前更新数据、初始神经网络的第一神经元集合和第二神经元集合，结合所述初始神经网络和所述第一神经元集合获取第一神经网络包括：

获取当前更新数据，抽取初始神经网络中预设比例的神经元获得第一神经元集合，将所述初始神经网络中未被抽取的神经元集合作为第二神经元集合；

获取所述初始神经网络的当前网络参数，根据所述当前网络参数和所述第一神经元集合获取所述第一神经网络。

在其中一个实施例中，所述结合所述初始神经网络、所述第二神经元集合和所述第三神经元集合获取目标神经网络包括：

将所述初始神经网络中的所述第一神经元集合更新为所述第三神经元集合，获得目标神经网络。

在其中一个实施例中，所述目标神经网络的网络参数和所述初始神经网络的当前网络参数相同。

在其中一个实施例中，所述预设比例根据所述当前更新数据的数据量确定。

一种神经网络更新装置，所述装置包括：

第一获取模块，用于获取当前更新数据、初始神经网络的第一神经元集合和第二神经元集合，结合所述初始神经网络和所述第一神经元集合获取第一神经网络；

第二获取模块，用于根据所述当前更新数据训练所述第一神经网络获得第二神经网络；

第三获取模块，用于获取所述第二神经网络的第三神经元集合；

第四获取模块，用于结合所述初始神经网络、所述第二神经元集合和所述第三神经元集合获取目标神经网络。

在其中一个实施例中，所述第一获取模块包括：