[发明专利]神经网络优化方法、装置、计算机设备及存储介质

权利要求书

1.一种神经网络优化方法，其特征在于，所述神经网络用于优化工艺过程，所述方法包括：

建立所述工艺过程对应的神经网络，所述神经网络包括输入层、隐含层和输出层，其中，所述输入层的节点与所述工艺过程的参数一一对应，所述输出层节点与所述工艺过程的优化指标参数对应；

利用遗传算法对所述神经网络的权值和阈值的分布进行优化，得到所述神经网络的权值和阈值的搜索区间；

对所述神经网络进行训练以从所述搜索区间中确定出权值和阈值的最优解，得到训练后的神经网络。

2.根据权利要求1所述的神经网络优化方法，其特征在于，利用遗传算法对所述神经网络的权值和阈值的分布进行优化，包括：

随机生成若干个个体，每个个体包括对应的神经网络的权值和阈值；

计算每个个体的适应度；

根据计算得到的适应度选择一部分个体作为父代个体；

对所述父代个体进行遗传操作得到子代个体，计算所述子代个体的适应度；

将所述子代个体中适应度高于父代个体的适应度的子代个体作为新的父代个体，替换掉父代个体中适应度低的个体。

3.根据权利要求2所述的神经网络优化方法，其特征在于，还包括：

计算父代个体中所有个体的在遗传算法中的误差平方和；

判断每个父代个体的误差平方和是否小于目标误差；

将误差平方和小于所述目标误差的父代个体对应的权值和阈值，作为所述搜索区间的一个要素，用于进行所述神经网络的训练。

4.根据权利要求2所述的神经网络优化方法，其特征在于，在计算每个个体的适应度之前，还包括：

利用实数编码对所述神经网络的权值和阈值进行编码。

5.根据权利要求4所述的神经网络优化方法，其特征在于，编码长度S为：

S＝R*S1+S1*S2+S1+S2

其中，R表示所述输入层的节点个数，S1表示所述隐含层的节点个数，S2表示输出层的节点个数。

6.根据权利要求1所述的神经网络优化方法，其特征在于，还包括：

获取所述工艺过程的训练样本；

将所述训练样本归一化处理到[-2,2]。

7.根据权利要求1所述的神经网络优化方法，其特征在于，还包括：

根据所述输入层的节点数量和所述输出层的节点数量计算得到所述隐含层的节点数量区间，所述神经网络的隐含层的节点在该区间可变；

通过对比所述神经网络在不同隐含层节点的训练结果的误差，确定出最优的隐含层节点数。

8.一种神经网络优化装置，其特征在于，所述神经网络用于优化工艺过程，所述装置包括：

建立单元，用于建立所述工艺过程对应的神经网络，所述神经网络包括输入层、隐含层和输出层，其中，所述输入层的节点与所述工艺过程的参数一一对应，所述输出层节点与所述工艺过程的优化指标参数对应；

优化单元，用于利用遗传算法对所述神经网络的权值和阈值的分布进行优化，得到所述神经网络的权值和阈值的搜索区间；

训练单元，用于对所述神经网络进行训练以从所述搜索区间中确定出权值和阈值的最优解，得到训练后的神经网络。

9.一种计算机设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。