[发明专利]神经网络模型的训练装置和训练方法

权利要求书

1.一种神经网络模型的训练装置，包括：

收发器；

储存媒体，储存多个模块；以及

处理器，耦接所述储存媒体和所述收发器，并且存取和执行所述多个模块，其中所述多个模块包括：

数据收集模块，通过所述收发器取得数据集合；以及

训练模块，根据所述数据集合完成多次人工智能模型训练以产生分别对应于所述多次人工智能模型训练的多个模型，根据第一限制条件从所述多个模型中选出第一模型集合，并且根据第二限制条件从所述第一模型集合中选出所述神经网络模型。

2.根据权利要求1所述的训练装置，其中所述训练模块根据第三限制条件从所述第一模型集合中选出第二模型集合，并且根据所述第二限制条件从所述第二模型集合中选出所述神经网络模型。

3.根据权利要求1所述的训练装置，其中所述训练模块根据所述第二限制条件从所述第一模型集合中选出对应于目标条件的所述神经网络模型。

4.根据权利要求1所述的训练装置，其中所述训练模块根据所述第二限制条件从所述第一模型集合中选出与符合所述第二限制条件的人工智能模型训练的多次迭代中的最后一次迭代相对应的所述神经网络模型。

5.根据权利要求1所述的训练装置，其中所述第一限制条件和所述第二限制条件分别关联于下列的至少其中之一：真阴性率、真阳性率、伪阴性率、伪阳性率、最小错误率、平均错误率、召回率或准确率。

6.根据权利要求1所述的训练装置，其中所述神经网络模型包括自编码神经网络、深度学习神经网络、深度残差学习神经网络、受限玻尔兹曼机神经网络、递归神经网络或多层感知机神经网络。

7.根据权利要求1所述的训练装置，其中所述数据收集模块通过所述收发器接收瑕疵样本和正常样本，并且对所述瑕疵样本进行过采样以根据过采样后的所述瑕疵样本和所述正常样本产生所述数据集合。

8.根据权利要求7所述的训练装置，其中所述数据集合关联于印刷电路板的外观，并且瑕疵样本关联于下列的至少其中之一：防焊杂质、防焊刮伤、防焊污染、防焊露铜、防焊油墨不均、防焊跳印、显影不良、防焊板损、防焊沾锡、焊垫有机保焊膜杂质、焊垫有机保焊膜氧化、焊垫镀金层污染、焊垫镀金层氧化、焊垫镀金层露铜、文字模糊、焊垫沾锡或正常。

9.根据权利要求7所述的训练装置，其中所述数据集合关联于半导体制造晶圆的外观，并且瑕疵样本关联于下列的至少其中之一：刮伤、箭影、微粒、变色或正常。

10.根据权利要求7所述的训练装置，其中所述数据收集模块响应于所述瑕疵样本和所述正常样本的比率小于阈值而对所述瑕疵样本进行过采样。

11.根据权利要求1所述的训练装置，还包括：

图形用户界面，耦接所述处理器，其中所述处理器通过所述图形用户界面取得所述第一限制条件以及所述第二限制条件。

12.一种神经网络模型的训练方法，包括：

取得数据集合；

根据所述数据集合完成多次人工智能模型训练以产生分别对应于所述多次人工智能模型训练的多个模型；

根据第一限制条件从所述多个模型中选出第一模型集合；以及

根据第二限制条件从所述第一模型集合中选出所述神经网络模型。

13.根据权利要求12所述的训练方法，其中根据所述第二限制条件从所述第一模型集合中选出所述第一模型以作为所述神经网络模型的步骤包括：

根据第三限制条件从所述第一模型集合中选出第二模型集合，并且根据所述第二限制条件从所述第二模型集合中选出所述神经网络模型。