[发明专利]在低功率控制器上执行遗传算法

权利要求书

1.一种计算机系统，其包括：

存储器，其经配置以存储训练数据集及多个数据结构，所述多个数据结构中的每一者包含代表神经网络的数据；

处理器，其经配置以执行递归搜索，其中执行所述递归搜索包括在所述递归搜索的第一迭代期间：

基于所述训练数据集的至少一子集确定所述多个数据结构中的每一者的适应度值；

基于数据结构的子集的所述适应度值从所述多个数据结构选择所述数据结构的子集；

关于所述子集的至少一个数据结构执行交杂操作或突变操作中的至少一者以生成可训练数据结构；及

将所述可训练数据结构提供到优化训练器；及

所述优化训练器，其经配置以在特定反向传播迭代期间：

确定与多个先前反向传播迭代相关联的改进率，所述先前反向传播迭代在所述特定反向传播迭代之前执行；

基于所述改进率选择所述可训练数据结构或先前可训练数据结构中的一者作为所选择的可训练数据结构，所述先前可训练数据结构先前在所述先前反向传播迭代的第一反向传播迭代期间训练；

通过基于所述训练数据集的一部分训练所述所选择的可训练数据结构生成经训练数据结构；及

将所述经训练数据结构作为输入提供到所述递归搜索的所述第一迭代之后的所述递归搜索的第二迭代。

2.根据权利要求1所述的计算机系统，其中所述优化训练器及所述递归搜索在单个装置上执行。

3.根据权利要求2所述的计算机系统，其中所述单个装置被集成到多个传感器中的传感器中，且其中所述训练数据集由所述多个传感器生成。

4.根据权利要求1所述的计算机系统，其中所述优化训练器在与所述递归搜索不同的装置、图形处理单元GPU、处理器、核心、线程或其任何组合上执行。

5.根据权利要求1所述的计算机系统，其中所述优化训练器进一步经配置以通过以下操作训练所述所选择的可训练数据结构：

确定所述所选择的可训练数据结构的节点的节点误差测量；

至少部分基于所述节点误差测量确定误差测量；及

基于确定所述误差测量大于非零误差阈值选择性地更新所述节点的连接的权重。

6.根据权利要求5所述的计算机系统，其中所述优化训练器进一步经配置以基于所述误差测量与所述非零误差阈值之间的差值确定学习率，其中所述连接的所述权重至少部分基于所述学习率更新。

7.根据权利要求5所述的计算机系统，其中所述优化训练器经配置以基于所述可训练数据结构的多个节点的节点误差测量确定所述误差测量，且其中所述多个节点包含所述节点。

8.根据权利要求5所述的计算机系统，其中所述节点包含于所述可训练数据结构的层中，且其中所述误差测量是基于包含于所述层中的节点的节点误差测量。

9.根据权利要求1所述的计算机系统，其中所述处理器进一步经配置以：

接收输入数据点；及

基于确定所述输入数据点与参考点之间的差值满足训练阈值，将所述输入数据点添加到所述训练数据集。

10.根据权利要求9所述的计算机系统，其中所述处理器进一步经配置以基于所述训练数据集的多个数据点确定所述参考点。

11.根据权利要求10所述的计算机系统，其中所述输入数据点及所述多个数据点中的每一者与相同分类器结果相关联。

12.根据权利要求9所述的计算机系统，其中所述输入数据点与所述参考点之间的所述差值对应于在向量空间中所述输入数据点与所述参考点之间的距离。