[发明专利]一种人工神经网络构建方法

权利要求书

1.一种人工神经网络构建方法，其特征在于，包括：

每个神经网络节点获取父节点的输出特征，并输出待变换的特征信息至下一子节点；

获取待构建神经网络的节点数量以及神经网络子网络的分段数量，其中待构建神经网络由各分段自网络串联构成；

预设分段子网络的复杂网络生成模型以及网格结构参数，基于复杂网络生成模型预生成分段子网络；

判断每个预分段自网络的连通性，直至所有输出的分段子网络均为连通网络；

对每个分段子网络进行有向化处理，确定每个分段子网络的输入节点和输出节点，拼接前后连接的分段子网络的输入节点和输出节点，构建神经网络的输出层；

输出构建的人工神经网络。

2.根据权利要求1所述的一种人工神经网络构建方法，其特征在于，每个神经网络节点获取父节点的输出特征，并输出待变换的特征信息至下一子节点，包括：

获取单个神经网络节点的父节点集合，获取每个父节点的输出特征，基于融合函数对每个父节点的输出特征进行融合，输出融合后的输出特征；

对融合后输出特征进行非线性变换，将非线性变换后的变换特征传递给所述单个神经网络节点的子节点。

3.根据权利要求1所述的一种人工神经网络构建方法，其特征在于，获取待构建神经网络的节点数量以及神经网络子网络的分段数量，包括：

根据待构建神经网络的参数数量和单个神经网络节点的参数数量的比值获取所述待构建神经网络的节点数量n；

神经网络子网络的分段数量K为神经网络结构的超参数，神经网络由各分段子网络串联构成,分段子神经网络s节点数量为n_s，满足

4.根据权利要求1所述的一种人工神经网络构建方法，其特征在于，基于复杂网络生成模型预生成分段子网络，所述复杂网络生成模型包括Erdos-Renyi模型、Watt-Strogatz模型、Barabasi-Albert模型以及几何网络模型。

5.根据权利要求4所述的一种人工神经网络构建方法，其特征在于，判断每个预分段自网络的连通性，直至所有输出的分段子网络均为连通网络，包括：

若分段子网络为连通网络，则将对应的分段子网络输出；

若分段子网络为非连通网络，则采用该分段子网络相同的模型与参数生成若干个复杂网络实例，检查每个复杂网络实例的连通性，选择其中任一连通网络作为分段子网络输出；

若每个复杂网络实例均为非连通网络，则重新选择复杂网络模型以及对应的参数，直至输出的每个分段子网络均为连通网络。

6.根据权利要求4所述的一种人工神经网络构建方法，其特征在于，对每个分段子网络进行有向化处理，确定每个分段子网络的输入节点和输出节点，拼接前后连接的分段子网络的输入节点和输出节点，构建神经网络的输出层，包括：

对每个分段子网络的节点集合中的每个节点进行编号，在网络中指定编号小的节点的输出端向与该节点连接的编号小的节点的输入端连接，生成有向复杂网络；

基于所述有向复杂网络构建人工神经网络的各分段子网络，所述人工神经网络的分段子网络的输入节点为所述有向复杂网络的入度为0的节点，所述人工神经网络的分段子网络的输出节点为所述有向复杂网络的出度为0的节点；

按预设顺序依次连接人工神经网络的各分段子网络，根据神经网络应用任务类型，设置所述人工神经网络的输出层，构建对应的人工神经网络。

7.根据权利要求6所述的一种人工神经网络构建方法，其特征在于，在构建所述人工神经网络后，根据预设的训练集对所述人工神经网络进行训练，以预设的验证集性能作为训练终止条件，以预设的测试集性能作为神经网络的性能评估条件；

对所述人工神经网络进行训练直至满足所述性能评估条件。

8.根据权利要求6或7所述的一种人工神经网络构建方法，其特征在于，基于神经网络结构搜索算法选择所述复杂网络生成模型并设定所述复杂网络生成模型的结构参数。