[发明专利]一种储备池数据处理方法、装置、电子设备和存储介质

说明书

本发明实施例提供了一种储备池数据处理方法、装置、电子设备和存储介质。所述储备池数据处理方法包括：在测试验证阶段，获取输入层数据；基于储备池的随机权重，对所述输入层数据进行时间演变计算，生成输出层数据；对所述输入层数据进行岭回归得到输入拟合值，对所述输出层数据进行所述岭回归得到输出拟合值；依据所述输入拟合值和所述输出拟合值确定拟合差值；当所述拟合差值大于预设过拟合阈值时，确定所述储备池过拟合，调整所述随机权重，直至所述拟合差值不大于所述过拟合阈值。通过本发明实施例可以对储备池的输出层进行优化，提高储备池的运行效率。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种储备池数据处理方法、一种储备池数据处理装置、一种电子设备和一种存储介质。

背景技术

随着人工智能(ArtificialInteligence，AI)的热潮席卷各行各业，作为人工智能核心的“AI芯片”变得炙手可热，它是所有智能设备必不可少的核心器件，专门用于处理AI相关的计算任务。AI芯片领域不光是半导体芯片公司竞争的舞台，连互联网公司、云计算公司都纷纷发布推出芯片的计划。

AI芯片包含两个领域的内容：一个是计算机科学领域，简单地说就是软件，即研究如何设计出高效率的智能算法；另一个是半导体芯片领域，简单地说就是硬件，即研究如何把这些算法有效地在硅片上实现，变成能与配套软件相结合的最终产品。其中，采用储备池已经发展成为一种AI芯片中使用动态系统对时间序列数据进行处理的方案。但是，现有的储备池输出层过拟合确定方式复杂，导致储备池输出层的误差较大，储备池需要重复运行处理，使得储备池的运行效率低下。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种储备池数据处理方法、一种储备池数据处理装置、一种电子设备和一种存储介质。

在本发明的第一个方面，本发明实施例公开了一种储备池数据处理方法，包括：

在测试验证阶段，获取输入层数据；

基于储备池的随机权重，对所述输入层数据进行时间演变计算，生成输出层数据；

对所述输入层数据进行岭回归得到输入拟合值，对所述输出层数据进行所述岭回归得到输出拟合值；

依据所述输入拟合值和所述输出拟合值确定拟合差值；

当所述拟合差值大于预设过拟合阈值时，确定所述储备池过拟合，调整所述随机权重，直至所述拟合差值不大于所述过拟合阈值。

可选地，所述储备池的随机权重包括输入连通性权重矩阵、储备池连通性权重矩阵和输出权重矩阵；所述基于储备池的随机权重，对所述输入层数据进行时间演变计算，生成输出层数据的步骤包括：

获取输入时间矢量；

确定所述时间矢量与所述输入连通性权重矩阵的第一乘积值；

确定所述输入层数据与所述储备池连通性权重矩阵的第二乘积值；

基于所述第一乘积值和所述第一乘积值，确定储备池状态矢量；

依据所述储备池状态矢量与所述输出权重矩阵，生成所述输出层数据。

可选地，所述依据所述储备池状态矢量与所述输出权重矩阵，生成所述输出层数据的步骤包括：

计算所述储备池状态矢量与所述输出权重矩阵的第三乘积值；

确定所述第三乘积值为所述输出层数据。

可选地，所述对所述输入层数据进行岭回归得到输入拟合值的步骤包括：

将所述输入层数据进行正则化，得到输入正则值；