申请/专利权人：国网浙江省电力有限公司;国网浙江省电力有限公司营销服务中心

申请日：2020-08-24

公开（公告）日：2020-10-23

公开（公告）号：CN111814966A

主分类号：G06N3/04(20060101)

分类号：G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2021.11.19#发明专利申请公布后的驳回;2020.11.10#实质审查的生效;2020.10.23#公开

摘要：本申请属于深度学习技术领域，具体涉及一种神经网络架构搜索方法、神经网络应用方法、设备及存储介质。其中的方法包括：通过强化学习架构搜索方法搜索到第一神经网络模型，对所述第一神经网络模型，基于预设的跳跃连接数量，进行网络结构搜索，得到第二神经网络模型；基于预先建立的评估网络的参数对所述第二神经网络模型的结构进行设置，在测试数据集上进行训练，获取训练后的神经网络模型。本申请方法中的神经网络架构搜索速度更快，有效解决了网络架构搜索资源消耗太多的问题。通过训练得到的神经网络模型对目标图像进行处理，可执行多种图像处理任务，图像处理时识别精度更高。

主权项：1.神经网络架构搜索方法，其特征在于，该方法包括：S11、定义搜索空间，所述搜索空间包括预设数量的节点及每两个节点之间的多种候选操作，将所述搜索空间作为待搜索网络单元；S12、将M个所述待搜索网络单元，按照预定义的方式堆叠得到待搜索的神经网络，其中，M的初始取值范围为[4,6]；S13、将待搜索的神经网络中每个候选操作的权重作为待优化的参数，使用强化学习搜索策略和操作级失活对所述待搜索的神经网络进行网络架构搜索，用强化学习代理生成权重参数，将权重低的候选操作删除，得到搜索后的神经网络和搜索后的网络单元；S14、增大M的取值，将搜索后的网络单元作为待搜索网络单元；S15、迭代执行步骤S12-步骤S14，直至迭代次数达到预设值，获取搜索后得到的神经网络模型，作为第一神经网络模型；S16、对所述第一神经网络模型，基于预设的跳跃连接数量，进行网络结构搜索，得到第二神经网络模型；S17、基于预先建立的评估网络的参数对所述第二神经网络模型的结构进行设置，在测试数据集上进行训练，获取训练后的神经网络模型；S18、采用步骤S11-S17所述的神经网络架构搜索方法进行神经网络架构搜索，获取目标神经网络模型；S19、基于所述目标神经网络模型对目标图像进行处理，获取处理结果；所述对目标图像进行处理包括目标检测、行人重识别、图像分类中的一种或多种。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司;国网浙江省电力有限公司营销服务中心 神经网络架构搜索方法、神经网络应用方法、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD