生成神经网络方法、设备及计算机可读存储介质与流程

技术特征：
1.生成神经网络方法，其特征在于，包括：获取初始神经元；对所述初始神经元进行标准正交化处理，得到标准神经元；根据所述标准神经元计算出备选神经元；根据所述备选神经元的备选指数确定目标神经元；将所述目标神经元添加至神经元集合；根据所述神经元集合生成神经网络。2.根据权利要求1所述的生成神经网络方法，其特征在于，所述获取初始神经元，包括：获取初始网络；根据所述初始网络获取到初始神经元。3.根据权利要求2所述的生成神经网络方法，其特征在于，所述对所述初始神经元进行标准正交化处理，得到标准神经元，包括：将初始训练数据服从正态分布，得到所述初始训练数据的均值与标准差；根据所述初始训练数据的均值与标准差确定区间范围；根据所述区间范围确定所述初始神经元的参数；对所述初始神经元的参数进行运算，得到所述初始神经元的偏置参数；基于所述初始神经元的偏置参数，对所述初始神经元进行标准正交化处理，得到标准神经元。4.根据权利要求1至3任意一项所述的生成神经网络方法，其特征在于，所述根据所述标准神经元计算出备选神经元，包括：在所述标准神经元中任意选择两个神经元；对选中的所述两个神经元进行取小操作运算，得到备选神经元。5.根据权利要求1至3任意一项所述的生成神经网络方法，其特征在于，所述根据所述标准神经元计算出备选神经元，还包括：对所述标准神经元进行分堆处理，得到多个神经元组；从每一个神经元组中选择两个神经元进行排列组合运算得到备选神经元。6.根据权利要求1至3任意一项所述的生成神经网络方法，其特征在于，所述根据所述备选神经元的备选指数确定目标神经元，包括：获取备选神经元的备选指数；获取预设的阈值；将所述备选指数与所述阈值进行比较；若确定所述备选指数小于或等于所述阈值时，将所述备选指数对应的所述备选神经元确定为目标神经元。7.根据权利要求6所述的生成神经网络方法，其特征在于，所述获取备选神经元的备选指数，包括：根据向量内积对所述备选神经元进行计算，得到所述备选神经元的备选指数。8.根据权利要求1至3任意一项所述的生成神经网络方法，其特征在于，所述根据所述神经元集合生成神经网络，包括：将所述目标神经元添加至神经元集合；
获取生成所述神经网络的所述目标神经元数量的临界值；判断所述临界值是否小于所述目标神经元的数量；若所述临界值小于所述目标神经元的数量，则生成神经网络。9.生成神经网络设备，其特征在于，包括：处理器；存储器，用于存储可执行程序；当所述可执行程序被所述处理器执行时，得到生成神经网络设备实现如权利要求1至8任一项所述的生成神经网络方法。10.计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8任一项所述的生成神经网络方法。

技术总结
本发明公开了一种生成神经网络方法、设备及计算机可读存储介质。本发明通过获取初始神经元；对初始神经元进行标准正交化处理，得到标准神经元；根据标准神经元计算出备选神经元；根据备选神经元的备选指数确定目标神经元；将目标神经元添加至神经元集合；根据神经元集合生成神经网络。降低了生成神经网络的计算复杂度，大大的缩短了生成神经网络的时间成本。本。本。


技术研发人员：许鋆 薛悦榕 龚佳伟
受保护的技术使用者：哈尔滨工业大学（深圳）
技术研发日：2021.06.21
技术公布日：2021/10/23