基于正交投影矩阵的人工神经网络优化方法、系统、装置

摘要

本发明属于机器学习及人工智能领域，具体涉及了一种基于正交投影矩阵的人工神经网络优化方法、系统、装置，旨在解决人工神经网络在连续学习时发生灾难性遗忘的问题。本发明方法包括：初始化人工神经网络并计算网络各层正交投影矩阵集；采用正交投影矩阵集更新人工神经网络权重矩阵并对当前任务的输入数据处理；采用递归的算法计算新的投影矩阵集并用于下一任务人工神经网络的权重矩阵更新；重复执行投影矩阵的递归运算以及权重矩阵的更新直至任务队列中所有任务执行完毕。本发明可以应用于不同任务空间，还可以用于局部网络甚至特定网络的特定权重上，计算简单、效果显著，避免了传统的人工神经网络“灾难性”遗忘的问题。