一种新的深度多核学习网络模型训练方法、系统及介质

摘要

本发明公开了一种新的深度多核学习网络模型训练方法、系统及介质，该方法包括：确定网络的基础核函数种类；随机生成m个网络拓扑结构互不相同，每一层由n个基础核函数组成的网络M；生成m个带网络连接权重的网络Mw；通过遗传算法优化网络连接权重W，得到m个带最优连接权重的网络Mbest_w；通过遗传算法对Mbest_w进行网络拓扑结构优化，找出针对当前所解决问题的带最优网络拓扑结构的网络Mbest_c；迭代优化得出最优深度多核学习网络模型。本发明在确保深度学习网络的识别和泛化性能的同时，通过对网络模型进行基因编码并通过遗传算法对模型的各参数进行自动优化，解决神经网络的拓扑结构只能通过人工调参以及复杂神经网络的调参人工成本过高的问题。