一种应用于神经网络循环的优化方法及相关设备与流程

本申请涉及计算机编程，尤其涉及一种应用于神经网络循环的优化方法及相关设备。

背景技术：

1、微指令在微程序控制的计算机中指的是执行一组微操作的控制信号集合。神经网络（nn）分为人工神经网络（ann）和脉冲神经网络（snn），其中ann广泛应用于模拟动物神经网络行为特征的信息处理。指令集用于控制计算机系统操作，是提高微处理器效率的有效工具。

2、当前，为提高通信中神经网络的运行效率，通常会减少或取消神经网络的循环次数，然而，申请人发现，减少或取消神经网络的循环次数会导致信息传递的准确性降低。

技术实现思路

1、本申请实施例的目的在于提出一种应用于神经网络循环的优化方法及相关设备，以解决减少或取消神经网络的循环次数会导致信息传递的准确性降低的问题。

2、为了解决上述技术问题，本申请实施例提供一种应用于神经网络循环的优化方法，采用了如下所述的技术方案：

3、获取中心系统采集到的数据信号；

4、对所述数据信号进行特征提取操作，得到特征提取数据；

5、将所述特征提取数据输入至人工神经网络进行数据分析操作，得到数据分析结果；

6、根据所述数据分析结果生成控制微指令；

7、根据所述控制微指令对驱动目标神经网络进行循环操作。

8、进一步的，在所述获取中心系统采集到的数据信号的步骤之后，还包括下述步骤：

9、对所述数据信号进行预处理操作，得到预处理数据；

10、所述对所述数据信号进行特征提取操作，得到特征提取数据的步骤，具体包括下述步骤：

11、对所述预处理数据进行特征提取操作，得到所述特征提取数据。

12、进一步的，所述根据所述控制微指令对驱动目标神经网络进行循环操作的步骤，具体包括下述步骤：

13、对所述控制微指令进行可行性检测操作，得到可行性检测结果，其中，所述可行性检测结果包括可行性微指令和/或不可行性微指令；

14、执行所述可行性微指令，并记录所述可行性微指令的可行性信息流，和/或输出所述不可行性微指令的不可行性信息流；

15、根据所述可行性信息流对驱动目标神经网络进行循环操作。

16、进一步的，在所述根据所述数据分析结果生成控制微指令的步骤之后，还包括下述步骤：

17、对所述控制微指令进行分类操作，得到微指令分类结果；

18、对所述微指令分类结果进行优先权排序操作，得到优化微指令；

19、所述根据所述控制微指令对驱动目标神经网络进行循环操作的步骤，具体包括下述步骤：

20、根据所述优化微指令对驱动目标神经网络进行循环操作。

21、进一步的，所述微指令分类结果包括复杂指令集、精简指令集以及外部辅助指令集，所述对所述微指令分类结果进行优先权排序操作，得到优化微指令的步骤，具体包括下述步骤：

22、对所述复杂指令集进行复杂分类处理，得到可执行简化指令集、可执行内部辅助指令集以及不可执行指令集；

23、将所述优化微指令的权重顺序从高到低依次设置为所述精简指令集、所述可执行简化指令集、所述可执行内部辅助指令集、所述外部辅助指令集以及不可执行指令集。

24、为了解决上述技术问题，本申请实施例还提供一种应用于神经网络循环的优化装置，采用了如下所述的技术方案：

25、信号获取模块，用于获取中心系统采集到的数据信号；

26、特征提取模块，用于对所述数据信号进行特征提取操作，得到特征提取数据；

27、数据分析模块，用于将所述特征提取数据输入至人工神经网络进行数据分析操作，得到数据分析结果；

28、微指令生成模块，用于根据所述数据分析结果生成控制微指令；

29、循环操作模块，用于根据所述控制微指令对驱动目标神经网络进行循环操作。

30、进一步的，所述装置还包括：预处理模块，所述特征提取模块包括：特征提取子模块，其中：

31、所述预处理模块，用于对所述数据信号进行预处理操作，得到预处理数据；

32、所述特征提取子模块，用于对所述预处理数据进行特征提取操作，得到所述特征提取数据。

33、进一步的，所述循环操作模块包括：

34、可行性检测子模块，用于对所述控制微指令进行可行性检测操作，得到可行性检测结果，其中，所述可行性检测结果包括可行性微指令和/或不可行性微指令；

35、微指令执行子模块，用于执行所述可行性微指令，并记录所述可行性微指令的可行性信息流，和/或输出所述不可行性微指令的不可行性信息流；

36、循环操作子模块，用于根据所述可行性信息流对驱动目标神经网络进行循环操作。

37、为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

38、包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的应用于神经网络循环的优化方法的步骤。

39、为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

40、所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的应用于神经网络循环的优化方法的步骤。

41、本申请提供了一种应用于神经网络循环的优化方法，包括：获取中心系统采集到的数据信号；对所述数据信号进行特征提取操作，得到特征提取数据；将所述特征提取数据输入至人工神经网络进行数据分析操作，得到数据分析结果；根据所述数据分析结果生成控制微指令；根据所述控制微指令对驱动目标神经网络进行循环操作。与现有技术相比，本申请在进行通信中神经网络的运作下，根据神经网络运行情况，建立关于神经网络中控端、命令执行模块、神经网络交互模块和评估模块的神经网络循环流程中，在该流程中，依据神经网络中控端的微指令进行合理运作，然后利用指令集的优先权的划分，保证优先权高的微指令得到有效运行，同时，在微指令运行过程中，根据优先权的权重高低依次进行命令执行，并在执行时完成微指令的可行性的判断与检测，并在检测后同步下达可执行的命令和反馈执行信息，形成神经网络循环和神经网络运作的同步，且在神经网络循环中完成神经网络数据的校检，这样即可在保证神经网络运行效率的前提下，保证神经网络的循环，保证神经网络传递信息的准确性，同时，通过微指令和优化指令集，提高神经网络运作同步性和数据校检能力；在高效运作前提下，保证神经网络循环，提高信息传递准确性；优先权设置确保高优先级指令集高效执行，提高神经网络循环加速效果。

技术特征：

1.一种应用于神经网络循环的优化方法，其特征在于，包括下述步骤：

2.根据权利要求1所述的应用于神经网络循环的优化方法，其特征在于，在所述获取中心系统采集到的数据信号的步骤之后，还包括下述步骤：

3.根据权利要求1所述的应用于神经网络循环的优化方法，其特征在于，所述根据所述控制微指令对驱动目标神经网络进行循环操作的步骤，具体包括下述步骤：

4.根据权利要求1所述的应用于神经网络循环的优化方法，其特征在于，在所述根据所述数据分析结果生成控制微指令的步骤之后，还包括下述步骤：

5.根据权利要求4所述的应用于神经网络循环的优化方法，其特征在于，所述微指令分类结果包括复杂指令集、精简指令集以及外部辅助指令集，所述对所述微指令分类结果进行优先权排序操作，得到优化微指令的步骤，具体包括下述步骤：

6.一种应用于神经网络循环的优化装置，其特征在于，包括：

7.根据权利要求6所述的应用于神经网络循环的优化装置，其特征在于，所述装置还包括：预处理模块，所述特征提取模块包括：特征提取子模块，其中：

8.根据权利要求7所述的应用于神经网络循环的优化装置，其特征在于，所述循环操作模块包括：

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的应用于神经网络循环的优化方法的步骤。

10.一种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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的应用于神经网络循环的优化方法的步骤。

技术总结本申请实施例属于计算机编程技术领域，涉及一种应用于神经网络循环的优化方法及相关设备，该方法包括：获取中心系统采集到的数据信号；对所述数据信号进行特征提取操作，得到特征提取数据；将所述特征提取数据输入至人工神经网络进行数据分析操作，得到数据分析结果；根据所述数据分析结果生成控制微指令；根据所述控制微指令对驱动目标神经网络进行循环操作。本申请在进行通信中神经网络的运作下，根据神经网络运行情况，建立关于神经网络中控端、命令执行模块、神经网络交互模块和评估模块的神经网络循环流程中，在该流程中，依据神经网络中控端的微指令进行合理运作，然后利用指令集的优先权的划分，保证优先权高的微指令得到有效运行。技术研发人员：韦伟才,邓海蛟,马健莹受保护的技术使用者：深圳市龙芯威半导体科技有限公司技术研发日：技术公布日：2024/11/14