，不限定于某一種網(wǎng)絡(luò)結(jié)構(gòu)，可以是經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)如bp神經(jīng)網(wǎng)絡(luò)，也可以是高級人工神經(jīng)網(wǎng)絡(luò)，或者深度學(xué)習(xí)網(wǎng)絡(luò)如cnn(convolutionalneuralnetwork,卷積神經(jīng)網(wǎng)絡(luò))。

　　其三

，本地訓(xùn)練階段

　　根據(jù)本發(fā)明冷媒檢測方法的一種實施方式，所述神經(jīng)網(wǎng)絡(luò)模型的激活函數(shù)采用sigmod函數(shù):σ(z)＝1/(1+e-z)

。在訓(xùn)練之前要初始化網(wǎng)絡(luò)的各層之間的權(quán)值wk偏置bl；確定網(wǎng)絡(luò)的輸出精度∈；確定網(wǎng)絡(luò)的學(xué)習(xí)速度η；確定網(wǎng)絡(luò)的最大訓(xùn)練步長：epoch。

　　根據(jù)前期獲得測試數(shù)據(jù)，挑選部分實驗數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)

，另外一部分作為測試數(shù)據(jù)，導(dǎo)入輸入數(shù)據(jù)x，根據(jù)激活函數(shù)、初始化的權(quán)值及偏置計算出網(wǎng)絡(luò)的實際輸出al(x)，即al(x)＝1/(1+e-z),其中z＝wk*x+bl。

　　判斷網(wǎng)絡(luò)的期望輸出y(x)與實際輸出al(x)是否滿足輸出精度要求即:‖y(x)-al(x)‖<∈

　　如果滿足精度要求則結(jié)束訓(xùn)練

，如不滿足則根據(jù)以下方式更新網(wǎng)絡(luò)的權(quán)值wk,偏置bl：所述神經(jīng)網(wǎng)絡(luò)模型的誤差能量函數(shù)采用c(w,b)為誤差能量函數(shù)(以標(biāo)準(zhǔn)方差函數(shù)為例)，n為訓(xùn)練樣本的總數(shù)量,求和是在總的訓(xùn)練樣本x上進(jìn)行。

　　更新各層權(quán)值：

　　更新各層偏置：

　　其中：wk為初始權(quán)值

，為誤差能量函數(shù)對權(quán)值的偏導(dǎo)數(shù)；bl為初始偏置，為誤差能量函數(shù)對偏置的偏導(dǎo)數(shù)；的值可通過鏈?zhǔn)角髮?dǎo)法則獲得。直至網(wǎng)絡(luò)的輸出精度達(dá)到小于∈為止。

　　最后進(jìn)行網(wǎng)絡(luò)測試：網(wǎng)絡(luò)訓(xùn)練完成后

，再用測試樣本正向測試網(wǎng)絡(luò)。在測試數(shù)據(jù)中挑選部分?jǐn)?shù)據(jù)測試訓(xùn)練好的網(wǎng)絡(luò)，判斷輸出是否滿足期望要求，如不滿足則則重復(fù)以上步驟，重新訓(xùn)練網(wǎng)絡(luò)直至滿足網(wǎng)絡(luò)輸出滿足要求；若測試誤差滿足要求，則網(wǎng)絡(luò)訓(xùn)練測試完成。

　　其四

，云數(shù)據(jù)強(qiáng)化訓(xùn)練階段

　　圖8是本發(fā)明提供的冷媒檢測方法的神經(jīng)網(wǎng)絡(luò)模型云數(shù)據(jù)強(qiáng)化訓(xùn)練的流程圖