技术特征：
技术总结
本发明公开了一种动态神经网络模型的训练方法和装置，训练方法包括：将原始一维数据输入到第一层神经元，相应的输出值即该层特征，然后增加神经元层数，将上层输出的特征作为下一层神经元的输入，得到相应层的特征，重复该步骤直至层数达到预设值；在最终的输出特征与分类的类别之间建立全连接层，通过BP反向传播算法确定全连接层间的连接系数；其中，将神经元建模为动态神经元；评价模型性能，若性能达到预期，训练结束；反之，继续在生成的网络模型中增加新的神经元层直至模型性能达到预期。本发明的方法能够更加高效地提取数据特征，从而提高训练效率。
技术研发人员：王强;张化祥;房晓南;王振华;郭培莲
受保护的技术使用者：山东师范大学
技术研发日：2017.06.09
技术公布日：2017.09.15