一种两阶段训练的深凸神经网络优化方法及系统

本发明属于神经网络优化技术领域，公开了一种两阶段训练的深凸神经网络优化方法及系统，采用深凸神经网络来近似MPC,相比于其他神经网络，其具有输入相对于拟合函数具有一定的凸性，从而保证了求解过程中的迅速性和可解释性。本发明提出了两阶段训练以及F_shap辅助数据筛选过程来进行神经网络训练。在离线阶段，系统的提出了扩张式的数据集收集方法和游动式的数据集增强方法，可以有效的收集不同控制任务中的不同概率的数据。在在线阶段使用过程中加入安全滤波组件，可以极大的保障所训练的神经网络的输出安全性，并同时进行在线阶段的数据收集并进行微调神经网络，使其具有更好的自进化性。