非平稳数据流场景下深度神经网络深度自适应调整方法

本发明公开了非平稳数据流场景下深度神经网络深度自适应调整方法，步骤如下：1)通过损失函数计算最终预测结果F(xt)与标签yt之间的损失；2)采用分位数进行损失分析，维护两个大小相同且固定的滑动窗口，记录新损失和旧损失值分位数差异，通过对比两个窗口中的损失分位数是否大于阈值来判断网络性能是否达到瓶颈期；3)通过对当前最后一层分类器权重是否超过动态阈值来判断最后一层是否已承担主要预测责任；4)计算最后两层互信息的差异；5)最后进行综合决策。本发明为复杂动态环境下在线学习深度神经网络架构的深度自适应调整提供了高效、可解释的解决方案。