一種基于學(xué)習(xí)自動(dòng)機(jī)的深度神經(jīng)網(wǎng)絡(luò)優(yōu)化方法，在深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練階段，從全連接的初始網(wǎng)絡(luò)結(jié)構(gòu)出發(fā)，在通過(guò)梯度下降迭代更新參數(shù)的過(guò)程中不斷找到網(wǎng)絡(luò)中的弱連接并將其去除，從而得到更為稀疏連接、具有更小的泛化誤差的網(wǎng)絡(luò)結(jié)構(gòu)，以便用于對(duì)測(cè)試樣本進(jìn)行更高精度的圖像分類，所述的弱連接，通過(guò)LA在訓(xùn)練過(guò)程中不斷與神經(jīng)網(wǎng)絡(luò)交互而進(jìn)行判定。本發(fā)明通過(guò)借鑒強(qiáng)化學(xué)習(xí)的思想，引入學(xué)習(xí)自動(dòng)機(jī)算法改善傳統(tǒng)的反向傳播算法，去掉冗余連接以減少網(wǎng)絡(luò)參數(shù)，從而提高在測(cè)試樣本上的分類精度，使其具有更強(qiáng)的防止過(guò)擬合的能力。