用于深度学习的稀疏推理模块制造技术
【技术实现步骤摘要】
【国外来华专利技术】用于深度学习的稀疏推理模块政府权利以美国政府合同编号UPSIDE下的政府支持来进行本专利技术。该政府在本专利技术中具有特定权利。相关申请的交叉引用本申请是2015年3月24日提交的美国临时申请No.62/137665的非临时专利申请，该美国临时申请的全部内容通过引用并入于此。本申请也是2015年4月30日提交的美国临时申请No.62/155355的非临时专利申请，该美国临时申请的全部内容通过引用并入于此。专利技术背景(1)
本专利技术总体上涉及识别系统，并且更具体地说，涉及可以被用于多维信号处理流水线中的模块，以通过利用多个分层特征信道自适应地提取信息来识别信号类别。(2)
技术介绍
深度学习是机器学习的一个分支，其尝试通过利用具有复杂结构的多个处理层来模型化数据中的高级抽象。深度学习可以实现用于信号识别。这种深度学习方法的示例包括：卷积网络(参见并入的参考文献列表，参考文献No.1)、HMAX模型(参见参考文献No.2)、以及分层的自动编码器(hierarchyofauto-encoder)。这些方法的关键缺点是，它们需要高数值精度来存储无数的权重并处理无数的单...
【技术保护点】
一种用于深度学习的稀疏推理模块，该稀疏推理模块包括：存储器和一个或更多个处理器，在所述存储器上具有编码的可执行指令，使得在执行时，所述一个或更多个处理器执行以下操作：接收数据，并且针对多个图案模板匹配所述数据，以生成针对所述多个图案模板中的每个图案模板的匹配度值；稀疏化所述匹配度值，使得仅提供满足标准的那些匹配度值，以供进一步处理为稀疏特征矢量，而其它失败的匹配度值被压制成零；以及利用所述稀疏特征矢量自选参与高级分类的信道。
【技术特征摘要】
【国外来华专利技术】2015.03.24 US 62/137,665;2015.04.30 US 62/155,3551.一种用于深度学习的稀疏推理模块，该稀疏推理模块包括：存储器和一个或更多个处理器，在所述存储器上具有编码的可执行指令，使得在执行时，所述一个或更多个处理器执行以下操作：接收数据，并且针对多个图案模板匹配所述数据，以生成针对所述多个图案模板中的每个图案模板的匹配度值；稀疏化所述匹配度值，使得仅提供满足标准的那些匹配度值，以供进一步处理为稀疏特征矢量，而其它失败的匹配度值被压制成零；以及利用所述稀疏特征矢量自选参与高级分类的信道。2.根据权利要求1所述的用于深度学习的稀疏推理模块，其中，所述数据包括静止图像信息、视频信息、以及音频信息中的至少一种。3.根据权利要求1所述的用于深度学习的稀疏推理模块，其中，所述信道的自选有助于对静止图像信息、视频信息、以及音频信息中的至少一种的分类。4.根据权利要求1所述的用于深度学习的稀疏推理模块，其中，所述标准需要所述匹配度值高于阈值限度。5.根据权利要求1所述的用于深度学习的稀疏推理模块，其中，所述标准需要所述匹配度值处于固定量的最高匹配度值之内。6.一种计算机程序产品，该计算机程序产品针对用于深度学习的稀疏推理，该计算机程序产品包括：非暂时性计算机可读介质，在该非暂时性计算机可读介质上具有编码的可执行指令，使得当通过一个或更多个处理器执行所述指令时，所述一个或更多个处理器执行以下操作：接收数据，并且针对多个图案模板匹配所述数据，以生成针对所述多个图案模板中的每个图案模板的匹配度值；稀疏化所述匹配度值，使得仅提供满足标准的那些匹配度值，以供进一步处理为稀疏特征矢量，而其它失败的匹配度值被压制成零；以及利用所述稀疏特征矢量自选参与高级分类的信道。7.根据权利要求6所述的计算机程序产品，其中，所述数据包括静止图像信息、视频信息、以及音频信息中的至少一种。8.根据权利要求6所述的计算机程序产品，其中，所述信道的自选有助于对静止图像信息、视频信息、以及音频信息中的至少一种的分类。9.根据权利要求6所述的计算机程序产品，其中，所述标准需要所述匹配度值高于阈值限度。10.根据权利要求6所述的计算机程序产品，其中，所述标准需要所述匹配度值处于固定量的最高匹配度值之内。11.一种针对用于深度学习的稀疏推理的方法，所述方法包括以下动作：使一个或...
【专利技术属性】
技术研发人员：P·K·皮利，N·D·斯特普，N·斯里尼瓦萨，
申请(专利权)人：赫尔实验室有限公司，
类型：发明
国别省市：美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。