通过分解的神经网络分类制造技术

描述了一种分类系统，该分类系统可以包括神经网络分解逻辑(“NND”)，该神经网络分解逻辑可以使用神经网络(“NN”)来执行分类。NND可以将分类决策分解为多个子决策空间。NND可以使用NN执行分类，所述NN具有比NND用于分类的神经元更少的神经元，和/或所述NN接受具有比输入到NND的特征向量更小的大小的特征向量。所述NND可以维护用于子决策空间的多个上下文，并且可以在这些上下文之间进行切换以便使用子决策空间执行分类。NND可以对来自子决策空间的结果进行组合以决定分类。通过将决策划分到子决策空间中，NND可以使用NN提供分类决策，该NN可能否则不适于特定的分类决策。也可以描述和/或请求保护其他实施例。

Neural network classification by decomposition

A classification system is described, which can include neural network decomposition logic (\NND\). Neural network decomposition logic can use neural network (\NN\) to perform classification. NND can decompose the classification decision into multiple sub decision spaces. NND can use NN to execute classification. The NN has fewer neurons than NND for classifying neurons, and / or NN accepts feature vectors with smaller size than those input to NND. The NND can maintain multiple contexts for sub decision space, and can switch between these contexts so as to execute classification using sub decision space. The NND can combine the results from the subspace of the child to determine the classification. By dividing decisions into sub decision spaces, NND can use NN to provide classification decisions, and the NN can not be suitable for specific classification decisions. Other embodiments can also be described and / or requested.

【技术实现步骤摘要】
【国外来华专利技术】通过分解的神经网络分类
本公开涉及数据处理的领域，具体地涉及与通过分解执行神经网络分类相关联的装置、方法和存储介质。
技术介绍
本文所提供的背景描述是为了在总体上呈现本公开的上下文。除非本文中另有指示，否则本章节中所描述的材料对于本申请的权利要求书而言并非现有技术，并且也并不承认包括在本章节中就为现有技术。通常，要求计算系统将输入数据分类到类别中。在某些情况下，可以基于各种输入的融合来确定更高级别的信息。在某些情景中，来自与个人相关联的传感器的数据可以被合并或融合以确定与用户相关联的上下文。例如，来自运动传感器的数据可以被融合以由用户对身体活动进行分类，例如，步行、跑步、骑车、驾驶等。在另一个示例中，运动传感器数据可以被融合以对运动姿势进行分类，例如，对点击设备、轻击设备、举起和注视设备、绘制形状等的识别。在又一个示例中，从麦克风捕获的数据可以被融合，以对环境音频(例如，音乐、语音、人群存在、运动声音等)进行分类。尽管这些情景提供了复杂的传感器融合分类任务的某些示例，但是在其他情景中，可以使用其他数据执行分类或者可以执行分类以确定其他上下文。在各种情景中，由于执行这种分类的复杂性，可本文档来自技高网...

【技术保护点】
一种用于分解分类决策的装置，所述装置包括：一个或多个计算机处理器；神经网络逻辑，其与所述一个或多个计算机处理器耦合或者在所述一个或多个计算机处理器上操作以执行特征向量的分类，其中，所述神经网络逻辑用于使用第一数量的神经元对第一长度的特征向量进行操作；以及神经网络分解逻辑，其用于在所述一个或多个计算机处理器上操作以利用所述神经网络逻辑通过使用第二数量的神经元来执行第二长度的输入特征向量的分类，其中，所述第二数量大于所述第一数量或者所述第二长度大于所述第一长度。

【技术特征摘要】
【国外来华专利技术】1.一种用于分解分类决策的装置，所述装置包括：一个或多个计算机处理器；神经网络逻辑，其与所述一个或多个计算机处理器耦合或者在所述一个或多个计算机处理器上操作以执行特征向量的分类，其中，所述神经网络逻辑用于使用第一数量的神经元对第一长度的特征向量进行操作；以及神经网络分解逻辑，其用于在所述一个或多个计算机处理器上操作以利用所述神经网络逻辑通过使用第二数量的神经元来执行第二长度的输入特征向量的分类，其中，所述第二数量大于所述第一数量或者所述第二长度大于所述第一长度。2.根据权利要求1所述的装置，其中，所述神经网络分解逻辑用于通过输入特征向量在子决策空间上的分类来执行所述输入特征向量的分类，所述子决策空间使用所述第一数量的神经元对所述第一长度的特征向量进行操作。3.根据权利要求2所述的装置，其中，所述神经网络分解逻辑还用于维护针对所述神经网络逻辑的多个上下文。4.根据权利要求3所述的装置，其中，所述神经网络分解逻辑还用于在输入特征向量在子决策空间上的分类期间在上下文之间进行切换。5.根据权利要求3所述的装置，其中，所述神经网络分解逻辑还用于将所述输入特征向量划分为子特征向量并且将所述第二数量的神经元划分为神经元子集。6.根据权利要求5所述的装置，其中，所述子特征向量是所述第一长度的向量。7.根据权利要求5所述的装置，其中，所述网络分解逻辑用于将所述第二数量的神经元划分为第一大小的神经元子集。8.根据权利要求7所述的装置，其中，网络分解逻辑用于在分类期间基于命中概率对所述神经元子集进行排序。9.根据权利要求1-8中任一项所述的装置，其中，所述输入特征向量包括以下中的一个或多个：设备数据、运动姿势数据、或环境数据。10.根据权利要求1-8中任一项所述的装置，其中，所述神经网络逻辑在硬件中实现。11.根据权利要求1-8中任一项所述的装置，其中，所述神经网络逻辑包括与每个神经元相关联的参考向量。12.一种用于执行针对输入特征向量的分类决策的计算机实现的方法，所述方法包括：由包括神经网络逻辑的计算系统通过使用所述神经网络逻辑来执行子决策空间上的分类，其中，所述神经网络逻辑用于通过使用第一数量的神经元来执行第一长度的特征向量的分类；以及基于所述子决策空间上的分类，由所述计算系统执行所述输入特征向量的分类，其中，所述输入特征向量的分类是通过使用大于所述第一数量的神经元的第二数量的...

【专利技术属性】
技术研发人员：丁科，罗春，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：美国,US