It is used to process input methods, systems and devices using neural network system including albino neural network layer, including computer program encoded on computer storage medium. A method comprises: receiving before the whitening generated by the neural network layer in the sequence of input layer activation; according to the parameters set to activate the albino received to generate albino activation; according to the layer parameter set to process the albino activation to generate an output activation; and the output of neural network as input layer after activation to the albino neural network layer in the sequence.
【技术实现步骤摘要】
【国外来华专利技术】白化神经网络层
本说明书涉及通过神经网络的层来处理输入以生成输出。
技术介绍
神经网络是采用非线性单元的一个或多个层来针对接收到的输入预测输出的机器学习模型。一些神经网络除了包括输出层之外还包括一个或多个隐藏层。每个隐藏层的输出被用作网络中的下一层即下一个隐藏层或输出层的输入。网络的每个层根据相应的参数集的当前值从接收到的输入生成输出。
技术实现思路
一般而言,本说明书中所描述的主题的一个创新方面可用由一个或多个计算机实现的神经网络系统加以具体实现,所述神经网络系统包括白化神经网络层,所述白化神经网络层被配置成:接收由所述白化神经网络层之前的层生成的输入激活,根据白化参数集来处理所接收到的激活以生成白化激活,根据层参数集来处理所述白化激活以生成输出激活,并且将所述输出激活作为输入提供给所述白化神经网络层之后的神经网络层。神经网络系统被配置成接收网络输入并且通过神经网络层的序列中的每一个来处理所述网络输入以从所述网络输入生成网络输出,所述神经网络层的序列包括:白化神经网络层,其中所述神经网络层被配置成执行操作,所述操作包括:接收由所述序列中的所述白化神经网络层之前的层生成的输入激活;根据白化参数集来处理所接收到的激活以生成白化激活;根据层参数集来处理所述白化激活以生成输出激活;以及将所述输出激活作为输入提供给所述序列中的所述白化神经网络层之后的神经网络层。所述白化参数可以包括协方差参数集和均值参数集。所述均值参数集可以包括均值参数向量并且所述协方差参数集可以包括协方差权重矩阵。根据所述白化参数集来处理所接收到的激活以生成所述白化激活可以包括:从所述输入激活减去所 ...
【技术保护点】
一种神经网络系统,所述神经网络系统由一个或多个计算机来实现并且被配置成接收网络输入并且通过神经网络层的序列中的每一个来处理所述网络输入以从所述网络输入生成网络输出,所述神经网络层的序列包括:白化神经网络层,其中所述神经网络层被配置成执行操作,所述操作包括:接收由所述序列中的所述白化神经网络层之前的层生成的输入激活;根据白化参数集来处理所接收到的激活以生成白化激活;根据层参数集来处理所述白化激活以生成输出激活;以及将所述输出激活作为输入提供给所述序列中的所述白化神经网络层之后的神经网络层。
【技术特征摘要】
【国外来华专利技术】2015.06.05 US 62/172,0091.一种神经网络系统,所述神经网络系统由一个或多个计算机来实现并且被配置成接收网络输入并且通过神经网络层的序列中的每一个来处理所述网络输入以从所述网络输入生成网络输出,所述神经网络层的序列包括:白化神经网络层,其中所述神经网络层被配置成执行操作,所述操作包括:接收由所述序列中的所述白化神经网络层之前的层生成的输入激活;根据白化参数集来处理所接收到的激活以生成白化激活;根据层参数集来处理所述白化激活以生成输出激活;以及将所述输出激活作为输入提供给所述序列中的所述白化神经网络层之后的神经网络层。2.根据权利要求1所述的神经网络系统,其中,所述白化参数集包括均值参数向量和白化权重矩阵,并且其中,根据所述白化参数集来处理所接收到的激活以生成所述白化激活包括:从所述输入激活减去所述均值参数向量以生成中间白化激活;以及将所述白化权重矩阵应用于所述中间白化激活以生成所述白化激活。3.根据权利要求2所述的神经网络系统,其中,所述白化权重矩阵是具有元素的矩阵,所述元素是从在所述神经网络层的训练期间由所述序列中的所述白化神经网络层之前的所述层生成的输入激活的协方差的矩阵的特征分解得到的。4.根据权利要求2或3中的任一项所述的神经网络系统,其中,所述均值参数向量是从在所述神经网络层的训练期间由所述序列中的所述白化神经网络层之前的所述层生成的输入激活的均值得到的。5.根据权利要求1至4中的任一项所述的神经网络系统,其中,所述层参数包括偏置向量d和层权重矩阵V,并且所述输出激活h满足:h=f(Vhw+d),其中,f是逐元素非线性激活函数并且hw是所述白化激活。6.一种在训练数据上对根据权利要求2至5中的任一项所述的神经网络层进行训练以调整所述序列中的所述神经网络层的所述参数的值的方法。7.根据权利要求6所述的方法,其中,对所述神经网络层进...
【专利技术属性】
技术研发人员:纪尧姆·德雅尔丹,凯伦·西蒙尼扬,科拉伊·卡武克曲奥卢,拉兹万·帕什卡努,
申请(专利权)人:谷歌有限责任公司,
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。