【技术实现步骤摘要】
用于确定人工神经网络拓扑的技术背景人工神经网络，或简称神经网络，通常指受生物神经网络(如动物大脑)启发的计算系统。通常，神经网络通过考虑任务的示例逐步地改善任务的性能。例如，在图像识别中，神经网络可以通过分析学习材料(诸如已经被标记为“猫”或“不是猫”的示例图像)来学习以标识包含猫的图像，并且使用该结果来标识其他图像中的猫。通常，在不需要任何关于任务的先验知识的情况下，神经网络从他们处理的学习材料中演化出其自身的一组图像相关特征。因此，在上述实例中，在没有关于猫的任何先验知识(例如，它们具有毛皮、尾巴、胡须等)的情况下，神经网络可以演化一组相关特征以确定图像是否包括猫。典型地，神经网络包括基于生物神经元建模的连接的节点的集合，称为人工神经元。节点之间的连接(生物突触的简化版本)可以在连接的节点之间传输信号。人工神经元的集合的结构和其之间的连接可以被称为神经网络的拓扑。附图说明图1示出了根据本文描述的一个或多个实施例的用于确定神经网络拓扑的示例性处理流程。图2示出了根据本文描述的一个或多个实施例的示例性样本集集合。图3A...
【技术保护点】
1.一种计算机实现的方法，包括：/n从数据集中确定样本集的集合，所述样本集的集合中的每个样本集是利用抽取之间的替换来从所述数据集中随机地抽取的；/n基于所述样本集的集合中的第一样本集来将图划分为第一子图集；/n基于所述样本集的集合中的第二样本集来将所述图划分为第二子图集，所述第二样本集不同于所述第一样本集；以及/n至少部分地基于所述第一子图集或所述第二子图集来确定神经网络的拓扑。/n
【技术特征摘要】
20180621 US 16/014,4951.一种计算机实现的方法，包括：
从数据集中确定样本集的集合，所述样本集的集合中的每个样本集是利用抽取之间的替换来从所述数据集中随机地抽取的；
基于所述样本集的集合中的第一样本集来将图划分为第一子图集；
基于所述样本集的集合中的第二样本集来将所述图划分为第二子图集，所述第二样本集不同于所述第一样本集；以及
至少部分地基于所述第一子图集或所述第二子图集来确定神经网络的拓扑。
2.如权利要求1所述的计算机实现的方法，所述第一子图集和所述第二子图集中的每一个子图包括后代子图和两个或更多个祖先子图。
3.如权利要求1所述的计算机实现的方法，包括：基于条件独立性测试将所述图划分为所述第一子图集和所述第二子图集。
4.如权利要求1所述的计算机实现的方法，包括：计算所述第一子图集的第一分数和所述第二子图集的第二分数，其中所述第一分数和所述第二分数是基于所述数据集来计算的。
5.如权利要求4所述的计算机实现的方法，包括：选择第一子图集或第二子图集以用于基于所述第一分数和所述第二分数来确定所述神经网络的拓扑。
6.如权利要求4所述的计算机实现的方法，所述第一分数和所述第二分数包括贝叶斯分数。
7.如权利要求1所述的计算机实现的方法，包括基于所述数据集生成所述图。
8.如权利要求1所述的计算机实现的方法，包括：
至少部分地基于所述第一子图集来确定所述神经网络的拓扑；以及
至少部分地基于所述第二子图集来确定第二神经网络的拓扑。
9.如权利要求1所述的计算机实现的方法，包括：至少部分地基于数据集或样本集的集合来生成所述图。
10.如权利要求9所述的计算机实现的方法，包括：基于概率图形建模来生成所述图。
11.一种包括代码的机器可读介质，所述代码当被执行时，用于使机器执行如权利要求1至10中任一项所述的方法。
12.一种设备，所述设备包括：
处理器；以及
存储器，所述处理器包括指令，当所述指令由所述处理器执行时，使得所述处理器用于：
从数据集中确定样本集的集合，利用抽取之间的替换来从所述数据集中随机地抽取样本集的集合中的每个样本集；
基于所述样本集的集合中的第一样本集来将图划分为第一子图集；
基于所述样本集的集合中的第二样本集来将所述图划分为第二子图集，所述第二样本集不同于所述第一样本集；以及
至少部分地基于所述第一子图集或所述第二子图集来确定神经网络的拓扑。
13.如权利要求12所述的设备，所述第一子图集和所述第...
【专利技术属性】
技术研发人员：Y·格威茨，R·Y·耶海兹凯罗厄卡，S·尼斯莫，G·科伦，G·诺维克，
申请(专利权)人：英特尔公司，
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。