【技术实现步骤摘要】
神经网络及对象识别的方法本申请要求于2018年9月28日提交到韩国知识产权局的第10-2018-0115882号韩国专利申请的权益，所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
以下描述涉及神经网络以及神经网络的操作方法和训练方法。
技术介绍
神经网络是具有一定数量的层或运算的架构或结构，其中，针对许多不同的机器学习算法而提供一定数量的层或运算，以一起工作、处理复杂的数据输入并且识别模式。通常，神经网络采用深度神经网络(DNN)的形式以确保针对特征向量的高转换(translation)能力或高性能。然而，DNN包括具有各种权重的多个层，并且使用用于存储多个层的大的存储空间。此外，循环网络(例如，被配置为处理序列数据的循环神经网络(RNN))执行期望的迭代次数(例如，序列数据的长度)的运算。因此，除了序列数据之外，不容易应用于一般的特征向量。此外，如果序列数据的长度太长，则处理时间也增加。
技术实现思路
提供本
技术实现思路
以简化的形式介绍在下面的具体实施方式中进一步描述的构思的选择。本专...
【技术保护点】
1.一种对象识别的方法，所述方法包括：/n基于包括将被识别的对象的输入信息获得从第一网络输出的状态信息；/n使用第二网络确定状态信息是否满足预设条件；/n响应于状态信息被确定为不满足所述条件，将状态信息迭代地应用于第一网络；/n响应于状态信息被确定为满足所述条件，输出与所述对象相关的状态信息。/n
【技术特征摘要】
20180928 KR 10-2018-01158821.一种对象识别的方法，所述方法包括：
基于包括将被识别的对象的输入信息获得从第一网络输出的状态信息；
使用第二网络确定状态信息是否满足预设条件；
响应于状态信息被确定为不满足所述条件，将状态信息迭代地应用于第一网络；
响应于状态信息被确定为满足所述条件，输出与所述对象相关的状态信息。
2.如权利要求1所述的方法，其中，确定的步骤包括：将预设阈值与从第二网络输出的与状态信息对应的评估结果进行比较。
3.如权利要求2所述的方法，其中，确定的步骤还包括：将预设迭代次数与状态信息被迭代地应用于第一网络的次数进行比较。
4.如权利要求1所述的方法，其中，第一网络被配置为：迭代地处理输入信息，以提供预设应用服务；
第二网络被配置为：对与第一网络的迭代处理结果对应的状态信息进行评估。
5.如权利要求1所述的方法，还包括：
使用第三网络对状态信息进行解码，以提供预设应用服务。
6.如权利要求1所述的方法，还包括：
将输入信息编码到状态信息的维度；
将编码的输入信息应用于第一网络。
7.如权利要求1所述的方法，其中，迭代地应用的步骤包括：
将状态信息编码到输入信息的维度；
将编码的状态信息应用于第一网络。
8.如权利要求1所述的方法，其中，输入信息包括单个数据和序列数据中的至少一个。
9.如权利要求1所述的方法，还包括：
响应于输入信息为序列数据，将序列数据编码为具有第一网络的输入维度的嵌入向量；
将嵌入向量应用于第一网络。
10.如权利要求9所述的方法，其中，输出的步骤包括：响应于输入信息为序列数据，将状态信息解码为序列数据，并且输出解码的状态信息。
11.如权利要求1所述的方法，其中，第一网络包括用于语音识别的神经网络或者用于图像识别的神经网络。
12.如权利要求1所述的方法，其中，第一网络包括全连接层、简单的循环神经网络、长短期记忆网络和门控循环单元中的至少一个。
13.一种对象识别的方法，所述方法包括：
通过基于预设迭代次数将与训练数据对应的输入信息迭代地应用于第一网络，来生成每次迭代的状态信息；
使用第三网络预测与每次迭代的状态信息对应的结果；
基于每次迭代预测的结果与对应于输入信息的真值之间的第一损失来训练第一网络；
接收包括将被识别的对象的输入信息；
使用训练的第一网络基于接收的输入信息执行对象识别。
14.如权利要求13所述的方法，还包括：
基于每次迭代预测的结果的评估分数，训练被配置为评估状态信息的第二网络。
15.如权利要求14所述的...
【专利技术属性】
技术研发人员：崔俊辉，金映锡，朴贞训，玉成民，全在勳，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR
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。