【技术实现步骤摘要】
【国外来华专利技术】数据处理系统和数据处理方法
本专利技术涉及数据处理技术，特别涉及使用了学习到的深度神经网络的数据处理技术。
技术介绍
卷积神经网络(CNN：ConvolutionalNeuralNetwork)是包含1个以上的非线性单元的数学模型，并且是预测与输入对应的输出的机器学习模型。许多卷积神经网络除了具有输入层和输出层之外，还具有1个以上的中间层(隐藏层)。各中间层的输出成为下一层(中间层或输出层)的输入。卷积神经网络的各层根据输入和自身的参数而生成输出。现有技术文献非专利文献非专利文献1：AlexKrizhevsky、IlyaSutskever、GeoffreyE.Hinton、“ImageNetClassificationwithDeepConvolutionalNeuralNetworks”、NIPS2012_4824
技术实现思路
专利技术要解决的课题卷积神经网络通常包含进行平面方向的缩小的池化处理。本专利技术人通过积极深入的研究，学习出一种网络，在该网络中，利用一贯性学习...
【技术保护点】
1.一种数据处理系统，其特征在于，/n该数据处理系统具有处理器，该处理器执行按照包含输入层、1个以上的中间层以及输出层在内的神经网络的处理，/n基于通过对学习数据执行所述处理而输出的输出数据与针对所述学习数据的理想的输出数据的比较，所述神经网络的最优化对象参数被最优化，/n所述处理器进行如下处理：/n在第M中间层中，对表示向第M中间层输入的输入数据的中间数据应用包含卷积运算的运算，由此输出平面尺寸与该中间数据相等的特征图，其中，该卷积运算使用了由最优化对象参数构成的卷积核，M为1以上的整数；/n对输入到第M中间层的中间数据与通过将该中间数据输入到第M中间层而输出的特征图中的...
【技术特征摘要】
【国外来华专利技术】1.一种数据处理系统，其特征在于，
该数据处理系统具有处理器，该处理器执行按照包含输入层、1个以上的中间层以及输出层在内的神经网络的处理，
基于通过对学习数据执行所述处理而输出的输出数据与针对所述学习数据的理想的输出数据的比较，所述神经网络的最优化对象参数被最优化，
所述处理器进行如下处理：
在第M中间层中，对表示向第M中间层输入的输入数据的中间数据应用包含卷积运算的运算，由此输出平面尺寸与该中间数据相等的特征图，其中，该卷积运算使用了由最优化对象参数构成的卷积核，M为1以上的整数；
对输入到第M中间层的中间数据与通过将该中间数据输入到第M中间层而输出的特征图中的对应的坐标彼此进行乘法运算；以及
在第(M+1)中间层中，对通过执行所述乘法运算而输出的中间数据执行池化处理。
2.一种数据处理系统，其特征在于，
该数据处理系统具有：
处理器，其执行按照包含输入层、1个以上的中间层以及输出层在内的神经网络的处理；以及
学习部，其基于通过所述神经网络处理部对学习数据执行所述处理而输出的输出数据与针对所述学习数据的理想的输出数据的比较，使所述神经网络的最优化对象参数最优化，由此使所述神经网络进行学习，
所述处理器在所述学习中，进行如下处理：
在第M中间层中，对表示向第M中间层输入的输入数据的中间数据应用包含卷积运算的运算，由此输出平面尺寸与该中间数据相等的特征图，其中，该卷积运算使用了由最优化对象参数构成的卷积核，M为1以上的整数；
对输入到第M中间层的中间数据与通过将该中间数据输入到第M中间层而输出的特征图中的对应的坐标彼此进行乘法运算；以及
在第(M+1)中间层中，对通过执行所述乘法运算而输出的中间数据执行池化处理。
3.根据权利要求1或2所述的数据处理系统，其特征在于，
所述卷积核的与特征方向垂直的维度的尺寸大于1。
4.根据权利要求1至3中的任意一项所述的数据处理系统，其特征在于，
所述处理器输出特征方向的维度为1的特征图。
5.根据权利要求1至3中的任意一项所述的数据处理系统，其特征在于，
所述处理器进行对实数值输出0以上且1以下的实数值的运算。
6.根据权...
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。