用于对编码数据进行解码的神经网络和系统技术方案

本文描述的实例利用多层神经网络来对编码数据(例如，使用一或多种编码技术编码的数据)进行解码。所述神经网络可以具有非线性映射和分布式处理能力，这在采用神经网络解码器的许多系统中可能是有利的。这样，本文描述的神经网络可以用于实施纠错码(ECC)解码器。

【技术实现步骤摘要】
【国外来华专利技术】用于对编码数据进行解码的神经网络和系统相关申请的交叉引用本申请要求于2018年12月27日提交的美国申请号16/233,576的优先权，该美国申请出于任何目的通过引用全部结合于此。
本文描述的实例涉及用于对编码数据进行解码的神经网络。描述了可以与纠错译码(ECC)存储器一起使用的神经网络的实例，其中神经网络可以用于对编码数据进行解码。
技术介绍
纠错译码(ECC)可以用于多种应用，诸如存储器装置或无线基带电路。通常，纠错译码技术可以对具有附加位的原始数据进行编码，以描述意图要存储、检索和/或传输的原始位。附加位可以与原始位一起存储。因此，可以存储和/或传输L位原始数据。编码器可以提供N-L个附加位，使得编码数据可以是N位的数据。原始位可以被存储作为原始位，或者可以由编码器改变以形成所存储数据的编码N位。解码器可以对N个位进行解码以检索和/或估计原始L个位，其在一些实例中可以根据ECC技术来校正。
技术实现思路
本文描述了解码器的实例。实例性解码器可以包含第一组合器级。该第一组合器级可以接收编码数据并使用该编码数据的组合来评估至少一个非线性函数以提供中间数据。该实例性解码器可以包含至少第二组合器级。该第二组合器级可以接收该中间数据并使用预定权重集合的集合来组合该中间数据，以至少部分地基于与该编码数据相关联的编码技术来为该预定权重集合提供解码数据。在一些实例中，该预定权重集合是基于神经网络对已知的编码数据的训练。在此类实例中，该编码技术包括里德-索罗门(Reed-Solomon)译码、博斯-乔赫里-霍克文黑姆(Bose-Chaudhuri-Hocquenghem，BCH)译码、低密度奇偶校验(LDPC)译码、极化译码或其组合。在一些实例中，该第一组合器级和该第二组合器级包含第一多个乘法/累加单元，该第一多个乘法/累加单元各自被配置为将该编码数据的至少一个位与该预定权重中集合的至少一个相乘并对该编码数据多个加权位进行求和。在一些实例中，该第一组合器级可以包含第一多个查找表，该第一多个查找表各自被配置为基于该至少一个非线性函数来查找与该第一多个乘法/累加单元中的相应一个的输出相对应的至少一个中间数据值。在一些实例中，该至少一个非线性函数包括高斯函数。在一些实例中，实例性解码器可以包含与该第一组合器级和该第二组合器级进行通信的存储器，该存储器被配置为存储多个预定权重集合，该多个预定权重集合包含该预定权重集合。本文描述了方法的实例。实例性方法可以包含在包括神经网络的计算装置处接收指示数据对集合的信令，每个数据对包括已知的编码数据和解码数据，其中该已知的编码数据用特定编码技术进行编码。该实例性方法可以进一步包含为该神经网络确定用于以该特定编码技术对数据进行解码的权重集合。该实例性方法可以进一步包含从该计算装置的存储器接收指示用该特定编码技术编码的数据的信令。该实例性方法可以进一步包含使用该神经网络利用该权重对该数据进行解码。该实例性方法可以进一步包含将该解码数据写入该计算装置的存储器或存储介质或从该存储器或存储介质读取该解码数据。在一些实例中，所述方法可以进一步包含：使用以其它编码技术编码的附加编码数据和解码数据对为该神经网络确定多个权重集合，其中该多个权重集合各自对应于不同的编码技术；选择与该特定编码技术相关联的该权重集合；以及向该神经网络或另一种神经网络提供该权重集合以用于对该另外的编码数据进行解码。在一些实例中，该方法可以进一步包含：接收以另一种编码技术编码的另外的输入数据；选择与该另一种编码技术相关联的该多个权重集合中的选定权重集合；向该神经网络提供该选定的权重集合；以及使用该选定的权重集合对该另外的输入数据进行解码。在一些实例中，该特定的编码技术可以包含里德-索罗门译码、博斯-乔赫里-霍克文黑姆(BCH)译码、低密度奇偶校验(LDPC)译码、极化译码或其组合。在一些实例中，使用该神经网络对该另外的编码数据进行解码可以包含使用该权重集合中的至少一些对该另外的编码数据的位进行加权，并且对该另外的编码数据的选定的加权位进行求和以提供中间数据，然后使用该权重中的至少一些对该中间数据的位进行加权并对该中间数据的选定加权位进行求和以提供解码数据。在一些实例中，确定初始权重集合可以包含选择导致该神经网络的输出与已知的解码数据之间的误差函数的值最小的权重。在一些实例中，确定该初始权重集合可以包含使用k均值聚类技术来确定该神经网络的中心矢量。本文描述存储器系统的实例。实例性存储器系统可以包含：存储器单元，该存储器单元被配置为存储使用编码技术编码的数据；输出缓冲器，该输出缓冲器被配置为从该存储器单元读取选定数据并提供对应的输出数据；以及被配置为利用基于该编码技术选择的初始权重的神经网络，该神经网络被配置为接收该输出数据并提供解码数据的估计值。在一些实例中，该存储器系统可以包含纠错码块，该纠错码块被配置为接收该解码数据的该估计值并且进一步校正该解码数据的该估计值。在一些实例中，该神经网络可以包含多个乘法/累加单元，该多个乘法/累加单元各自被配置为将该输出数据的至少一个位与第一预定权重集合中的至少一个相乘并将该输出数据的多个加权位进行求和。在一些实例中，该神经网络可以包含多个查找表，该多个查找表各自被配置为根据该至少一个非线性函数来查找与该多个乘法/累加单元中的相应一个的输出相对应的至少一个中间数据值。在一些实例中，该神经网络可以被配置为使用权重集合来提供该解码数据的该估计值。在一些实例中，该存储器系统可以包含模式配置控制，该模式配置控制被配置为根据该编码技术为该神经网络选择该权重集合。附图说明图1是根据本文描述的实例布置的神经网络的示意图。图2是根据本文描述的实例布置的神经网络的硬件实施方案的示意图。图3是根据本文描述的实例布置的设备的示意图。图4是根据本文描述的实例布置的方法的流程图。具体实施方式多层神经网络可以用于对编码数据(例如，使用一或多种编码技术编码的数据)进行解码。神经网络可以具有非线性映射和分布式处理能力，这在采用神经网络解码器的许多系统中是有利的。这样，本文描述的神经网络可以用于实施纠错码(ECC)解码器。编码器可以具有L位的输入数据(a1,a2,…aL)。编码器可以根据编码技术对输入数据进行编码，以提供N位的编码数据(b1,b2,…bN)。编码数据可以被存储和/或传输，或者对编码数据采取某个其它动作，这可能将噪声引入到数据中。因此，解码器可以接收N位的编码数据的版本(x1,x2,…xN)。解码器可以将接收到的编码数据解码为L位原始数据(y1,y2,…yL)的估计值。无线基带电路的实例可以利用纠错译码(诸如低密度奇偶校验译码，LDPC)。编码器可以将特别选择的N-L个位添加到L位的原始数据中，这可以允许解码器对数据进行解码，并且减少和/或最大程度地减少由数据存储和传输中的噪声、干扰和其它本文档来自技高网...

【技术保护点】
1.一种解码器，其包括：/n第一组合器级，所述第一组合器级被配置为接收编码数据并使用所述编码数据的组合来评估至少一个非线性函数以提供中间数据；以及/n至少第二组合器级，所述至少第二组合器级被配置为接收所述中间数据并使用预定权重集合的集合来组合所述中间数据，以至少部分地基于与所述编码数据相关联的编码技术来为所述预定权重集合提供解码数据。/n

【技术特征摘要】
【国外来华专利技术】20181227 US 16/233,5761.一种解码器，其包括：
第一组合器级，所述第一组合器级被配置为接收编码数据并使用所述编码数据的组合来评估至少一个非线性函数以提供中间数据；以及
至少第二组合器级，所述至少第二组合器级被配置为接收所述中间数据并使用预定权重集合的集合来组合所述中间数据，以至少部分地基于与所述编码数据相关联的编码技术来为所述预定权重集合提供解码数据。


2.根据权利要求1所述的解码器，其中所述预定权重集合是基于神经网络对已知的编码数据的训练。


3.根据权利要求1所述的解码器，其中所述编码技术包括里德-索罗门译码、博斯-乔赫里-霍克文黑姆(BCH)译码、低密度奇偶校验(LDPC)译码、极化译码或其组合。


4.根据权利要求1所述的解码器，其中所述第一组合器级和所述第二组合器级包括第一多个乘法/累加单元，所述第一多个乘法/累加单元各自被配置为将所述编码数据的至少一个位与所述预定权重中集合的至少一个相乘并对所述编码数据多个加权位进行求和。


5.根据权利要求4所述的解码器，其中所述第一组合器级进一步包括第一多个查找表，所述第一多个查找表各自被配置为基于所述至少一个非线性函数来查找与所述第一多个乘法/累加单元中的相应一个的输出相对应的至少一个中间数据值。


6.根据权利要求1所述的解码器，其中所述至少一个非线性函数包括高斯函数。


7.根据权利要求1所述的解码器，其进一步包括与所述第一组合器级和所述第二组合器级进行通信的存储器，所述存储器被配置为存储多个预定权重集合，所述多个预定权重集合包含所述预定权重集合。


8.一种方法，其包括：
在包括神经网络的计算装置处接收指示数据对集合的信令，每个数据对包括已知的编码数据和解码数据，其中所述已知的编码数据用特定编码技术进行编码，为所述神经网络确定用于以所述特定编码技术对数据进行解码的权重集合；
从所述计算装置的存储器接收指示用所述特定编码技术编码的数据的信令；
使用所述神经网络利用所述权重来对所述数据进行解码；以及
将所述解码数据写入所述计算装置的存储器或存储介质或从所述存储器或存储介质读取所述解码数据。


9.根据权利要求8所述的方法，其进一步包括：
使用以其它编码技术编码的附加编码数据和解码数据对为所述神经网络确定多个权重集合，其中所述多个权重集合各自对应于不同的编码技术；
选择与所述特定编码技术相关联的所述权重集合；以及
向所述神经网络或另一种神经网络提供所述权重集合以用于对所述另外的编码数据进行解码。

【专利技术属性】
技术研发人员：罗法隆，J·卡明斯，T·施米茨，
申请(专利权)人：美光科技公司，
类型：发明
国别省市：美国;US