【技术实现步骤摘要】
用于训练神经网络的方法和装置以及神经网络系统相关申请的交叉引用本申请要求于2020年2月21日在韩国知识产权局提交的韩国专利申请No.10-2020-0021798的权益,该申请的公开以引用方式全部并入本文中。
本专利技术构思涉及神经网络训练方法、神经网络训练装置以及用于执行神经网络训练方法的神经网络系统。
技术介绍
人工神经网络(ANN)系统是用于模仿功能或有机神经网络的计算机系统,使机器能够学习并做出决定。诸如ANN的人工智能(AI)系统可以提高模式识别率,并且能够通过训练更准确地了解用户偏好。结果,使用神经网络模型,AI系统已经应用于各种类型的电子装置和数据处理系统。在AI系统中使用了基于机器学习或深度学习的各种类型的神经网络模型。在一些情况下,大量的训练数据用于训练神经网络模型。训练数据包括原始数据和原始数据的注释或标签。训练数据可以包括图像、数据集等。然而,当训练数据不足或不够稳健(robust)时,经过训练的神经网络的性能会劣化。因此,在本领域中需要用各种数据源训练神经网络。
技术实现思路
本专利技术构思提供用于训练神经网络的方法和装置以及包括该装置的神经网络系统,通过该方法、装置和系统,可以通过处理获得的数据和将处理结果添加为训练数据来提高神经网络的性能。根据本专利技术构思的一方面,提供了一种神经网络训练方法,该方法包括:使用基于训练数据训练的神经网络来提取针对第一数据的注释数据和第一可靠性值;基于具有大于或等于阈值的第二可靠性值的第二数据从第一数据之 ...
【技术保护点】
1.一种神经网络训练方法,包括:/n使用基于训练数据训练的神经网络提取针对第一数据的注释数据和第一可靠性值;/n基于具有大于或等于阈值的第二可靠性值的第二数据,从所述第一数据之中选择所述第二数据;/n基于所述第二数据扩展所述训练数据;以及/n基于经过扩展的训练数据对所述神经网络进行再训练。/n
【技术特征摘要】
20200221 KR 10-2020-00217981.一种神经网络训练方法,包括:
使用基于训练数据训练的神经网络提取针对第一数据的注释数据和第一可靠性值;
基于具有大于或等于阈值的第二可靠性值的第二数据,从所述第一数据之中选择所述第二数据;
基于所述第二数据扩展所述训练数据;以及
基于经过扩展的训练数据对所述神经网络进行再训练。
2.根据权利要求1所述的神经网络训练方法,其中,所述注释数据包括关于对所述第一数据进行推断的结果的信息。
3.根据权利要求1所述的神经网络训练方法,其中,扩展所述训练数据包括:
通过使用多种方法转换所述第二数据来生成与所述第二数据具有相同的注释数据的第三数据;以及
将与所述第三数据中的至少一些相对应的第四数据添加到所述训练数据中。
4.根据权利要求3所述的神经网络训练方法,其中,将所述第四数据添加到所述训练数据中包括:
提取针对所述第三数据的第三可靠性值;
基于具有大于或等于参考值的第四可靠性值的第四数据,从所述第三数据之中选择所述第四数据;以及
将所述第四数据添加到所述训练数据中。
5.根据权利要求4所述的神经网络训练方法,其中,选择所述第四数据包括:选择与相对于所述训练数据的数量设置的比率相对应的第四数据的数量。
6.根据权利要求4所述的神经网络训练方法,其中,选择所述第四数据包括:基于可靠性分布从所述第三数据之中选择所述第四数据。
7.根据权利要求1所述的神经网络训练方法,还包括:
测量经过再训练的神经网络的性能;
当经过再训练的神经网络的性能低于参考水平时,调整所述阈值;以及
基于调整后的阈值从所述第一数据之中重新选择所述第二数据。
8.根据权利要求1所述的神经网络训练方法,还包括:
确定是否满足用于完成训练的条件;
当满足所述条件时,输出经过再训练的神经网络;以及
当不满足所述条件时,提取附加的注释数据和附加的可靠性值。
9.根据权利要求8所述的神经网络训练方法,其中,确定是否满足用于完成所述训练的条件包括:当经过扩展的训练数据的数量大于或等于设置数量时,确定满足所述条件。
10.根据权利要求8所述的神经网络训练方法,其中,确定是否满足用于完成所述训练的条件包括:当经过再训练的神经网络的性能大于或等于参考水平时,确定满足所述条件。
11.一种神经网络训练装置,包括:
存储器,其存储一个或多个指令;以及
至少一个处理器,其被配置为执行存储在所述存储器中的所述一个或多个指令,以:
通过用基于初始训练数据训练的神经网络对收集数据执行推断来提取针对所述收集...
【专利技术属性】
技术研发人员:金炳秀,金冏荣,金哉坤,李昶权,河相赫,
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。