数据处理装置、数据处理系统和数据处理方法制造方法及图纸

数据处理装置具有：数据处理部(10)，其学习神经网络；以及编码部(11)，其生成对识别神经网络的模型的模型标题信息、识别神经网络的层的层标题信息和层单位的边的权重信息进行编码而成的编码数据。编码而成的编码数据。编码而成的编码数据。

【技术实现步骤摘要】
【国外来华专利技术】数据处理装置、数据处理系统和数据处理方法


[0001]本专利技术涉及生成对与神经网络的结构有关的信息进行编码而成的编码数据的数据处理装置、数据处理系统和数据处理方法。

技术介绍

[0002]作为解决输入数据的分类(识别)问题和回归问题的方法，存在机器学习。在机器学习中，存在对脑的神经回路(神经元)进行模拟的神经网络这样的方法。在神经网络(以下记作NN)中，通过由神经元相互结合而成的网络表现的概率模型(识别模型、生成模型)进行输入数据的分类(识别)或回归。
[0003]此外，NN通过使用大量数据的学习对NN的参数进行优化，由此能够实现高性能化。但是，近年来的NN大规模化，NN的数据大小存在大容量化的倾向，使用NN的计算机的计算负荷也增加。
[0004]例如，在非专利文献1中记载有对表示NN的结构的信息即边的权重进行标量量化后进行编码的技术。通过对边的权重进行标量量化后进行编码，与边有关的数据的数据大小被压缩。
[0005]现有技术文献
[0006]非专利文献
[0007]非专利文献1：Vincent Van本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种数据处理装置，其特征在于，所述数据处理装置具有：数据处理部，其学习神经网络；以及编码部，其生成对识别所述神经网络的模型的模型标题信息、识别所述神经网络的层的层标题信息和层单位的边的权重信息进行编码而成的编码数据。2.根据权利要求1所述的数据处理装置，其特征在于，所述编码部从上位比特起以比特平面为单位对属于层的边的权重信息进行编码。3.根据权利要求1或2所述的数据处理装置，其特征在于，所述编码部对属于由所述层标题信息识别的1个以上的层的边的权重信息进行编码。4.根据权利要求1或2所述的数据处理装置，其特征在于，所述编码部对边的权重值与特定值的差分进行编码。5.根据权利要求1或2所述的数据处理装置，其特征在于，所述编码部将边的权重信息分成基础编码数据和增强编码数据进行编码。6.根据权利要求1或2所述的数据处理装置，其特征在于，所述数据处理装置具有解码部，该解码部对由所述编码部生成的编码数据进行解码，所述数据处理部使用由所述解码部解码后的信息学习所述神经网络。7....

【专利技术属性】
技术研发人员：峯泽彰，杉本和夫，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：