使用自动编码器神经网络压缩端节点中的信息制造技术

在一个实施例中，一种装置包括：传感器，用于感测真实世界信息；数字化器，其耦合到传感器以将真实世界信息数字化为数字化信息；信号处理器，其耦合到数字化器以将数字化信息处理成频谱图；神经引擎，其耦合到信号处理器，神经引擎包括自动编码器，用于将频谱图压缩成经压缩的频谱图；以及无线电路，其耦合到神经引擎以将经压缩的频谱图发送到远程目的地，以使远程目的地能够处理经压缩的频谱图。程目的地能够处理经压缩的频谱图。程目的地能够处理经压缩的频谱图。

【技术实现步骤摘要】
使用自动编码器神经网络压缩端节点中的信息

技术介绍

[0001]端节点设备通常感测和收集关于其环境的数据。例如，这种数据可以是音频或图像。通常不容许端节点对这种数据执行有意义的计算，例如进行语音识别以检测关键字或检测图像中人的存在。因此，端节点通常会将原始数据发送到云，在云中使用强大的机器学习算法来处理原始数据。然而，原始数据的传输需要带宽和功耗，这对于电池供电的设备或其他功率受限的设备而言可能是惊人地大。

技术实现思路

[0002]在一个方面，一种装置包括：传感器，用于感测真实世界信息；数字化器，其耦合到所述传感器以将所述真实世界信息数字化为数字化信息；信号处理器，其耦合到所述数字化器以将所述数字化信息处理成频谱图；神经引擎，其耦合到所述信号处理器，所述神经引擎包括自动编码器，所述自动编码器用于将所述频谱图压缩成经压缩的频谱图；以及，无线电路，其耦合到所述神经引擎以将所述经压缩的频谱图发送到远程目的地，以使得所述远程目的地能够处理所述经压缩的频谱图。
[0003]在一个示例中，神经引擎用于存储用于自动编码器的模型。该模型可以包括神经网络的结构和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种装置，包括：传感器，用于感测真实世界信息；数字化器，其耦合到所述传感器以将所述真实世界信息数字化为数字化信息；信号处理器，其耦合到所述数字化器以将所述数字化信息处理成频谱图；耦合到所述信号处理器的神经引擎，所述神经引擎包括自动编码器，用于将所述频谱图压缩成经压缩的频谱图；以及无线电路，其耦合到所述神经引擎以将经压缩的频谱图发送至远程目的地，以使得所述远程目的地能够处理经压缩的频谱图。2.根据权利要求1所述的装置，其中，所述神经引擎用于存储用于所述自动编码器的模型，所述模型包括神经网络的结构和多个系数，其中，所述模型包括根据所述真实世界信息的类型使用至少一个相关函数生成的经预训练的模型。3.根据权利要求2所述的装置，其中，所述装置用于从所述远程目的地接收更新的模型，并且，基于所述更新的模型来更新所述模型的多个系数权重中的至少一些系数权重。4.根据权利要求1所述的装置，其中，自动编码器的解码器用于将第一经压缩的频谱图解压缩成第一重构频谱图，所述第一经压缩的频谱图由自动编码器的编码器从第一频谱图压缩。5.根据权利要求4所述的装置，其中，所述装置用于将所述第一频谱图与所述第一重构频谱图进行比较，并且，至少部分地基于所述比较来将所述第一频谱图而不是第一经压缩的频谱图发送至所述远程目的地。6.根据权利要求5所述的装置，其中，所述装置用于响应于来自所述远程目的地的请求，将所述第一频谱图与所述第一重构频谱图进行比较。7.根据权利要求1所述的装置，其中，所述真实世界信息包括语音信息，所述装置包括语音控制的端节点设备。8.根据权利要求7所述的装置，其中，所述语音控制的端节点设备用于从所述远程目的地接收至少部分地基于经压缩的频谱图的至少一个命令。9.根据权利要求1所述的装置，其中，所述真实世界信息包括图像信息，所述装置用于响应于来自所述远程目的地的命令，基于在所述远程目的地处检测到所述图像信息中的人，至少部分地基于所述图像信息来采取动作。10.一种方法，包括：生成包括编码器和解码器的自动编码器，并生成分类器，其中，所述编码器用于将频谱图编码为经压缩的频谱图，所述解码器用于将经压缩的频谱图解码为恢复的频谱图，并且，所述分类器用于从所述解码的经压缩的频谱图确定至少一个关键词；计算自动编码器的第一损失并计算分类器的第二损失；至少部分地基于所述第一损失和所述第二损失来联合训练所述自动编码器和所述分类器；以及将所述经训练的自动编码器和所述经训练的分类器存储在非暂时性存储介质中。...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：硅实验室公司，
类型：发明
国别省市：