神经网络中分布外输入数据的识别技术制造技术

用于在一个或更多个神经网络中识别分布外输入数据的装置、系统和技术。在至少一个实施例中，一种技术包括至少部分地基于独立地训练一个或更多个神经网络以推理关于输入信息的多个特征中的每一个，来训练一个或更多个神经网络以推理关于输入信息的多个特征。经网络以推理关于输入信息的多个特征。经网络以推理关于输入信息的多个特征。

【技术实现步骤摘要】
【国外来华专利技术】神经网络中分布外输入数据的识别技术
[0001]相关申请的交叉引用
[0002]本申请要求2021年4月6日提交的题为“神经网络中分布外输入数据的识别技术(TECHNIQUES FOR IDENTIFICATION OF OUT
‑
OF
‑
DISTRIBUTION INPUT DATA IN NEURAL NETWORKS)”的美国专利申请第17/224,041号的优先权，其全部内容通过引用并入本文并用于所有目的。


[0003]至少一个实施例涉及用于执行和促进人工智能的处理资源。例如，至少一个实施例涉及用于根据本文描述的各种新技术训练神经网络的处理器或计算系统。

技术介绍

[0004]检测分布外输入数据，例如神经网络尚未经过训练进行分类的输入数据，可能会导致分类错误率升高，并且会占用大量内存、时间或计算资源。可以改进在神经网络中检测分布外输入数据的方法。
附图说明
[0005]图1是根据至少一个实施例的利用经变换的输入数据训练神经网络的系统的框图；
[0006]图2是示本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种处理器，包括：一个或更多个电路，用于使用一个或更多个神经网络来至少部分地基于所述一个或更多个神经网络被独立地训练以推理关于输入信息的多个特征中的每一个来推理关于所述输入信息的所述多个特征。2.根据权利要求1所述的处理器，其中被独立地训练包括对所述多个特征中的每一个特征使用个体损失函数。3.根据权利要求1所述的处理器，其中所述输入信息包括图像数据，并且所述一个或更多个神经网络被训练以推理所述图像数据中描绘的对象的类以及推理所述图像数据的多个变换。4.根据权利要求1所述的处理器，其中所述输入信息包括图像数据，并且所述多个特征包括第一特征和多个辅助特征，其中所述辅助特征包括几何变换特征和非几何变换特征。5.根据权利要求1所述的处理器，其中所述一个或更多个电路用于在由使用所述一个或更多个神经网络的推理操作生成的分类概率值低于预定义阈值的情况下，将所述输入信息识别为在分布外。6.根据权利要求1所述的处理器，其中所述一个或更多个神经网络至少部分地通过为多个辅助特征中的每一个选择加权因子来训练。7.根据权利要求1所述的处理器，其中所述输入信息包括图像数据，所述多个特征包括所述图像数据中的对象的分类，所述多个特征包括多个辅助特征，所述辅助特征包括多个几何变换特征和非几何变换特征，以及训练所述一个或更多个神经网络包括为所述辅助特征选择加权因子。8.一种系统，包括：一个或更多个处理器，用于至少部分地通过以下方式计算与一个或更多个神经网络对应的参数：训练所述一个或更多个神经网络，以至少部分地基于独立地训练所述一个或更多个神经网络以推理关于输入信息的多个特征中的每一个，来推理关于所述输入信息的所述多个特征；以及一个或更多个存储器，其存储所述参数。9.根据权利要求8所述的系统，其中训练所述一个或更多个神经网络以推理多个特征包括：训练第一神经网络以对输入图像数据中显示的对象进行分类，以及训练多个附加神经网络以推理所述输入图像数据的变换，其中每一个附加神经网络包括所述第一神经网络的一部分。10.根据权利要求8所述的系统，其中所述输入信息包括图像数据，并且训练所述一个或更多个神经网络包括对所述图像数据应用几何变换和非几何变换。11.根据权利要求8所述的系统，其中训练所述一个或更多个神经网络包括：生成多组经变换的图像数据，以及训练所述一个或更多个神经网络以使用所述一个或更多个神经网络的单独分支来推理每一组经变换的图像数据的特征。12.根据权利要求8所述的系统，其中训练所述一个或更多个神经网络包括为多个辅助特征中的每一个选择加权因子。13.根据权利要求8所述的系统，其中训练所述一个或更多个神经网络包括训练第一神
经网络以推理第一特征，训练第二神经网络以推理第二特征，以及训练第三神经网络以推理第三特征，其中所述第二神经网络包括所述第一神经网络的第一部分，并且所述第三神经网络包括所述第一神经网络的所述第一部分。14.根据权利要求8所述的系统，其中所述输入信息包括图像数据，并且训练所述一个或更多个神经网络包括利用未经变换的图像数据和经变换的图像数据训练所述一个或更多个神经网络。15.根据权利要求8所述的系统，其中所述输入信息包括图像数据，所述多个特征包括所述图像数据中的对象的分类，所述多个特征包括多个辅助特征，所述辅助特征包括多个变换，以及训练所述一个或更多个神经网络包括为应用于所述辅助特征的损失函数选择加权因子。16.一种处理器，包括：一个或更多个电路，用于使用一个或更多个神经网络以至少部分地基于所述一个或更多个神经网络被独立训练以推理关于信息的多个附加特征中的每一个，来推理关于所述信息的特征。17.根据权利要求16所述的处理器，其中关于所述信息的所述特征是一个或更多个对象的分类并且所述附加特征包括所述信息的变换。18.根据权利要求16所述的处理器，其中被独立地训练包括对每一个附加特征使用个体损失函数。19.根据权利要求16所述的处理器，其中所述信息包括图像数据，并且所述附加特征包括几何变换和非几何变换。20.根据权利要求16所述的处理器，其中被独立地训练包括为所述多个附加特征中的每一个选择加权因子。21.根据权利要求16所述的处理器，其中所述一个或更多个电路还用于在由使用所述一个或更多个神经网络的推理操作生成的分类概率值低于预定义阈值的情况下使用所述一个或更多个神经网络来检测分布外输入。22.根据权利要求16所述的...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：辉达公司，
类型：发明
国别省市：