【技术实现步骤摘要】
【国外来华专利技术】用于数据处理和计算的系统和方法
[0001]本专利技术涉及数据处理和机器学习领域,并且具体地涉及采用机器学习的方法来处理任何种类的数据的数据处理,所述数据例如表示文本、图形数据(诸如图片或电影)或声音数据(诸如口语(理解和创造语言)),特别是组合类型的数据(诸如组合的图形数据和文本),更一般地涉及一种具有权利要求1的前序部分的特征的数据处理设备、一种具有权利要求14的前序部分的特征的方法以及计算机程序。
技术介绍
[0002]US 6,879,946 B2公开了一种使用属性超图表示(AHR)来建模、变换和操纵对象的智能2D和3D对象和场景建模、变换和操纵的计算机化的方法。给定3D对象或场景的特征来构造AHR的过程与使用函子(functor)将不同类别彼此映射对应。不同类别表示3D对象或场景的例如几何、物理和图形表示。
[0003]US 6,964,037 B1公开了一种用于确定遗传图的余限(colimit)的计算机实现的方法。余限操作将概念粘合在一起,形成沿着共享子概念的共享并集。
[0004]US 7,319,951 B2公开了一种使用类别理论和认知科学为内容数据设计语义描述的方法。
[0005]US 10,360,503 B2公开了一种用于使用来自类别理论的概念来导出本体的系统。
[0006]这些文献不使用神经元网络作为机器学习方法,而是通常使用巨大的数据库。巨大的数据库的实施非常耗费硬件。
[0007]Tai
‑
Danae Bradley所著的文献“Wh
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种数据处理设备(1),包括:
·
至少一个第一接口(2),用于接收输入数据(ID)
·
至少一个第二接口(3),用于输出输出数据(OD)
·
至少一个共享存储器设备(4),数据能够写入其中并且能够从其中读取数据
·
至少一个计算设备(5),所述至少一个第一接口(2)和所述至少一个第二接口(3)以及所述至少一个共享存储器设备(4)连接到所述至少一个计算设备(5),并且所述至少一个计算设备(5)被配置为:
‑
从所述至少一个第一接口(2)接收输入数据(ID)
‑
将输出数据(OD)发送到所述至少一个第二接口(3)
‑
从所述至少一个共享存储器设备(4)读取数据和向所述至少一个共享存储器设备(4)写入数据,其特征在于,所述至少一个计算设备(5)被配置为并行执行多个进程,所述多个进程至少包括:
‑
至少一个数据中枢进程(6),所述至少一个数据中枢进程(6)从所述至少一个第一接口(2)和/或所述至少一个共享存储器设备(4)接收输入数据(ID),并且包括至少一个键控子进程(62),所述至少一个键控子进程(62)向输入数据(ID)的数据片段(S
i
)提供键(K
i
),从而创建键控数据片段(KS
i
),其中所述至少一个数据中枢进程(6)将键控数据片段(KS
i
)存储在所述至少一个共享存储器设备(4)中作为共享的键控数据片段(KS
i
)
‑
计算模块(7)形式的多个进程,其中每个计算模块(7)被配置为:*访问所述至少一个共享存储器设备(4)以查找特定于模块的数据片段,特定于模块的数据片段是用特定于计算模块(7)中的至少一个计算模块的至少一个键(K
i
)进行键控的共享的键控数据片段(KS
i
)*对特定于模块的数据片段执行机器学习方法,所述机器学习方法包括使用至少一个人工神经元网络(71)的数据解释和分类方法*将所执行的机器学习方法的结果输出到所述至少一个共享存储器设备(4)和至少一个其它计算模块(7)中的至少一个。2.如权利要求1所述的数据处理设备,其中所述多个计算模块(7)的至少一部分由具有分层垂直结构的计算模块(7)形成,所述分层垂直结构具有层(I
‑
VI),和/或所述多个计算模块(7)的至少一部分通过计算组(16)的方式形成为水平结构。3.如权利要求1或权利要求2所述的数据处理设备,其中提供至少一个路由进程(28),所述至少一个路由进程(28)将由计算模块(7)中的至少一个计算模块提供的输出指引到至少一个其它计算模块(7)和/或共享存储器设备(4)。4.如前述权利要求中的至少一项所述的数据处理设备,其中所述至少一个数据中枢进程(6)包括至少一个分段子进程(61),所述至少一个分段子进程(61)将输入数据(ID)分段为数据片段(S
i
),并保留共享的键控数据片段(KS
i
)是从相同输入数据(ID)中分段的信息。5.如权利要求4所述的数据处理设备,其中所述至少一个数据中枢进程(6)将键控数据片段(KS
i
)存储在所述至少一个共享存储器设备(4)中作为共享的键控数据片段(KS
i
),并保留共享的键控数据片段(KS
i
)是通过使用机器学习技术从相同输入数据(ID)中分段的信
息,所述机器学习技术优选地是神经元网络。6.如前述权利要求中的至少一项所述的数据处理设备,其中数据处理设备(1)被配置为重复地检查所述多个计算模块(7)的至少一部分的神经元网络(71)的突触(24)的权重(w),以确保它们不发散,优选地,重复地检查所述多个计算模块(7)全部的神经元网络(71)的突触(24)的权重(w)。7.如前述权利要求中的至少一项所述的数据处理设备,其中所述多个计算模块(7)的至少一部分被配置为表示类别构造,所述类别构造优选地选自至少包括以下的组:对象、态射、函子、交换图、非交换态射或函子、自然变换、拉回、前推、投影极限、归纳极限、子对象分类器。8.如前述权利要求所述的数据处理设备,其中数据处理设备(1)被配置为通过使用交换图确定未知对象和/或态射来进行无监督学习。9.如前两项权利要求中的一项所述的数据处理设备,其中数据处理设备(1)被配置为通过使用非交换态射或函子来创建空间和/或时间上的朝向感。10.如权利要求7至权利要求9中的至少一项所述的数据处理设备,其中随机信号发生器(27)被配置为将随机信号(RANDOM)输入到至少一些计算模块(7)的至少一个神经元网络(71)的至少一些人工神经元(21),并且其中优选地提供随机信号(RANDOM)用于创建新概念,特别优选地是通过使用投影极限创建新概念。11.如权利要求7至权利要求10中的至少一项所述的数据处理设备,其中随机信号发生器(27)的随机信号(RANDOM)被输入到表示投影极限的一组计算模块(7)的至少一个神经元网络(71)的至少一些人工神经元(21)以生成随机数据集,所述随机数据集用于测试假设并近似模拟自然逻辑的全称量词12.如权利要求7至权利要求11中的至少一项所述的数据处理设备,其中数据处理设备(1)被配置为将相同的自然语言描述归因于示...
【专利技术属性】
技术研发人员:K,
申请(专利权)人:塞菲尔解决方案有限公司,
类型:发明
国别省市:
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。