【技术实现步骤摘要】
本公开的示例涉及机器学习，并且具体地涉及使用具有低计算资源的空间分布装置进行的机器学习。
技术介绍
1、机器学习是计算机科学的一个领域，它赋予计算机在没有明确编程的情况下进行学习的能力。计算机从经验e中学习关于某类任务t和性能度量p，如果它在t中的任务中的性能(由p测量)随着经验e而提高。计算机通常可以从先前的训练数据中学习，以对未来数据进行预测。机器学习包括完全或部分有监督学习和完全或部分无监督学习。它可以实现离散输出(例如，分类、聚类)和连续输出(例如，回归(regression))。机器学习例如可以使用不同方法来实现，诸如成本函数最小化、人工神经网络、支持向量机和贝叶斯网络。
2、例如，具有一个或多个隐藏层的人工神经网络对输入向量与输出向量之间的复杂关系进行建模。
3、执行神经网络的训练(学习)可能需要大量的计算资源。因此，具有低计算资源的装置不用于执行神经网络的训练(学习)。
4、例如，由于物联网的扩展，具有低计算资源的装置的数目正在增加。这种装置的示例包括智能耳塞、环、笔、徽章和标签。这些设...
【技术保护点】
1.一种用于机器学习的装置，包括：
2.根据权利要求1所述的装置，其中使用捕获的所述数据中的至少一些数据来训练所述预测器包括：稀疏训练所述预测器。
3.根据权利要求1或2所述的装置，包括：
4.根据权利要求1或2所述的装置，其中用于分类的所述部件被配置为基于以下项来执行所述分类：
5.根据权利要求1或2所述的装置，其中用于分类的所述部件包括：
6.根据权利要求1或2所述的装置，被配置为无线传感器装置，所述无线传感器装置包括控制电路系统、无线收发器电路系统、以及传感器电路系统，其中所述控制电路系统被配置为：使用...
【技术特征摘要】
1.一种用于机器学习的装置，包括：
2.根据权利要求1所述的装置，其中使用捕获的所述数据中的至少一些数据来训练所述预测器包括：稀疏训练所述预测器。
3.根据权利要求1或2所述的装置，包括：
4.根据权利要求1或2所述的装置，其中用于分类的所述部件被配置为基于以下项来执行所述分类：
5.根据权利要求1或2所述的装置，其中用于分类的所述部件包括：
6.根据权利要求1或2所述的装置，被配置为无线传感器装置，所述无线传感器装置包括控制电路系统、无线收发器电路系统、以及传感器电路系统，其中所述控制电路系统被配置为：使用由所接收的所述编码器和所接收的或训练的所述预测器形成的所述神经网络，来对由所述传感器电路系统捕获的数据执行推断。
7....
【专利技术属性】
技术研发人员：莫凡，S·查特吉，M·马来克扎德，A·马图尔，
申请(专利权)人：诺基亚技术有限公司，
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。