【技术实现步骤摘要】
本专利技术涉及神经网络领域，特别地，涉及一种基于神经网络模型的分类任务实现方法。
技术介绍
1、随着人工智能技术的发展，越来越多的目标分类可通过神经网络来处理，例如，语音分类、图像分类、文本分类等等。
2、以语音分类为例。参见图1所示，图1中待分类的语音帧通过编码器进行特征提取，通过分类器对所提取的语音特征进行分类，编码器和分类器由训练后的神经网络模型来实现。
3、由于神经网络模型在特征提取过程中随着网络层数的增加，从输入数据输入至卷积神经网络模型，到得到所提取特征所占用的处理时长也增加。
技术实现思路
1、本专利技术提供了一种基于神经网络模型的分类任务实现方法，既减少从输入数据到神经网络模型到得到分类结果所占用的处理时长，又提高基于神经网络模型实现分类任务的准确性。
2、本申请实施例第一方面提供一种基于神经网络模型的分类任务实现方法，该方法包括：
3、获取待分类任务的特征向量，并构建至少一个第一零向量，
4、将待分类任务的特征向...
【技术保护点】
1.一种基于神经网络模型的分类任务实现方法，其特征在于，该方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取待分类任务的特征向量，包括：
3.如权利要求1或2所述的方法，其特征在于，所述将第J特征向量进行池化处理包括：
4.如权利要求3所述的方法，其特征在于，所述将当前第J特征向量和第二零向量进行池化处理包括：
5.一种神经网络模型的训练方法，其特征在于，该方法包括：
6.如权利要求5所述的训练方法，其特征在于，所述获取样本分类任务的样本特征向量包括：
7.一种神经网络模型结构，该神经网...
【技术特征摘要】
1.一种基于神经网络模型的分类任务实现方法，其特征在于，该方法包括：
2.如权利要求1所述的方法，其特征在于，所述获取待分类任务的特征向量，包括：
3.如权利要求1或2所述的方法，其特征在于，所述将第j特征向量进行池化处理包括：
4.如权利要求3所述的方法，其特征在于，所述将当前第j特征向量和第二零向量进行池化处理包括：
5.一种神经网络模型的训练方法，其特征在于，该方法包括：
6.如权利要求5所述的训练方法，其特征在于，所述获取样本分类任务的样本特征向量包括：
7....
【专利技术属性】
技术研发人员：钟雨崎，艾国，杨作兴，
申请(专利权)人：深圳比特微电子科技有限公司，
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。