【技术实现步骤摘要】
本专利技术涉及人工神经网络，并且得出输入序列之间的相关性
技术介绍
1、人工神经网络可以以不同的方式被配置。通常，在本文中简称为神经网络的人工神经网络包括人工神经元，该人工神经元在本文中将同样简称为神经元。例如，神经元可以被配置为接收输入、施加权重以及基于输入和权重提供输出。神经元可以以软件来实现，或者附加地或备选地，神经网络可以包括基于硬件的人工神经元。
2、神经网络可以基于其属性和配置而被分类为不同的类型。前馈神经网络是其中神经元之间的连接不形成循环的网络，即数据单向流动。前馈型神经网络的示例是卷积神经网络cnn，其中滤波器被用于对先前层中的数据应用卷积运算，以获得用于后续层的数据。cnn可以包括全连接的层，其中每个神经元与先前层中的每个神经元相连接。例如，cnn已经在图像分类中被采用。cnn在有限的设定中已经达到了与人类相当的分类性能水平。
3、另一方面，循环神经网络(recurrent neural network)rnn是其中神经元之间的连接形成有向循环的网络。这些网络由于其内部存储器而进行对序列数据的...
【技术保护点】
1.一种装置，包括至少一个处理核心、至少一个存储器，所述至少一个存储器包括计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理核心一起使所述装置至少：
2.根据权利要求1所述的装置，其中所述第一循环神经网络和所述第二循环神经网络均包括多个长短期记忆LSTM块。
3.根据权利要求1或2所述的装置，其中所述第一循环神经网络包括第一数目的长短期记忆LSTM块，并且所述第二循环神经网络包括第二数目的LSTM块，所述第一数目和所述第二数目不相等。
4.根据权利要求1至3中任一项所述的装置，其中所述至少一个存储器和所...
【技术特征摘要】
1.一种装置，包括至少一个处理核心、至少一个存储器，所述至少一个存储器包括计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理核心一起使所述装置至少：
2.根据权利要求1所述的装置，其中所述第一循环神经网络和所述第二循环神经网络均包括多个长短期记忆lstm块。
3.根据权利要求1或2所述的装置，其中所述第一循环神经网络包括第一数目的长短期记忆lstm块，并且所述第二循环神经网络包括第二数目的lstm块，所述第一数目和所述第二数目不相等。
4.根据权利要求1至3中任一项所述的装置，其中所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理核心一起使所述装置：通过在获得内积以获得所述相关性之前将所述第一输出和所述第二输出绘制为具有相等的维度，来处理所述第一输出和所述第二输出。
<...
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。